개발자비행일지

수열의 합의 기호로 시그마를 사용하는데 수열의 곱의 기호로 파이를 사용한다. 위 식은 무한곱(infinite product)이고 여기서는 anan 꼴의 유한곱에 대해서 정리한다. a = 3일때 n이 1~10까지 anan을 구해보자. 31∗32∗33∗34...∗31031∗32∗33∗34...∗310의 꼴이 나온다. 밑이 같고 지수가 다를때는 지수법칙을 사용하면 3∑10k=1k3∑k=110k 와 같다. ( 시그마는 3의 지수) 시그마를 풀어주면 3n∗(n+1)23n∗(n+1)2가 된다.

iid(independent and identically distribution), 한국어로는 독립 항등분포이다. 영어 뜻 그대로 각 각의 random variable이 1)independent(독립적이고), 2)identically distribution(같은 확률분포를)가지면 iid하다고 정의한다. 1) 독립적이라는 것은 각 각의 사건이 다른 사건에 영향을 주지않는 것을 의미한다. 주사위를 예로 들면, 처음 시행에서 1이 나왔다고 하더라도 2번째, 3번째 시행에 영향을 주지 않는다. 이를 확률로 표현하면 다음과 같은 의미를 가진다. f(x,y,z) = f(x)∙ f(y) ∙f(z) f(x(1),x(2),…..,x(n)) = f(x1)∙ f(x2) ∙...∙f(xn) 독립 동일 분포 라고도 한다는데 각..

cardinality 란 사전적 의미로는 집합원의 갯수라고 한다. (원소의 개수) 카디널리티에 대해 공부하다가 개념이 너무 어렵게 설명되어있어서, 핵심적인 내용만 (최대한) 쉽게 정리해보고자 한다. 우선 결론부터 말하자면, 중복도가 ‘낮으면’ 카디널리티가 ‘높다’고 표현한다. 중복도가 ‘높으면’ 카디널리티가 ‘낮다’고 표현한다. 카디널리티는 전체 행에 대한 특정 컬럼의 중복 수치를 나타내는 지표이다. 이정도만 설명해도 말이 너무 어려운 것 같다. 하지만 최소한 내가 이해한 바로, 카디널리티는 그렇게 어려운 개념이 아니다. 처음 카디널리티의 개념이 헷갈렸던 이유는, 카디널리티가 ‘상대적인 개념’이라는 것을 이해하지 못했기 때문이었다. 예를들어, 주민등록번호 같은 경우는 중복되는 값이 없으므로 카디널리티가 ..

랜덤 변수 X가 있을때 우리가 흔히 이 분포를 나타낼때 쓰는것이 첫번째로 평균이고 두번째로 분산이다. 간단히 말하면, 평균은 분포의 최고점을 알아내고 분산으로써 분포가 얼마나 퍼져있는지 알아낸다. 우선 가장 쉽고 잘표현되는것이 평균과 분산이다. 그렇다면 확률변수가 2가지일때 이 확률분포들이 어떤모양으로 되어있는지를 알고싶을때 가장 먼저 X의 평균, 다음이 Y의 평균이다. 이렇게 되면 대충 분포가 어디에 주로 모여있는지 (m_x, m_y)가 나온다. 각 확률변수들이 퍼져있는 정도가 어떤 상관관계를 가지는지에 대해 나타내는 것이 공분산(Covariance)이다. 즉, X가 커지면 Y도 커지거나 혹은 작아지거나 아니면 별 상관 없거나 등을 나타내어 주는 것이다. Cov(X, Y) > 0 X가 증가 할 때 Y도..