[핵심 확률/통계] 결합확률변수 - Convolution

แชร์
ฝัง
  • เผยแพร่เมื่อ 6 ก.ย. 2024
  • 컨볼루션 (Convolution)을 이용하여 두 확률변수의 합의 분포에 대해 설명한다.

ความคิดเห็น • 8

  • @user-dv1jw7ji1p
    @user-dv1jw7ji1p 9 หลายเดือนก่อน

    정말 좋은 강의 감사합니다.

  • @-h2780
    @-h2780 4 ปีที่แล้ว

    사랑합니다. 교수님!

  • @user-zo2sc5uf9z
    @user-zo2sc5uf9z 2 ปีที่แล้ว

    Vandermonde's identity 에 대해 직관적으로는 이해되는데 수리적으로는 찾아볼 수 밖에 없었습니다 ㅎㅎ ㅠㅠㅠ 아직 제 실력으로는 수리적으로 증명하는 것은 다른 분들의 설명을 통해야만 가능하더라고요 ㅠㅠ ㅎㅎㅎ
    그 외의 다른 부분들도 종종 이해가 쉽지 않은 부분 있지만 그래도 따라가려 하고 있습니다. 오늘도 잘들었습니다!

  • @blueriver6131
    @blueriver6131 2 ปีที่แล้ว +1

    교수님 강의 감사히 잘보고 있습니다.
    다름아니라 44:33초에 (1-p)의 지수 계산에서 m+n+k 가 아니라 m+n-k 가 되어야 하지 않나요?
    교수님 문의드립니다.

    • @saga8648
      @saga8648 ปีที่แล้ว

      님이 맞음. 실수임

  • @SJ-hf1sk
    @SJ-hf1sk 3 ปีที่แล้ว

    교수님 질문이 있습니다. 처음에 컨볼루션 설명해주실 때 적분 구간이 -무한대부터 무한대 까지였는데 지수 분포의 합이 감마분포임을 증명해주시는 곳에서는 적분 구간이 0부터 a 까지였습니다. 지수분포의 x범위가 0부터 +무한대이므로 콜볼루션 할때의 적분구간도 0부터 +무한대여야 하는거 같은데 왜 a까지 끊어주는건가요?

    • @user-yu5qs4ct2b
      @user-yu5qs4ct2b  3 ปีที่แล้ว

      최종 X+Y의 분포를 a의 함수로 표현하기 위함입니다. 물론 a의 범위는 0에서 무한대까지 될 수 있습니다.