7.확률변수와 이산확률분포

 

이항확률분포확률질량함수는 아래와 같다.

확률질량함수는 이산적이지 않고 연속적이다.

이항분포의 확률질량함수(출처: 위키백과)

 

푸아송 분포는 확률론에서 단위 시간 안에 어떤 사건이 몇 번 발생할 것인지를 표현하는 이산 확률 분포이다.

푸아송분포의 정의(출처: 위키백과)

푸아송분포의 일반형인 문장의 형태 'X 시간 동안 ~~ 하는 수' 로 표현된다.


8.연속확률분포

 

정규분포에서 f(x)의 의미

정규분포의 확률밀도함수

f(x) 는 결국 y이다.

위의 식에서 평균과 표준편차를 알 때(e(자연상수)도 정해져 있으므로)

내가 원하는 x를 알면 그 지점까지의 확률을 알 수 있다.

하지만 모두 이렇게 계산할 수 없어서 정규화(Z)를 하는 것이다.

 

 

음의 투자수익률이 발생할 확률

평균과 표준편차를 가지고 투자의 수익률을 어떻게 연관지을 수 있을까?

예를 들어 한 투자의 수익률의 평균이 10%이고, 표준편차가 5%인 정규분포를 따른다고 하자.

 

1. 이 투자가 손실이 발생할 확률은?

수익률(X)의  0%보다 정규분포상 왼쪽의 부분을 의미하며,

이는 X < 0 인 구간을 의미한다.

이것을 구하기 위해 정규화 과정이 필요하다. (평균과 표준편차를 이용해서)

X는 실제 데이터에 맞춰서 나타낸 단위이고, Z는 우리가 확률을 계산하기 위해서 임시로 계산하는 단위이다.

(위에서 설명했듯이, f(x) 확률밀도함수마다 모든 평균, 표준편차, 자연상수, x값 을 넣고 계산하긴 번거로우니)

위의 조건에 맞춰서 Z값을 구해보면 P(Z < -2.00) = 0.0228 이 나온다.

이것은 정규분포상의 Z값이 -2.00인 지점의 왼쪽 넓이(확률)을 나타낸다.

이 -2라는 숫자의 의미는 X(수익률)이 0보다 작은, 즉 손실이 날 가능성이 있는 구간을 의미한다.

(0이라는 X를 정규화 하면 Z값이 -2.00이 된다)

결과적으로, 수익률이 0% 미만일 확률은 2.28%라고 볼 수 있다.

 

2. 이 투자의 표준편차가 10%일 때 손실이 발생할 확률은?

위와 동일한 과정으로 X < 0 인 부분을 정규화를 통해 구해보면,

P(Z < -1.00)이다. 기존의 지점보다 오른쪽으로 기준이 옮겨가면서 확률이 더 커졌다.

즉, 표준편차라는 것은 금융권에서 리스크(위험도)의 척도이며,

이는 투자판단 지표의 역할을 한다.

(High Risk, High Return이라지만, 투자자들은 저위험을 더 선호하는 경향이 짙다)

 

 

Z값 찾기

지금까지는 Z값을 찾아서 확률을 구했지만,

역으로 확률을 통해 Z값을 구하는 방법을 알아보자.

예를 들어, 정규분포의 어떤 지점에서 X의 오른쪽 넓이 부분이 0.05라면,

이는 Z0.05로 표현할 수 있다.

Z0.05가 주어지면 진짜 Z값을 찾아야 한다. 

(Z0.05는 그 지점에서 오른쪽 넓이가 0.05란 것이지, Z값의 숫자를 의미하는 것이 아님.)

오른쪽 영역이 0.05니까 왼쪽영역은 0.9500일 것. 정규분포표에서 이 확률을 가지는 Z값을 찾으면 된다.

만약 0.9495와 0.9505만 있다면 두 Z값의 산술평균으로 Z값을 구하면 된다.

만약 -Z0.05라면 대칭성을 통해서 구하면 된다.

 

X값 찾기

Z값은 계산을 위해서 변형된(표준화된) 단위이지만, X값은 실제데이터의 단위이다.

위와 같은 단계로 Z0.05를 통해 X값을 찾고자 한다면, 

0.9500이라는 값에 해당하는 Z값을 구한 뒤에,

정규화 식 Z = (X-평균) / 표준편차 에서, X를 제외한 모든 미지수에 숫자를 직접 대입하면 X값이 나온다.

 

기타 연속확률분포

기타 연속확률분포에 대한 정리(출처: 노씨)
t분포 (정규분포보다는 산의 형태이다)(출처: 위키백과)

t분포는 t(A,v)와 같이 나타낸다. A는 해당 값 기준 오른쪽 면적의 확률(위에서의 Z0.05와 동일), v는 자유도를 의미한다.

t분포는 마이너스 대칭성을 써도 된다. ex) 1-t(A,v)

카이제곱 분포(출처: 나무위키)

카이제곱분포는 양수만을 갖기 때문에(제곱이니까), 마이너스 대칭을 쓸 수 없다.

카이제곱분포는 카이제곱(1-A) 와 같은 형태로 대칭을 쓸 수 있다.

 

 

F분포 (출처: 나무위키)

 

F분포는 v1:분자의 자유도, v2:분모의 자유도가 있다.

F(A,v1,v2)로 표기한다.

마이너스 대칭성을 이용하지 않고 특별한 공식이 있다.

ex) F(1-A,v1,v2) = 1/{F(A,v2,v1)}


9. 표본분포

표본평균의 표본분포

평균: 모평균

분산: 모분산 나누기 n

 

표본비율의 표본분포

평균: p(성공할 확률)

분산: pq/n

 

표본분산의 표본분포

평균: 모분산

분산: 2시그마^4/n-1

 

표본평균 차이의 표본분포

평균: A모평균 - B모평균

분산: A분산/A의n + B분산/B의n

 

표본평균의 표준편차를 표본평균의 표준오차라고 부른다

표본비율의 표준편차를 표본비율의 표준오차라고 부른다.

표본분산의 표준편차를 표본분산의 표준오차라고 부른다.

즉, 표본OO의 표준편차는 표본OO의 표준오차라고 부른다.

 

추론통계학

모수에 관한 추론을 위해 통계량 사용

 

통계적 추론의 2가지 방법

  1. 추정: 추정통계량(표본평균, 표본분산)
  2. 가설검정: 검정통계량(t검정 등)

 

신뢰수준과 유의수준

신뢰수준 - 표본으로부터 만든 신뢰구간 100개 중에서 95번은 진짜 값이 들어있다 는 개념.

유의수준 - 신뢰구간의 반대되는 개념, 잘못 추정될 확률 5%이다. 와 같은 개념

구간을 추정할 때는 신뢰수준, 가설검정을 할 때는 유의수준을 선호한다.

 

공분산 (X, Y의 선형관계의 방향)

공분산의 식
공분산의 식(간편식)

공분산 자체는 방향성을 알 수 있지만, 둘 사이의 관계에 대한 설명 불가능

 

상관계수 - 공분산의 단점에 대한 보완, -1과 1사이로 나타낸다.

상관계수의 정의

 

두 변수 합의 기대치 법칙과 분산법칙

E(X+Y) = E(X) + E(Y)

V(X+Y) = V(X) + V(Y) + 2COV(X,Y)

(만일 X와 Y가 독립이면 2COV(X,Y) = 0 이 된다.)

X와 Y가 너무 밀접하면 V(X+Y) = V(X) 이다. (극단적인 경우)

 

 

Uniform 분포

연속확률분포 중 가장 간단한 분포

어떤 확률은 a부터 b사이만 갖는 형태

 

정규분포

어떤 분포든 표본의 크기만 커지면 정규분포로 간다(분산이 미치지 않고서)

어짜피 표본의 크기가 커지면 정규분포로 가기 때문에

'어정규'라고 부를 수 있다.(이 개그는 교수님 개그)

 

정규분포의 확률밀도함수(외울 필요는 없다)

평균분산만 알고 있으면 이 분포에 대해 완벽히 알 수 있다.

모평균과 모분산만 미지수로 존재하기 때문이다.

정규분포는 음의무한대부터 양의무한대까지 갈 수 있다.

분산은 같으나 평균이 다른 정규분포

위의 식에서 미지수였던 평균과 분산 중 '평균'이 달라질 경우 위와 같은 모양이 나타날 수 있다.

 

표준정규분포

표준정규분포의 확률밀도함수

Z값을 사용하도록 바꾼 것이 표준정규분포인데,

평균은 0이고 표준편차가 1인 규칙을 갖는다. 

표준화시킨 모습. 표준화의 식

 

+ Recent posts