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 | 29 | 30 |
Tags
- causal inference
- simple linear regression
- 인과 추론
- 누락편의
- OVB
- 인과추론
- 크롤링
- 최소제곱법
- rct
- 잔차의 성질
- Omitted Variable Bias
- residuals
- 통계
- 사영
- confounder
- Sharp RD
- 교란변수
- Instrumental Variable
- backdoor adjustment
- 선형대수
- 단순선형회귀
- 예제
- least square estimation
- 교란 변수
- 머신러닝
- HTML
- LU분해
- 회귀불연속설계
- 네이버 뉴스
- Python
Archives
- Today
- Total
목록선형 (1)
Always awake,

"본 포스팅은 공분산과 상관계수를 개념적으로 이해하고, 수식을 통해 증명하기 위한 포스팅입니다" 확률과 통계학에서 회귀 모델이나 검정 시 공분산을 자주 접하게 됩니다. 두 변수의 선형적 상관성의 정도를 나타낸다는 설명이 수식을 접하면 잘 와닿지 않습니다. 그래서 간단한 기하학적 의미를 소개하고 이해하기 위한 포스팅을 준비해보았습니다. 공분산이란?(Covariance) 공분산은 두 확률 변수의 선형적인 상관성의 정도를 나타내는 값입니다. 확률변수 $X$, $Y$의 공분산 수식은 다음과 같습니다 $$ \begin{align*} Cov(X,Y) &= E[ (X-E(X)) (Y-E(Y)) ] \\ &= E(XY) - E(X) E(Y) \end{align*} $$ 어디서 많이 본 것 같지 않나요? 변수 자기 자신..
통계
2020. 9. 20. 00:32