확률과 랜덤변수
페이지 정보
작성일 23-03-26 20:35
본문
Download : 확률과 랜덤변수.hwp
그리고 엄청난 횟수의 지진발생에 비해 관측자가 실제로 근무시간 중 관측할 수 있는 지진의 횟수는 평균(average) 7.3회(α=7.3) 정도이므로 매우 적은 편이다.
<2010년 1월 1일부터 2010년 4월 5일까지 세계에서 발생한 강도 4 이상의 지진들에 대한 data가 있따 관측자가 1일 4교대로 근무를 한다고 할 때, 한 번의 근무시간 동안 관측할 수 있는 지진의 수는 어떤 random variable에 해당할까? 수식을 이용해 PMF를 modeling해 보고, 실제 data를 analysis(분석) 해서 얻은 통계적 PMF와 비교해 보자. 실제 양상과 model은 잘 맞아떨어지는가? 차이가 있다면 어디서 발생한 것일까?>
레포트 > 공학,기술계열
확률,랜덤변수,랜덤
실제 example(사례) 를 이용한 simulation을 통해 實驗적 결과와 理論적 확률이 일치함을 확인하고 random variable 간의 관계를 이해한다
설명
확률과 랜덤변수
실제 사례를 이용한 simulation을 통해 실험적 결과와 이론적 확률이 일치함을 확인하고 random variable 간의 관계를 이해한다
Poisson RV은 Binomial RV에서의 n이 크고 p가 매우 작을 때 성립한다.
Download : 확률과 랜덤변수.hwp( 79 )
-관측자의 한 번의 근무시간은 하루 6시간이다. 이처럼 날마다 일어나는 지진의 횟수가 고르지 못하고 매우 다양하다는 사실이 실제와 수식적 PMF에 차이를 가져온 듯하다. 그리고 마찬가지로 n의 값이 크므로 n(n-1)⦁⦁⦁(n-x+1)/n^x는 1로 근사되고 (1-α/n)^x는 1로 근사할 수 있따 다 정리(arrangement)하면 Poisson RV PMF의 식은 e^(-α)*α!/x!가 된다된다.
α는 평균(average)값으로 n*p로 나타낸다. 큰 n에 대상으로하여 (1-α/n)^n은 e^(-α)로 근사될 수 있으며 실제로 p=0.02이고 α=2일 때 계산을 해보면 0.1326과 0.1353으로 거의 비슷한 값이 나온다. 그러므로 binomial RV PMF의 식에서 p=α/n로 표현할 수 있고 식을 정리(arrangement)해보면 {n(n-1)⦁⦁⦁(n-x+1)}/n^x*α!/x!*(1-α/n)^n/(1-α/n)^x가 된다된다.
순서
다. 이때의 성공할 확률 p는 0.02로 가정한다. 그러므로 위의 농구선수의 눈을 가리고 뒤돌아서게 한 다음 자유투를 100번 정도 던지게 하면 Poisson의 조건에 거의 만족할 것 같다. 또한 2월 24일의 지진발생 횟수는 6회로 평균(average)의 1/4배이다. 발생 수는 많지만 그 관측 가능한 확률이 매우 작다는 것을 보아 지진의 수는 Poisson random variable이라고 할 수 있따 다음의 두 PMF 그래프를 보면 X축이 커지면 거의 0이라는 점에서 비슷한 양상을 보이는데 theory(이론)적인 그래프는 곡선의 형태를 그리지만 data에 의존한 실험적 그래프는 X축이 충분히 작을 때 각 data값에 따라 들쭉날쭉한 확률을 기록하고 있따 2월 27일 지진이 일어난 횟수는 무려 113회로 1일 일어나는 평균(average) 지진횟수의 거의 5배였다.
