반응형
Recent Posts
Notice
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
Tags
- 글또10기
- 인과추론
- 독후감
- 베이지안통계
- mathematicalthinking
- 인과추론 무작위 실험
- 선형대수학
- 코세라
- 벡터
- 데이터분석가 코딩테스트
- BigQuery
- 실무로통하는인과추론
- CausalInference
- 회고
- 데이터분석
- Bayesian
- 데이터분석가
- 인과추론개요
- 네카라쿠배당토
- 수학적해석학
- 빅쿼리
- SQL
- 나의서양미술순례
- 오블완
- chatGPT
- DataAnalyst
- 티스토리챌린지
- 잠재적결과
- recommendation system
- Recsys
Archives
- Today
- Total
목록몬티홀문제 (1)
Derek 의 데이터 분석 성장기

해당 베이지안 공부는 Think Bayes(파이썬을 활용한 베이지안 통계) 책을 기반으로 공부하고, 정리하였습니다. 0. 베이지안 베이지안은 왜 필요할까? 베이지안은 불확실성을 다루는 통계적 방법론 중 하나로, 믿음의 정도를 확률적으로 나타내고 이를 업데이트하는 데 중점을 두는 방법론이다. 빈도주의적 통계학은 데이터의 빈도나 반복에 기반하여 추론을 진행한다. 그렇다면, 빈도주의적 통계학도 있는데 베이지안 접근 방법은 왜 필요할까? 1. 개인화된 추론을 가능케한다.베이지안 통계학은 개인화된 추론을 허용합니다. 개별의 사전 믿음이나 정보를 고려하여 사후 추정치를 계산할 수 있습니다. 이는 실제 상황에서 많은 가치가 있다고 한다. 예를 들어, 의료 분야에서 각 환자의 고유한 특성과 조건을 고려하여 진단..
Data/통계
2024. 6. 12. 22:02