if(life){code();}

베이즈 정리와 사전/사후 확률 베이즈 정리는 기존의 사전 확률을 새로운 증거를 바탕으로 갱신하여 사후 확률을 계산하는 방법을 제공→ 통계적 추론, 머신러닝, 의학적 진단 등 다양한 분야에서 활용 베이즈 정리P(A|B) = P(B|A) * P(A) / {P(B) 사전 확률 (Prior Probability, (P(A))): 새로운 정보를 얻기 전 특정 사건 (A) 가 발생할 확률우도 (Likelihood, (P(B|A))): 사건 (A) 가 발생했을 때 증거 (B) 가 나타날 확률사후 확률 (Posterior Probability, (P(A|B))): 증거 (B) 가 주어졌을 때 사건 (A) 가 발생할 확률증거 (Evidence, (P(B))): 증거 (B) 가 발생할 전체 확률 활용 사례조건부 확률 계산..

통계적 추론과 가설 검증 머신러닝 및 딥러닝 모델 평가에서 정확한 데이터 분석과 실험 결과 해석을 가능하게 하는 필수적인 도구 표본 분포와 중심극한정리 표본 분포(sample distribution) 표본 통계량(예: 표본 평균)의 분포중심극한정리(Central Limit Theorem, CLT)에 따르면 표본 크기가 충분히 크면 표본 평균의 분포는 정규분포에 근사하게 됨  표본 평균의 분포 N(μ, σ²/n) μ : 모평균 (population mean)σ² : 모분산 (population variance)n : 표본 크기 (sample size) 표준 오차(Standard Error, SE) 표본 통계량의 표준편차→ 추정의 정확도를 나타냄  적용신뢰구간 추청가설 검정부트스트랩 방법 적용분석표본 크기 ..