Tags
- DB
- delete
- count
- 이진트리
- SQL
- 스택
- Tree
- 통계학
- N:1
- update
- create
- drf
- ORM
- 그리디
- Django
- stack
- 뷰
- 큐
- 백트래킹
- distinct
- Queue
- 쟝고
- migrations
- M:N
- outer join
- regexp
- Article & User
- 트리
- 완전검색
- Vue
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
Notice
Recent Posts
Link
데이터 분석 기술 블로그
Independence (독립성) 본문
Independence (독립성)
확률 변수 와 가 독립(independent)이라는 것은 한 변수가 다른 변수의 값에 전혀 영향을 주지 않는다는 의미이다.
독립의 정의 (이산형/연속형 공통)
확률 변수 X와 가 독립이려면, 모든 x, y에 대해 다음이 성립해야 한다:
또는 연속형 확률 변수라면:
즉, 결합 확률(또는 밀도)이 각 변수의 곱으로 표현될 수 있으면 독립이다.
조건부 확률로 보는 독립
또는 이렇게도 표현 가능하다:
조건부 확률이 원래 확률과 같으면 → 정보가 추가돼도 변하지 않음 → 독립
독립 vs 상관관계
독립 ⇒ 상관없음 (correlation = 0)
BUT 상관 없음 ⇏ 독립
예제 1: 이산형 독립 여부 확인
X \ Y | 1 | 2 | 3 |
1 | 0.2 | 0.3 | 0.5 |
2 | 0.3 | 0.2 | 0.5 |
합 | 0.5 | 0.5 | 1.0 |
따라서 X와 Y는 독립이 아니다.
'데이터 사이언스 > 수리 통계학' 카테고리의 다른 글
Multivariate Normal Distribution / Vector Gaussian (다변량 정규분포) (0) | 2025.04.02 |
---|---|
Multivariate Distributions and Random Vectors (다변량 분포와 확률 벡터) (0) | 2025.04.01 |
Conditional Distributions and Bayes' Rule (조건부 분포와 베이즈 정리) (0) | 2025.03.30 |
Marginal of Bivariate Normal (이변량 정규분포의 주변 분포) (0) | 2025.03.29 |
Joint and Marginal Distributions (결합 및 주변 분포) (0) | 2025.03.28 |