통계

중심극한정리(Central Limited Theorem)

• 모집단에서 복원추출한 무작위 n개의 표본(표본의 크기)을 뽑을 때, 표본 평균의 분포는 모집단의 분포와 상관없이 n이 클수록 정규분포에 가까워집니다.

  • https://ko.wikipedia.org/wiki/중심_극한_정리

  • 중심극한정리 증명 : https://angeloyeo.github.io/2020/01/10/CLT_proof.html

  • 손푸통 : https://www.youtube.com/watch?v=dNXJhWbHbaM

대수의 법칙(Law of Large Numbers)

• 경험적 확률과 수학적 확률 사이의 관계를 나타내는 법칙으로 표본의 크기 n이 커지면 그 표본 평균이 모평균에 가까워짐을 의미하며 취합하는 표본의 수가 많을 수록 통계적 정확도는 올라가게 됩니다.

  • https://ko.wikipedia.org/wiki/큰_수의_법칙

  • https://www.youtube.com/shorts/1Hu5xKahsfg

유의 확률(p-value)

• 통계적 가설 검정에서 유의확률은 귀무가설이 맞다고 가정할 때 얻은 결과보다 극단적인 결과가 실제로 관측될 확률을 말합니다.
• p-value는 귀무가설을
  • https://ko.wikipedia.org/wiki/%EC%9C%A0%EC%9D%98_%ED%99%95%EB%A5%A0

Reference

• https://github.com/boostcamp-ai-tech-4/ai-tech-interview