[기초통계] 기하분포 및 음이항분포 정리

업데이트:

기하분포 및 음이항분포 정리

참고링크

머신러닝 딥러닝 선형대수 기초통계 최적화
k-means 신경망이란 고유값,고유벡터 확률변수 컨벡스 셋
k-최근접이웃 성능함수 행렬식 확률분포 컨벡스 함수
선형회귀 신경망 학습 내적 모집단과 표본 라그랑주 듀얼
로지스틱회귀 교차연결 기저 평균과 분산 KKT 조건
릿지,라쏘회귀 합성곱 신경망 랭크, 차원 공분산, 상관계수 ROC 커브
의사결정나무 배치, 에포크 차이 선형변환 최대가능도추정 크로스 밸리데이션
서포트벡터머신 텐서플로기초(1) 직교행렬 베르누이,이항분포 실루엣 스코어
원클래스 SVM 텐서플로기초(2) 고유값분해 기하,음이항분포  
LDA seq2seq 특이값분해 초기하분포  
GMM opencv기초   포아송분포  
부스팅 resnet   정규분포  
사이킷런 실습 다각형내부판별   감마분포  
  엣지판별   지수분포  
      카이제곱분포  
      베타분포  
      균일분포  



1. 기하분포

기하분포(geometric distribution)는 이산확률분포 중 하나로 특이하게 두 가지 관점으로 볼 수 있습니다.

즉, 기하분포는 어떤 행위를 성공할때까지 시도하는데, 성공할때까지의 시도횟수 또는 실패한 횟수의 분포라고 볼 수 있습니다. 이산확률분포는 많은 경우 베르누이시행을 기반으로 이루어져있습니다.
아래에 기하분포를 간략히 정리해보았습니다.

기하분포는 두가지 관점으로 정의될 수 있으므로 기하분포를 사용할때는 기준을 시도한 횟수로 볼 것인지, 실패한 횟수로 볼것인지를 명확히 해야합니다.

기하분포는 처음 성공까지를 보는데요. 그럼 r번째 성공 까지 보면 어떻게 될까요? 기하분포를 일반화한 버전이 음이항분포 입니다.

2. 음이항분포

음이항분포는 기하분포를 일반화시킨 것이므로, 아래와 같이 정의 할 수 잇습니다.

추가적으로 r=3일 경우의, 음이항 분포의 mgf를 구해보았습니다.

참고. 확률분포간 관계도