|
통계학 Statistics |
|||
|
{{{#!wiki style="margin:0 -10px -5px; min-height:calc(1.5em + 5px); word-break: keep-all" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin:-5px -1px -11px" |
<colbgcolor=#4d4d4d><colcolor=#fff> 수리통계학 | 기반 | 실해석학 ( 측도론) · 선형대수학 · 이산수학 |
| 확률론 | 사건 · 가능성 · 확률 변수 · 확률 분포 ( 표본 분포 · 정규 분포 · 이항 분포 · 푸아송 분포 · 카이제곱분포 · t분포 · Z분포 · F-분포 · 결합확률분포) · 확률밀도함수 · 확률질량함수 · 조건부확률 · 조건부기댓값 · 조건부분산 · 전체 확률의 법칙 · 베이즈 정리 · 도박사의 오류 · 도박꾼의 파산 · 몬티 홀 문제 · 뷔퐁의 바늘 · 마르코프 부등식 · 체비쇼프 부등식 · 큰 수의 법칙 ( 무한 원숭이 정리) · 중심극한정리 · 벤포드의 법칙 | ||
| 통계량 | 평균 ( 제곱평균제곱근 · 산술 평균 · 기하 평균 · 조화 평균 · 멱평균 · 대수 평균) · 기댓값 · 편차 ( 절대 편차 · 표준 편차) · 분산 ( 공분산) · 결정계수 · 변동계수 · 상관계수 · 대푯값 · 자유도 | ||
| 추론통계학 | 가설 · 변인 · 추정량 · 점추정 · 신뢰 구간 · 상관관계와 인과관계 · 실험통계학 · p-해킹 · 통계의 함정 · 그레인저 인과관계 · 신뢰도와 타당도 | ||
| 통계적 방법 | 회귀 분석 · 최소제곱법 · 분산 분석 · 주성분 분석 ( 요인 분석) · 시계열 분석 · 패널 분석 · 2SLS · 생존 분석 · GARCH · 비모수통계학 · 준모수통계학 · 기계학습 ( 군집 분석 · 분류 분석) · 위상 데이터분석 · 외삽법 · 메타 분석 · 모델링 ( 구조방정식) | ||
|
기술통계학 · 자료 시각화 |
도표 ( 그림그래프 · 막대그래프 · 선 그래프 · 원 그래프 · 상자 수염 그림 · 줄기와 잎 그림 · 산포도 · 산점도 · 히스토그램 · 도수분포표) · 그래프 왜곡 · 이상점 | }}}}}}}}} | |
1. 개요
전체 확률의 법칙(law of total probability) 또는 전확률 정리는 조건부 확률과 관계된 법칙이다. 조건부 확률로부터 조건이 붙지 않은 확률을 계산할 때 쓸 수 있다. 또한 베이즈 정리 공식의 일부에 전확률 정리 공식이 들어간다.사상( 집합) A는 사상 B의 부분 사상이고, 사상 B가 사상 B1, B2, ..., Bk로 나눌 수 있을 때 전확률 공식이 성립한다.
|
P(B) </math> [math( = P(B \cap A) )] [math( = P(B \cap A_1) + P(B∩A_2))] [math( = P(B|A_1)P(A_1) + P(B|A_2)P(A_2))] |
2. 정리 유도
조건 1. B는 상호 배타적임. ([math( B_i \cap B_j = \varnothing (i \neq j))])조건 2. B의 합집합은 전체 표본공간임. ([math(B_1 \cup B_2 \cup ... \cup B_n = \Omega )])
| [math(\begin{aligned}P(A)&= P(A \cap B_1) + P(A \cap B_2) +\cdots\\&= \sum_{i=1}^n P(A \cap B_i)\\&= P(A|B_1)P(B_1) + P(A|B_2)P(B_2) + \cdots \\&= \sum_{i=1}^n P(A|B_i)P(B_i)\end{aligned})] |