|
랜덤프로세스 과목중 베르누이 과정에대한 이론과 문제를 소개한 레포트 입니다. 베르누이시행의정의
이항랜덤변수
기하랜덤변수
파스칼랜덤변수
베르누이문제
질문과답변
|
|
|
랜덤하게 뽑을 때 그 중 하나만이 불량일 확률은 ?
풀이) 불량개수를 X라 할 때 이 확률변수는 초기하분포를 따른다
따라서, X=1일 확률은 다음과 같다.
P(X){}={{}_Np C_x ·_{N-Np} C_{n-x}} over {{}_N C_n}
P(x=1) = 2C1·8C1 / 10C2 = 2·8 / 45 = 0.3556
4. 비복원추출에
|
|
|
변수이다. 따라서 이다. 따라서 구하는 확률은 다음과 같다.
4-6 어떤 컴퓨터의 부팅시간은 평균이 30초이고 표준편차는 2초라고 알려져 있다. 이 컴퓨터를 100회 부팅하면서 시간을 기록할 때, 기록된 시간의 평균이 29.5초 이하일 확률을 구하여
|
|
|
수신 시스템
4. GPS 의 정확도와 오차
4-1. 구조적 요인
4-2. 기하학적 오차
4-3. SA(Selective Availability)
5. GPS의 응용분야
5-1. 민간부분
5-2. 군사부분
5-3. 항공 및 우주 부분
6. GPS 의 향후전망
6-1. 한계
6-2. 향후전망
|
|
|
random variable & Plot the PMF of normal distriution
→ MATLAB 시뮬레이션 결과, (a) PMF(확률질량함수)와 (b) PDF(확률밀도함수)의 그래프 모양은 거의 일치함을 알 수 있었다. 그러나 (a) PMF는 이산확률변수 X의 분포를 함수로 나타낸 것으로 Discrete하며, (b) PDF
|
|
 |
변수
2.1.2. 타겟변수
2.2. 랜덤포레스트
2.3. 변수중요도
2.4. 다중공선성
3. 결과
3.1. 중요변수 도출
3.2. 고소득산업체수와 신혼부부수 사이의 연관성
4. 제안
4.1. 산학협력 플랫폼
4.2. 일본 후쿠이현의 사례
|
|
|
변수간의 복합적인 상호관계를 설명할 수 있는 CART분석을 이용하여 국도의 교통사고예측모형을 개발하였다. CART분석을 통하여 도로기하구조요인 선정에 따라 표준교통사고율을 제시할 수 있는 5개 마디를 가진 교통사고발생도표가 산출되었
|
|
|
변수는 통계적으로 유의한 것으로 나타났으며, 부호 또한 적합한 것으로 도출되었다. 모든 유형에서 주요변수로 선택되어진 항목은 터널형태 및 크기로서 지하철의 소음을 결정하는 여러 기하구조 중 가장 중요한 항목인 것으로 판단된다.
T
|
|
|
기하구조는 총 3개의 유형으로 구분되어졌다. 각의 유형별 특징을 살펴보면 다음과 같다. 유형1은 속도가 41.50이하의 구간으로 소음도는 평균 72.14인 것으로 나타났다. 유형 2의 경우 속도가 41.50이상인 구간이며 궤도형태가 자갈(명목변수 0)인
|
|
|
기하학적 모형을 갖는데 평면의 경우에는 단위원이 단위구 로 대치된다.
복소평면의 임의의 실수 에 대해 두 점 과 을 잇는 의 한 직선을 그리자. 이 직선은 과 어떤 다른 점 에서 구 과 만난다. 구 위의 점 로부터 평면 위의 점 과으로의 이 사
|
|
 |
정리하고, 부족한 데이터를 보완하기 위해 다양한 데이터 소스를 검토하며 변수를 추가하는 방식으로 문제를 해결해 나갔습니다. 또한, 단순한 회귀 분석뿐만 아니라 머신러닝 기반의 랜덤 포레스트, 로지스틱 회귀 등을 활용하여 예측 모델
|
|
 |
변수들을 탐색 분석을 통해 도출하고, 랜덤 포레스트 기법을 활용해 수요 예측 모델을 설계했습니다. 이를 통해 예산 범위 내에서의 거점 전략과 매출 증대안을 수립했으며, 이 성과를 인정받아 최우수 인턴으로 선정되었습니다.
둘째, 기획
|
|
 |
변수 간 복잡한 상관관계 등으로 인해 모델 성능 향상에 어려움을 겪었습니다. 저는 데이터 전처리를 철저히 하고, 다양한 이상 탐지 알고리즘을 실험하며 최적의 모델을 찾기 위해 노력했습니다. 특히, 오토인코더와 랜덤 포레스트 모델을
|
|
 |
변수를 도출하였습니다. 더불어 고객 중요도 우선순위를 기반으로 랜덤 포레스트 기법을 활용하여 거점 수요를 예측하였습니다. 그 결과 예산에 부합한 사업계획을 수립한 논리를 인정받아 최우수 인턴으로 선정되었습니다.
더불어 저의 기
|
|
 |
랜덤 포레스트(Random Forest) 및 LSTM(Long Short-Term Memory) 모델을 적용하여 시계열 데이터를 보다 정밀하게 분석하였습니다.
또한, 데이터 노이즈를 줄이기 위해 Feature Engineering을 수행하여 주요 변수만을 선별하고, 경제 지표별 중요도를 분석하여
|
|
메뉴펼치기
