📗강의노트/KOCW 확률과 통계

[KOCW 확률통계] 06강. 조건부 평균

728x90
반응형

제 06강. 조건부 평균

Geometric distribution


Random Value K : 1번 성공할때까지의 시행횟수.

 = 한 번만에 성공

 = 두 번만에 성공

 = 세 번만에 성공


이를 일반화 해보면 다음과 같다.



이고

는 무한등비급수 공식을 사용하여


이 된다.


위의 평균을 구하면 다음과 같다.



 ( 무한등비급수 합 )



이는 를 미분해보면 이 나오는 것을 알 수 있다.


따라서 


그리고 이를 한 번 더 미분해준다.



를 미분해보면 알 수 있다.


참고로 분수미분은 다음과 같이 진행된다.


그래서 위의 식을 정리해서 오른편으로 넘기면 다음과 같다.



이를 풀어보면





P가 곱해져서, P의 차수가 하나씩 줄었다.




추가적으로 평균과 분산은 오차를 구하는데 있어서 매우 중요하다.

만약에 라는 식이 있다고 봐보자.

이 식을 최소화하기 위한 x는 이라는 것을 알 수 있다.

식이 하나 더 늘어난 의 경우에는

이 식을 최소화하기 위한 x는 이다.

감이 오는가?


바로 변수들의 평균값이 결과를 최소화하게 만들어준다.

결국에는 식이 늘어남에따라 식을 최소화하기 위한  x는 가 될 것이다.

이렇게 랜덤할 때는 평균값을 넣는 것이 분산을 줄여서 안전하게 만들어주는 것이다.


반면에 Median( 중간값 ) 을 이용해야하는 경우도 존재한다.

이라는 식을 보자.


처음에는 이 식을 최소화하기 위한 x는 이라는 것을 알 수 있다.

식이 늘어난 의 경우에는 그래프가 평평하게 그려지는 부분이 생김을 알 수 있다.

아직까지는 평균값을 고르는 것이 괜찮다.


하지만 의 경우에는 중간값 부분이 뾰족하게 그려진 그래프가 형성된다.

여기서는 식을 최소화하는 x는 평균이 아니라 중간값인 가 되는 것이다.

Conditional Expectations


확률에 조건이 붙어서 다음과 같이 표시된다.



discrete할 때는, 로 표현이 된다.

continuous할 때는, 로 표현된다.


간단하게 하나의 예를 보자.


 구간에 해당하는 확률을 구하려고 한다.


여기서 두 가지의 경우로 분리가 된다.


(i) 일 때,



1을 미분하는 꼴이 되서 0이 된다.


(2) 일 때,





728x90
반응형