|
함수 ··············· 3
(2) 신호 표본값의 예측 ················ 4
(3) 최소 평균제곱오차 ················· 6
2. 선형 추정기의 설계 ················· 7
1) 확률 밀도 함수의 Plot ··············· 7
2) P차
|
|
|
.즉, 작업자의 평균 생산성이 5일 동안에 서로 다름을 입증할 수 없다.
분포 : 두 정규모집단의 분산을 비교하거나 분산분석 등에 사용
정의 : , ; 과 는 독립
⇒ ; 자유도(, )인 분포
자유도에 따른 분포의 밀도함수 변화
일 때
일 때
일 때
|
|
|
평균편차 제곱오차평균
82. 워크샘플링에 관한 설명중 틀린 것은?
관찰항목은 두 가지 이상이라도 무방하다.
표준시간설정에 이용할 경우 레이팅이 불필요하다.
장사이클 작업에 적용가능하다.
비반복 작업에 적용가능하다
83. 작업순서 결정
|
|
|
오차의 크기 분포에서 유래
* 확률변수 X ~ N(µ, σ2) : 평균 = µ, 표준편차 = σ 인 정규분포
* 종모양, 좌우 대칭
* 확률밀도함수(부피=1), 평균 및 분산 정규분포(Normal distribution)
카이제곱분포( -distribution)
t 분포(t -distribution)
|
|
|
확률변수 X가 a에서 b까지의 값을 가질 확률 P(a≤X≤b)를 구할 수 있다. 이 확률은 정규분포곡선에서 a와 b사이의 면적을 의미한다.
5. 중심극한정리(central limit theorem)(제8장)
평균(표본평균)들의 표본분포가 나타내는 표준편차를 표준오차(standard
|
|
|
확률변수 X가 a에서 b까지의 값을 가질 확률 P(a≤X≤b)를 구할 수 있다. 이 확률은 정규분포곡선에서 a와 b사이의 면적을 의미한다.
5. 중심극한정리(central limit theorem)(제8장)
평균(표본평균)들의 표본분포가 나타내는 표준편차를 표준오차(standard
|
|
|
평균값과 σx ,~ σy , …의 표준편차들을 얻었다고 하자. 그러면 z의 평균값은 로 주어지며 z의 표준편차는 다음과 같다.
여기서 는 평균값 에서 계산한 편도함수들을 의미한다.
위의 식을 오차의 전파공식이라고 한다. 실제로 다음과 같은
|
|
|
확률 및 F-임계값에 대한 데이터를 포함한다. F-임계값을 구하려면 유의 수준을 FINV 함수의 probability 인수로 사용한다.
FINV 함수는 반복 계산 기법을 사용하고, 확률값이 주어지면 결과값이 ± 3x10^-7의 오차 범위내에 들어올 때까지 계산을 반복.
|
|
|
확률밀도함수에 대해 알아보자.
1) 정규분포의 확률밀도함수
π : 3.1416(원주율 : 상수)
ｅ : 2.7183(상수)
μ : 정규분포의 평균
σ : 정규분포의 표준편차
위 식에서 분포의 평균 μ와 표준편차 σ를 제외하고는 모두 상수이고 X는 확률변수이기 때문
|
|
|
제곱근을 취한 값이다.
4. 정규분포의 주요 특징 (제7장)
1) 대칭성: 평균을 중심으로 좌우 대칭을 이루는 종 모양을 가진다.
2) 평균, 중앙값, 최빈값의 일치: 세 값이 동일하며, 데이터의 중심이 명확하다.
3) 확률밀도함수의 형태: 중심에서 높
|
|
메뉴펼치기
