팁뚠이의 신비한 팁사전

팁뚠이 입니다. 통계학에서 부트스트랩(Bootstrap)이 1970년대에 개발되어, 당시엔 혁명적이었습니다. 80, 90년대에도 굉장히 대단한 이론으로 꼽히고, 현재에도 머신러닝, 여론조사 등 많은 부분에서 사용되는 혁명적인 이론입니다. 부트스트랩이 읽기만 해선 쉬운 데, 생각보다 감이 안 오는 경우가 많아서 다른 블로그들을 찾아봤는 데 대부분 읽어보면 내용은 좋은 데, 워낙 어렵게 썼고, 수식과 영어가 남발되는 경향이 있습니다. 용어에도 익숙하지 않은 데, 이렇게 어렵게 쓰면 전공자가 아니고선 바로 이해가 되지 않겠구나 생각이 들어서 본 포스팅을 작성합니다. 부트스트랩은 표본에서 다시 표본을 만들 수 있는 기술이다. 부트스트랩은 통계학에서 손꼽히는 굉장히 우수한 기술입니다. 표본에서 다시 표본을 만든다..

팁뚠이 입니다. 머신러닝, 딥러닝을 연구 개발하시는 분들은 필수로 선형대 수학과 확률과 통계학을 기본으로 공부를 합니다. 대부분의 내용이 대학교 학부 때 수강하거나 고등학교 입시 때 배운 내용이다 보니 기억이 가물가물한 경우가 있고, 특히 확률과 통계의 경우 고등학교 때 공식만 암기 후 수능을 치는 분들이 많았습니다. 그러다 보니, 실제로 인공지능에서 적용 시, 개념적 이해가 어려워 적용이 힘든 경우가 많습니다. 그래서 이번엔 통계에서 가장 중요한 이론 중 하나인 중심 극한 정리를 개념적으로 간단히 소개하고, 파이썬 코드로 이해하는 포스팅을 합니다. 우선 중심 극한 정리의 정의부터 알아보겠습니다. 중심 극한 정리 표본 크기가 30 이상이면, 표본 평균의 분포는 정규분포를 따른다. 통계에 있어서 가장 중요..