R을 위한 기초 통계

1. 확률 이론 

 - 확률 이론은 통계학의 바탕이며, 경험 혹은 실험의 결과로 특정한 사전(Event)이나 결과가 발생할 가능성

2. 확률 분포

 - 확률분포는 확률번수가 특정한 값을 가질 확률, 즉 상대적 가능성을 나타낸 것으로 모든 가능한 확률변수값과 그 값이 발생할 가능성인 확률 값을 도수분포표나 그래프로 나타낸 것이다.

3. 확률 변수

 - 특정한 값을 가질 수 있는 확률이 주어진 변수

 - 이산확률변수 : 정수와 같이 명확한 값을 변수 값으로 함.

                        확률변수가 가질 수 있는 값의 수가 한정되어 그 수를 셀 수 있는 변수

 - 연속확률변수 : 변수 값이 정수처럼 명확하지 못함.

                         확률변수가 연속량으로 표기되어 가능한 변수 값의 개수를 셀 수 없는 변수

                                                                                                        - 인터넷자료 - 

 

  R에는 확률, 확률분포, 확률변수를 다루는 함수가 다양하다.

R에서의 분포 이름

함 수	용 도
dnorm	정규분포 확률 밀도(Normal density)
pnorm	정규분포 함수(Normal distribution function)
qnorm	정규분포 분위수 함수(Normal quantile function)
rnorm	정규분포 난수(Normal random variates)

이산분포

이산분포 이름	R에서의 이름	모수(인자)
이항(Binomial)	binom	n = 시행 횟수, p = 시행 한 번당 성공 확률
기하(Geometric)	geom	p = 시행 한 번당 성공 확률
초기하(Hypergeometric)	hyper	m = 항아리에 든 흰색 공의 개수, n = 항아리에 든 검은 색 공의 개수, k = 항아리에서 꺼낸 공의 개수
음이항(Negative binomial, NegBinomial)	rbinom	size = 성공한 시행 횟수, prob = 성공한 시행의 확률 또는 mu = 평균, 둘 중 하나 선택
푸이송(Poisson)	pois	lambda = 평균

 연속분포

연속분포 이름	R에서의 이름	모수(인자)
베타(Beta)	beta	shape1, shape2
코쉬(Cauchy)	cauchy	location, scale
카이제곱(Chi-squared(Chisquare))	chisq	df = 자유도
지수(Exponential)	exp	rate
F	f	df1와 df2 = 자유도
감마(Gamma)	gamma	rate, rate 또는 scale 둘 중 하나 선택
로그 정규(Log-normal(Lognormal)	lnorm	meanlog = 로그 척도로 된 평균, sdlog = 로그 척도로 된 표준편차
로지스틱(Logistic)	logis	location, scale
정규(normal)	norm	mean, sd = 표준편차
Student's t (TDist)	t	df = 자유도
균등(Uniform)	unif	min = 하한, max = 상한
와이블(Weibull)	weibull	shape, scale
윌콕슨(Wilcoxon)	wilcox	m = 첫 표본에 있는 관측값들의 개수, n = 둘째 표본에 있는 관측값들의 개

                                                                        - R Cookbook -