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

"본 포스팅은 카이제곱 분포의 모양을 개념적으로 확인하기 위한 포스팅입니다" 학부 때 통계 강의에서 이산확률 분포, 연속형 확률 분포를 배우며 아무렇지 않게 넘어갔던 분포의 모양에 갑자기 궁금해졌습니다. 특히, 일반적인 지수 분포, 정규분포 등은 수식을 통해서 모양을 이해할 수 있었지만 카이제곱 분포, F 분포 등은 추상적으로 분포의 모양을 이해했었습니다. 카이제곱 분포의 정의 i.i.d 한 (identically independent distributed) 한 k개의 표준 정규분포의 확률 변수를 제곱한 후 모두 더한 것은 자유도가 k인 카이제곱분포를 따른다. 모양은 아래와 같습니다. 출처 : http://blog.naver.com/PostView.nhn?blogId=mykepzzang&logNo=220..
통계
2020. 8. 30. 01:11