PE Notes
확률통계
정보관리기술사 토픽을 도메인별로 모읍니다. 게시된 문서만 표시합니다.
확률통계
Apriori 기법
빈발 항목집합을 길이 1부터 키우며 가지치는 Apriori를 지지도·신뢰도·향상도와 같이 정리하고, 후보 폭증과 FP-Growth를 가릅니다.
확률통계
자기회귀모형 vs 이동평균모형
과거 값으로 읽는 AR과 과거 오차로 읽는 MA를 가르고, 정상성·ACF·PACF로 ARMA·ARIMA 차수를 고르는 절차를 정리합니다.
확률통계
베이즈 정리
사전·우도·증거로 사후를 갱신하는 베이즈 정리를 공식과 검진 숫자로 풀고, 나이브 베이즈와 빈도주의 추론을 가릅니다.
확률통계
중심극한정리와 t·z 검정
표본평균이 정규로 기대앉는 중심극한정리와 값 자체가 모평균으로 가는 대수의 법칙을 가르고, σ·표본 크기에 따라 z 검정과 t 검정을 고르는 법을 정리합니다.
확률통계
혼동행렬 계산과 해석
실제와 예측을 네 칸에 놓고 정확도·정밀도·재현율·F1을 숫자로 계산하고, 임계값과 도메인 비용으로 어느 칸을 줄일지 고릅니다.
확률통계
상관관계 vs 인과관계
같이 움직이는 상관과 원인에서 결과로 가는 인과를 가르고, 피어슨 r, 가짜 상관의 혼재·우연·역인과, RCT·이중차분 같은 확인 수단을 정리합니다.
확률통계
차이검정 vs 관계검정
집단 평균·비율이 다른지를 묻는 차이검정과 변수 사이 연관·상관을 묻는 관계검정을 가르고, 정규·범주·집단 수로 손을 고릅니다.
확률통계
정규분포 vs 이항분포 vs 포아송분포
연속 종 모양의 정규, n번 성공 횟수의 이항, 단위 시간 희귀 사건의 포아송을 파라미터·평균·분산으로 가르고, 정규 근사와 68-95-99.7 규칙을 정리합니다.
확률통계
등분산성과 다중공선성
잔차 분산이 예측값 수준마다 일정한 등분산성과, 설명변수끼리 강하게 겹치는 다중공선성을 가르고, OLS 가정·VIF·완화 수단을 정리합니다.
확률통계
통계적 가설검정과 유의수준
귀무가설과 대립가설을 세운 뒤 유의수준 α와 p-value로 기각을 가르고, 1종·2종 오류와 검정력, 단측·양측 기각역을 정리합니다.
확률통계
독립표본 t-검정 vs 대응표본 t-검정
서로 다른 두 집단의 독립표본 t와 같은 대상의 전후를 보는 대응표본 t를 가르고, 합동분산·자유도· Welch와 비모수 대안을 정리합니다.
확률통계
잭나이프 기법
관측을 하나씩 빼고 n개 부분표본을 만들어 추정량의 편향·분산을 재는 잭나이프를 부트스트랩·LOO-CV와 가릅니다.
확률통계
선형회귀 vs 로지스틱회귀
연속값을 직선으로 맞추는 선형회귀와 범주 확률을 시그모이드로 내는 로지스틱회귀를 출력·손실·추정 방법으로 가르고, 로짓과 Softmax를 개념으로 정리합니다.
확률통계
마르코프 특성과 벨만 방정식
다음 상태가 현재에만 의존하는 마르코프 특성과, 상태·행동·전이·보상·할인으로 적는 MDP, 가치를 재귀로 푸는 벨만 방정식을 정리합니다.
확률통계
평균제곱오차
잔차 제곱의 평균인 MSE를 RMSE·MAE·R²와 가르고, 이상치 민감·미분 학습·편향-분산 분해로 언제 쓸지를 정리합니다.
확률통계
이상치
전역·맥락·군집 세 이상치를 가르고, IQR·Z-score·LOF·Isolation Forest·밀도 군집으로 찾는 법과 제거·대체·변환·유지·캡핑 처방을 정리합니다.
확률통계
점추정과 구간추정
모수를 한 값으로 찍는 점추정과 신뢰구간으로 감싸는 구간추정을 가르고, 불편·일치·효율·충분과 신뢰수준·표본이 구간 폭을 바꾸는 법을 정리합니다.
확률통계
확률분포
한 번의 성패인 베르누이, 첫 성공까지인 기하, 종 모양의 정규를 평균·분산·무기억성으로 잇고, 이항·정규 근사 계층을 정리합니다.
확률통계
회귀분석
종속과 독립의 함수 관계를 추정하는 회귀를 단순·다중·로지스틱·정규화로 가르고, OLS 가정과 R²·AIC로 모형을 고르는 손을 정리합니다.
확률통계
표본추출
모집단에서 대표 표본을 고르는 확률·비확률 추출을 가르고, 층화·군집, 표본 크기 식, 선택·무응답 편향을 정리합니다.
확률통계
시계열 데이터의 이상치
시간 맥락에서만 비정상인 시계열 이상을 점·맥락·추세·계절로 가르고, STL·잔차·CUSUM으로 찾고 대체할지 남길지 고릅니다.
확률통계
불편추정량과 편향
기댓값이 모수와 같은 불편추정량과 기댓값에서 모수를 뺀 편향을 가르고, 표본분산의 n−1, MSE=분산+편향², 편향-분산 트레이드오프를 정리합니다.