코딩하는 해맑은 거북이

해당 글은 아래의 2가지를 다룬다. 1. 삼각함수란? 2. 삼각비와 그래프 1. 삼각함수란? 삼각함수는 동경의 크기에 따라 변화하는 함수이다. 동경위의 점과 원점, x축에 내린 발이 직각삼각형을 이루기 때문에 삼각함수라고 부른다. 각의 크기가 θ인 동경 OX는 점 X(x, y)를 지난다. 선분 OX의 길이를 r이라 할 때, 다음과 같은 삼각함수 sin, cos, tan 를 가진다. 2. 삼각비와 그래프 이를 호도법으로 고치면 아래와 같이 나타낼 수 있다. cf) 호도법이란? 호의 길이를 이용해서 각도를 표시하는 방법 반지름의 길이가 r인 원에서 호의 길이가 반지름 r과 같은 호 AB를 잡고 그 각을 aº 라고 하자. 부채꼴의 호의 길이는 중심각에 비례하므로 원둘레와 부채꼴 호의 길이를 통해 아래와 같은 ..

본 게시물의 내용은 '베이즈 통계학 맛보기(부스트캠프 AI Tech)' 강의를 듣고 작성하였다. 조건부 확률이란? 조건부확률 P(A|B)는 사건 B가 일어난 상황에서 사건 A가 발생할 확률을 의미한다. 베이즈정리는 조건부확률을 이용하여 정보를 갱신하는 방법을 알려준다. A 라는 새로운 정보가 주어졌을 때 P(B)로부터 P(B|A)를 계산하는 방법을 제공한다. 베이즈 정리 : 예제 COVID-99의 발병률이 10%로 알려져있다. COVID-99에 실제로 걸렸을 때 검진될 확률은 99%, 실제로 걸리지 않았을 때 오검진될 확률이 1%라고 할 때, 어떤사람이 질병에 걸렸다고 검진결과가 나왔을 때 정말로 COVID-99에 감염되었을 확률은? ※ θ를 COVID-99 발병사건으로 정의(관찰불가)하고, D를 테스트..

본 게시물의 내용은 '데이터 분석을 위한 통계 기초 개념(메타코드M)' 강의를 듣고 요약하여 작성하였다. 1. 통계 - 모집단(Population) : 통계학에서 관심/조사의 대상이 대는 개체의 전체 집합 - 모수(Parameter) : 모집단에 대한 수치적 요약 - 표본(Sample) : 모집단을 적절히 대표하는 모집단의 일부 - 통계량(Statistic) : 표본에 대한 수치적 요약 → 통계 : 표본에서 추출한 표본통계량을 통해서 모집단의 모수를 추정하는 것 2. 자료의 종류 1) 범주형 자료 - 명목형 자료 : 단순히 속성을 분류하는 자료 (혈액형) - 순서형 자료 : 상대적인 크기 비교 (만족도,학력) 2) 양적 자료 - 이산형 자료 : 셀 수 있음 (빈도 수, 불량품의 수) - 연속형 자료 : ..

본 게시물의 내용은 '확률 및 통계(이상화 교수님)' 강의를 듣고 작성하였다. 1. Definition of RV(Random Variables, 확률변수) Sample space에 w1. w2, ... 가 있을 때, 각각이 적어도 1개의 real number를 반드시 대응한다. X(w) → x 여기서 x에 해당하는 값을 확률변수(Random Variables)이라 한다. - RV : real numbers, mapping each outcome of random experiment to a real value → x = X(w) Probability → 숫자의 개념으로 즉, function 으로 다루자 P(A) → P(x) ex) tossing a coin 동전을 던지는 경우, 앞면(H), 뒷면(T)가..

본 게시물의 내용은 '확률 및 통계(이상화 교수님)' 강의를 듣고 작성하였다. 1. Combinatorial Analysis : 순열, 조합 등 경우의 수를 구하는 것을 말한다. 1) Permutation (순열) => line arrangement(order) of n different objects : 서로 다른 n개를 순서를 고려하여 하나로 나열하는 것. * 0! = 1 : 아무것도 나열하지 않는 방법 1가지 => r out of n objects (n≥r) : n개 중에 r개를 뽑아서 나열하는 것. - Group Permutation \(n = n_1 + n_2 + ... + n_k\) ex) 총 10개의 공이 있다. 빨간공 5개, 흰공 3개, 파란공 2개가 있을 때, 나열하는 경우의 수는? \(..

본 게시물의 내용은 '확률 및 통계(이상화 교수님)' 강의를 듣고 작성하였다. 1) Sample Space → S(set) : output이 랜덤하게 나올때, 가능한 모든 전체 집합. 2) Event (A) → A⊂S : P(A) = probability (outcome ∈ A) : A가 발생할 확률, 정확하게는 특정하게 outcome을 뽑았을때 이것이 A에 포함될 확률 3) Conditional Probability (조건부확률) : P(B|A) : A라는 조건이 발생했을 때, B라는 Event가 발생했을 때의 확률 4) Total probability : \(P(A) = P(A_1) + P(A_2) + ... + P(A_n)\) A라는 사건이 발생할 확률을 구하는데, A라는 사건을 서로간에 중복이 되..