Notice
Recent Posts
Recent Comments
Link
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 |
Tags
- 자전거 여행
- 베이지안
- 딥러닝
- 전처리
- 오토인코더
- 소수
- bayesian
- Gram matrix
- 냥코 센세
- Autoencoder
- 신경망
- 역전파
- 소인수분해
- 수달
- 오일러 프로젝트
- project euler
- SQL
- 역전파법
- neural network
- 합성곱 신경망
- Convolutional Neural Network
- Python
- backpropagation
- c#
- deep learning
- CNN
- mnist
- 히토요시
- 비샤몬당
- A Neural Algorithm of Artistic Style
Archives
- Today
- Total
목록표분 분산의 분산 (1)
통계, IT, AI
표본 분산의 분산
1. 들어가며 얼마전에 모표준편차를 추정하기 위하여 표본의 범위와 표본의 표준편차 중 무엇을 사용하는 것이 더 나은지 포스팅한 적이 있다. 그것을 밝히기 위해서 여러가지 공식을 증명했었지만 내용과 관련이 없는 것은 적지 않았다. 그렇게 증명한 것 중에 버리기 아까운 것을 적는다. 임의의 분포를 따르는 변수 \(X\)의 평균 \(E(X)\)이 0, 분산 \(Var(X)\)이 \(\sigma^2\), 제곱의 평균 \(E(X^2)\)이 \(\mu_2\) 그리고 네제곱의 평균 \(E(X^4)\)이 \(\mu_4\)라고 하자. \(E(X)\)을 0으로 설정한 이유는 일반성을 잃지 않으면서도 계산의 복잡성을 낮추기 위함이다. 독립적인 \(n\)개의 sample로 계산한 표본 분산 \(s^2\)이 \(\sum_{i}..
통계
2017. 1. 16. 23:36