회귀 분석(Regression Analysis)은 주어진 데이터에서 종속 변수와 독립 변수 간의 관계를 수학적으로 모델링하는 기법으로, 데이터의 패턴을 이해하고 예측하는 데 사용됩니다. 기본적인 목적은 관찰된 데이터를 기반으로 추정된 모델을 통해 예측하거나, 변수 간의 관계를 설명하는 것입니다. 이를 통해, 과거 데이터를 분석하여 미래의 결과를 예측할 수 있는 매우 유용한 도구로 활용됩니다. 주요 회귀 방법들 1. 선형 회귀: 가장 기본적이고 많이 사용되는 회귀 기법입니다. 선형 회귀는 데이터 포인트들이 직선으로 표현될 수 있는 ...

1. 피보나치의 수 https://ko.wikipedia.org/wiki/%ED%94%BC%EB%B3%B4%EB%82%98%EC%B9%98_%EC%88%98 https://namu.wiki/w/%ED%94%BC%EB%B3%B4%EB%82%98%EC%B9%98%20%EC%88%98%EC%97%B4 2. 피보나치 수 프로그램 https://ko.wikipedia.org/wiki/%ED%94%BC%EB%B3%B4%EB%82%98%EC%B9%98_%EC%88%98_%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%A8

푸아송 분포 위키백과, 우리 모두의 백과사전. 확률론에서, 푸아송 분포(Poisson分布, 영어: Poisson distribution)는 단위 시간 안에 어떤 사건이 몇 번 발생할 것인지를 표현하는 이산 확률 분포이다. * 푸아송 분포는 이항분포의 특수한 형태이다. 이항분포를 따르는 위와 같은 확률변수 X에서, n이 대단히 크고 p가 대단히 작을 경우, 이 확률변수 X는 λ=np인 푸아송 분포로 근사할 수 있다.

1. 평균 μ = E(X) μ : 뮤로 읽음 계산기에서는 mean(), 엑셀에서는 average() 함수 사용 표본의 평균은 X (엑스바) 로 표시함 2. (공) 분산 1. **분산** σ² = (\( \text{Var}(X) \)): \[ \text{Var}(X) = E\left( \left( X - \mu \right)^2 \right) \] 표본의 분산은 s² 으로 표시 2. **공분산** (\( \text{Cov}(X, Y) \)): \[ \text{Cov}(X, Y) = E\left( (X - \mu_X)(Y - \mu_Y) \right) = E(XY) - \mu_X \mu_Y \] X,Y 가 독립일 때 공분산은 0 3. 표준편차 **표준편차** (\( \sigma \)): \[ \sigma = \sqrt{E\left( (X - E(X))^2 \right...

테일러 급수(Taylor series)는 함수 \( f(x) \)를 주어진 점 \( a \)를 중심으로 다항식의 형태로 근사하는 방법입니다. 이는 특정 점 주변에서 함수의 값을 근사하기 위해 함수의 도함수 값을 활용하여 무한급수의 형태로 표현합니다. 테일러 급수의 정의 주어진 함수 \( f(x) \)가 \( a \)에서 \( n \)차 미분 가능할 때, \( f(x) \)의 \( a \)를 중심으로 한 테일러 급수는 다음과 같이 정의됩니다: \[ f(x) = f(a) + f'(a)(x - a) + \frac{f''(a)}{2!}(x - a)^2 + \frac{f'''(a)}{3!}(x - a)^3 + \cdots \] 즉, 일반적인 형태는 다음과...

연립 방정식을 크래머의 규칙(Cramer’s Rule)을 사용하여 풀어 보겠습니다. \[ \begin{bmatrix} 4 & 5 & 0 \\ 2 & 1 & 2 \\ 1 & 5 & 2 \end{bmatrix} \begin{bmatrix} x \\ y \\ z \end{bmatrix} = \begin{bmatrix} 2 \\ 3 \\ 1 \end{bmatrix} \] 1. 행렬과 열 벡터 정의 - 계수 행렬 \( A \): \[ A = \begin{bmatrix} 4 & 5 & 0 \\ 2 & 1 & 2 \\ 1 & 5 & 2 \end{bmatrix} \] - 변수 벡터 \( \mathbf{x} \): \[ \mathbf{x} = \begin{bmatrix} x \\ y \\ z \end{bmatrix} \] - 상수 벡터 \( \mathbf{b} \): \[ \mathbf{b} = \begin{bmatrix}...

https://kin.naver.com/qna/detail.naver?d1id=11&dirId=1113&docId=409935511&mode=answer 한 반은 24명이고, 총 9개 반이 있습니다. (총 학생수 216명) 저에겐 친구가 8명이 있는데, 적어도 한명이라도 같은 반이 될 확률은 얼마일까요? 전체 학생수는 24*9 =216 명입니다. 먼저 내가 어떤 반에 배정되었다고 하면 내 반에 남은 T/O(정원) 는 24-1=23 입니다. 나를 뺀 전체 학생수는 215 명이 되겠죠. 첫번째 친구가 다른 반에 배정될 확률 = (215-23)/215 = 192/215 두번째 친구가 다른 반에 배정될 확률 = (214-23)/215 = 191/214 (생...

최소제곱법, 또는 최소자승법, 최소제곱근사법, 최소자승근사법(method of least squares, least squares approximation) OLS(Ordinary Least Squares) 분석은 회귀 분석의 한 방법으로, 주어진 데이터에 가장 적합한 직선을 찾아내는 데 사용됩니다. 이 방법은 독립 변수와 종속 변수 간의 관계를 모델링하여 예측할 수 있도록 도와줍니다. OLS는 주로 다음과 같은 과정을 포함합니다: 1. 모델 정의 - 일반적인 (다중) 선형 회귀 모델은 다음과 같은 형태로 표현됩니다: \[ Y = \beta_0 + \beta_1X_1 + \beta_2X_2 + ... + \beta_nX_n + \...

http://navercast.naver.com/contents.nhn?rid=22&contents_id=6415 최대공통측도와 최대공약수는 같은 의미인가?

1. 두 개의 극좌표 함수가 있습니다. r(θ) = 1 r(θ) = 1 - cos(θ) 2. 직교좌표계에서 표시. Rectangular Coordinate = 카르테시안 좌표계 Cartesian coordinate system 각 축이 서로 수직(직각)으로 만남. 각 축의 값이 커지거나 작아지는 것은 일직선 위에서 발생 3. 극좌표계에서 표시 Polar Coordinate import numpy as np import matplotlib.pyplot as plt # t의 범위 설정 (0부터 2π까지) t = np.linspace(0, 2 * np.pi, 100) # 극좌표 함수 정의 r1 = np.ones_like(t) # r(t) = 1 r2 = 1 - np.cos(t) # r(t) = 1 - cos(t) # 극좌표 ...

지수법칙 로그법칙

1. 점의 위치 좌표평면 위의 한 점 P 의 위치는 여러가지 방법으로 표현할 수 있습니다. x와 y의 관계로 직접 표현할 수도 있고 (x,y) 매개변수를 이용해 표현할 수도 있습니다. (x(t), y(t)) 또는 (x(r), y(θ)) 2. 점의 자취의 길이 (공식) 점 P의 자취란, 평면 위에 존재할 수 있는 모든 점 P의 집합입니다. 연속되는 점의 집합은 직선이 될 수도 있고, 곡선이 될 수도 있습니다. 직선이나, 특수한 곡선인 경우에는 쉽게 길이를 구해낼 수 있습니다. 하지만 길이가 항상 쉽게 구해지는 것은 아닙니다. 그래서 일반적으로 적용되는 자취의...

1. 정의 정확도에 영향을 주는 숫자 : Wikipedia(KO) 오차를 고려한다 해도 신뢰할 수 있는 숫자를 자릿수로 나타낸 것 : 두산 백과 The significant figures of a number are those digits that carry meaning contributing to its precision : WIkipddia (EN) Each of the digits of a number that are used to express it to the required degree of accuracy, starting from the first non-zero digit. : Oxford Dic 2. 특징 유효숫자의 갯수는 소숫점 위치와는 무관 자릿수만을 표현하기 위한 0은 유효숫자가 아니다. 0.000123 에서 1...

외계인 지구 방문의 날과 13일의 금요일: 온 우주의 불운을 몰고 온 날? 상상해 보세요. "지구 방문의 해"를 맞아 외계인이 모처럼 지구를 방문했는데, 마침 그 날이 13일의 금요일이라면? 과연 우주에서 온 이 방문객도 지구의 '불운의 날'에 영향을 받을까요? 별의 세계에서 만난 일과 지구의 오랜 미신이 어떻게 만나는지, 그 확률을 알아보는 것은 정말 흥미로운 일입니다. 13일의 금요일, 우주의 패턴? 13일의 금요일은 오랫동안 불운의 날로 알려져 왔습니다. 이 미신은 13이라는 숫자와 금요일이라는 요일의 결합으로, 많은 이들에...

1. 정의 연립방정식이란 방정식 여러개를 하나로 묶어 놓은 것입니다. 묶어놓은 것을 System(계) 라고 부르구요. 묶인 방정식들이 모두 미지수에 대해서 1차이면 1차 연립방정식이 됩니다. 이 때 미지수가 2개이면 2원 1차 연립 방정식, 미지수가 3개이면 3원 1차 연립방정식이라고 부릅니다. 영어로는 "System of linear equations" 라고 부릅니다. 연립방정식을 푼다는 것은 System의 모든 방정식을 전부다 만족시키는 미지수들간의 조합을 찾는 것을 의미입니다. 2. 풀이방법1 - 대입 연립방정식을 푸는 가장 기초적인 방법입니다. 예를...

1. 링크 https://en.wikipedia.org/wiki/Jacobi_method http://okayhere.tistory.com/19

https://m.blog.naver.com/shipbuilding_pro/222239092204 신뢰도 함수 R(t) 신뢰도 함수 R(t)는 시스템이나 부품의 수명 시간 t 동안 신뢰도를 나타내는 함수입니다. 일반적으로 지수 분포나 와이블 분포 등의 확률 분포를 따릅니다. 고장 확률 분포는 시스템이나 부품이 고장 날 확률을 나타내는 분포입니다. 신뢰도 함수 R(t)와 고장 확률 분포는 밀접한 상관관계가 있습니다. 신뢰도 함수 R(t)는 고장 확률 분포를 적분하여 구할 수 있으며, 고장 확률 분포는 신뢰도 함수 R(t)를 미분하여 구할 수 있습니다. 예를 들어, 지수 분포를 ...

게임 설정 총 스테이지 : 60 stages 스테이지 타입 : 3 中 1 랜덤 확률로 등장 - A타입 = 52% 확률, 클리어 타임 20초 - B타입 = 25% 확률, 클리어 타임 100초 - C타입 = 23% 확률, 클리어 타임 60초 총 스테이지 60개를 모두 끝냈을 때, 최소 시간 기록(36분50초=2210초) 미만일 확률은? * 각 스테이지는 연속 플레이하는 것으로 한다.

1. http://navercast.naver.com/contents.nhn?rid=22&contents_id=10228 2. http://en.wikipedia.org/wiki/Repeating_decimal

https://en.wikipedia.org/wiki/Permutation https://en.wikipedia.org/wiki/Heap%27s_algorithm https://en.wikipedia.org/wiki/Steinhaus%E2%80%93Johnson%E2%80%93Trotter_algorithm