AI Lab 3기 - 4주(day16-18)-statistics

240423(화)~240425(목) 제목 쓰는게 어려워지기 시작해서 하나의 주제로 묶기로 결정!

 

강사 : 오영석 강사님

주교재 : 제대로 시작하는 기초통계학(2판), 모두의 인공지능 기초수학, 현대기초통계학 이해와 적용(8판) 등

 

학습내용

Statistics의 필요성

합의 법칙 , 곱의 법칙

순열 : nPr = n! / (n - r)! , n!

조합 : nCr= n! / (r! × (n - r)!), 

확률의 기본용어 : 시행, 표본공간, 근원사건, 사건, 합사건, 곱사건, 배반사건, 여사건

수학적 확률과 통계적 확률

확률의 덧셈법칙 : P(A∪B)=P(A)+P(B)-P(A∩B), 배반사건이라면 P(A∩B) =0이므로 P(A∪B)=P(A)+P(B)

조건부확률 : P(B∣A)= P(B∩A)/P(A)

확률의 곱셈법칙 : P(B∩A) = P(A)* P(B∣A)

독립사건 : P(B∣A) = P(B∣A^C ) = P(B)

종속사건 : P(B∣A) != P(B∣A^C ) !=  P(B)

변수 : (인과관계)독립변수, 종속변수,

변수 : (통제되어야 할) 매개변수

변수 : (속성에 따라) 질적변수(비서열질적변수, 서열질적변수), 양적변수(연속변수, 비연속변수)

척도 : 범주형척도(명목척도, 서열척도), 연속형척도(등간척도, 비율척도)

모집단 : 모수(모수, 모분산, 모표준편차)

표본 : 통계량(표본평균, 표본분산, 표본표준편차)

표본추출방법 : 확률적 표본추출방법(단순 무작위 표본추출, 체계적 표본추출, 비례 층화 표본추출, 다단계 층화 표본추출, 군집표본추출)

표본추출방법 : 비확률적 표본추출방법(편의 표본추출, 판단표본추출, 할당표본추출, 자발적 표본추출

통계, 기술통계(갭마인더 데이터셋 실습)

도수분포표 실습

히스토그램  실습(맷플랏립)

원그래프 실습

상자수염그림 실습(seaborn)

기술통계량

중심경향도

평균, 중앙값, 최빈값

모분산, 표본분산 : 표분분산의 자유도는 꼭 n-1로!

표본표준편차

사분위수

왜도, 첨도

확률변수 :이산확률변수, 연속확률변수

확률함수

사건, 확률변수, 확률, 확률함수의 관계

확률변수의 평균, 분산

확률변수의 표준편차

확률분포

균등분포 : 이산균등분포, 연속균등분포

정규분포, 표준정규분포, 실습

베르누이 시행, 베르누이 분포

이항분포, 실습

기술통계 : 중심경향도(평균, 중앙값, 최빈값 등), 산포도(범위,분산,표준편차 등)

추리통계 : 점추정, 구간추정, 가설, 검정통계량 등

추정 관련 용어 : 추정, 점추정, 구간추정, 추정치, 추정량, 가정

바람직한 점추정량 조건 : 평균오차제곱, 일치성, 불편성, 유효성, 충분성

신뢰구간, 신뢰수준, 표준오차

모평균의 신뢰구간

가설 : 귀무가설(영가설), 대립가설

오류 : 1종오류, 2종오류

유의수준

유의확률

단측검정, 양측검정

가설검정의 절차 : 가설수립, 유의수준 결정, 기각역 설정, 통계량의 계산, 의사결정

t-test(t검정)

검정통계량

임계치

유의수준과 p-value

결과의 해석

z분포, t분포

t검정을 위한 기본가정

등분산과 이분산

단일표본 t검정, 예제, 실습(Scipy)

두 종속표본 t검정, 예제, 실습

독립표본 t검정, 예제, 실습

ANOVA

분산분석

F분포

분산분석의 구분 : 일원분산분석, 이원분산분석, 다원분산분석, 다변량분산분석

분산분석을 위한 기본 가정

일원분산분석, 실습

사후분석, 실습 (scikit_posthocs)

이원분산분석, 실습

상호작용 효과(주효과와 상호작용효과)

상관분석

피어슨 상관계수, 실습

상관관계와 인과관계

인공지능 - 머신러닝 - 딥러닝

머신러닝 : 지도(분류, 회귀), 비지도, 강화

선형회귀(Lenear Regresstion) : y = Wx + b

학습, 가중치w, 바이어스b

오차(Error) : t와 y의 차

손실함수(Loss function) : MSE(평균제곱오차)

경사하강법(Gradient Desent) : 미분

이진분류시스템(Binary Classification)

로지스틱 회귀 알고리즘, 시그모이드 함수, Cross Entropy

 

아는 부분도 있었고, 제대로 알지 못하는 부분도 있었고, 처음 듣는 부분도 있었다. 

강사님께서 교재를 기합넣고 만드셨는지 그것만 읽어도 공부가 되는 느낌이다. :)

근데 어렵네....