1 / 111

연 속 확 률 분 포

5. 연 속 확 률 분 포. 1. 균등분포. 2. 지수분포. 3. 감마분포. 4. 웨이블분포. 5. 베타분포. 6. 정규분포. 7. 정규분포에 관련된 연속분포들. 1. 균등분포 ( uniform distribution ). 균등분포의 확률밀도함수와 분포함수 및 평균 , 분산 그리고 균등분포에 대한 백분위수와 사분위수 등에 대하여 알아본다. 1. b - a. f(x) = , a ≤ x ≤ b. x. b - a. b. 1. x 2. a+b. b. b.

amena-head
Télécharger la présentation

연 속 확 률 분 포

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 5 연 속 확 률 분 포 1 균등분포 2 지수분포 3 감마분포 4 웨이블분포 5 베타분포 6 정규분포 7 정규분포에 관련된 연속분포들

  2. 1 균등분포(uniform distribution) 균등분포의 확률밀도함수와 분포함수 및 평균, 분산 그리고 균등분포에 대한 백분위수와 사분위수 등에 대하여 알아본다.

  3. 1 b - a f(x) = , a ≤ x ≤ b x b - a b 1 x2 a+b b b   = = m = E(X) = x f(x)dx = dx 2 2 b - a a a a ☞ 1) 확률밀도함수 X ~ U(a, b) ☞ 2) 평균

  4. b b   E(X2) x2 f(x)dx = dx a a b 1 x3 a2 +ab + b2 = = 3 3 b - a a s2 = Var(X) = E(X2) – E(X)2 2 a2 +ab + b2 a+b = - 3 2 (b – a)2 = 12 x2 b - a x x   P(X ≤ x) = f(x)dx = 0 du = 0 -∞ -∞ ☞ 3) 분산 ☞ 4) 분포함수 x < a인 경우 : x

  5. x  P(X ≤ x) = f(x)dx -∞ 1 a x   = 0 dx + du x b - a -∞ a x  P(X ≤ x) = f(x)dx -∞ 1 x - a x a b    x = = 0 dx + du + 0 du b - a b - a -∞ a b = 1 0 , x < a x - a , a ≤ x < b F(x) = P(X ≤ x) = b - a 1 , x ≥ b a ≤ x < b인 경우 : x ≥ b인 경우 : 분포함수 :

  6. ☞ 5) 백분위수와 사분위수 0 < p < 1에 대하여 100p-백분위수 xp: [a, b]를 p : 1-p로 내분하는 점xp=(1-p)a + pb 제1사분위수 Q1 = x0.25=0.75a + 0.25b 제2사분위수 Q2 = Me = x0.5=0.5a + 0.5b 제3사분위수 Q3= x0.75=0.25a + 0.75b 사분위수범위 I.Q.R = Q3 - Q1 = x0.75 - x0.25 = 0.5b – 0.5a

  7. 1 1 10 f(x) = , 0 < x < 10 10 x 10 x  du 0 X ~ U(0, 10)에 대하여 (1) X의 확률밀도함수와 분포함수 (2) X의 평균(m)와 분산(s2) (3) P(m - s < X < m+s ) (4) 사분위수 Q1 , Q2 , Q3 (5) X의 최빈값 Mo = ? (1) X의 확률밀도함수 : X ~ U(0, 10)이므로 X의 분포함수 : 0 , x < 0 0 , x < 0 , 0 ≤ x < 10 , 0 ≤ x < 10 F(x) = P(X ≤ x) = = 1 , x ≥ 10 1 , x ≥ 10

  8. (10 - 0)2 s2 = Var(X) = = 8.3333 12 P(m - s < X < m +s) = = 0.578 5.78 10 0+10 m = E(X) = = 5, 2 1 10 (2) (3) s2 = 8.3333이므로 s = = 2.89 (m - s , m + s) = (5 – 2.89, 5 + 2. 89) = (2.11, 7.89) (4) 제1사분위수 Q1 = (0.75)•0 + (0.25) •(10) = 2.5 제2사분위수 Q2 = (0.5)•0 + (0.5) •(10) = 5.0 제3사분위수 Q3= (0.25)•0 + (0.75) •(10) = 7.5 (5) [0, 10]에서 f(x) =이므로 f(x)의 최대값이 존재하지 않음. X의 최빈값이 없다.

  9. x  0 X ~ U(0, 1)에 대하여 Y = a + (b – a)X (a < b)라 할 때, (1) Y의 분포함수 (2) Y의 확률밀도함수 (3) Y의 평균(m)와 분산(s2) (4) Y의 중앙값 Me = ? (1) X ~ U(0, 1)이므로 X의 분포함수 : 0 , x < 0 0 , x < 0 , 0 ≤ x < 1 x , 0 ≤ x < 1 1 du FX(x) = P(X ≤ x) = = 1 , x ≥ 1 1 , x ≥ 1 한편, y = a + (b – a)x이고0 ≤ x ≤ 1이므로a ≤ y ≤ b

  10. P(Y ≤ y) = P[a + (b – a)X ≤ y] = P X ≤ = F = y - a = b - a y - a 0 , y < a b - a d d , a ≤ y < b dx dx FY(x) = y - a y - a y - a y - a b - a b - a b - a 1 , y ≥ b b - a a ≤ y < b에 대하여 Y의 분포함수 : (2) Y의 확률밀도함수 : 1 fY(y) = FY(y) = = , a ≤ y ≤ b b - a

  11. s2 = Var(Y) = F(y0) = 0.5 = y0 - a b - a a+b Me = y0 = 2 (b – a)2 12 (3) Y ~ U(a, b)이므로 a+b m = E(Y) = 2 (4) Y ~ U(a, b)이므로

  12. 2 지수분포 (exponential distribution) 지수분포의 확률밀도함수와 평균, 분산을 비롯한 비기억성 성질 그리고 포아송과정과의 관계에 대하여 알아본다.

  13. f(x) = le-lx , x > 0 , l> 0 l의 비율로 사고가 발생할 때까지 걸리는 시간 또는 비율 l인 포아송과정에 따라 발생하는 사건 사이의 대기시간 등에 응용되는 확률분포를 모수 l인 지수분포라 한다. ☞ 1) 확률밀도함수 X ~ Exp(l)

  14. ∞ ∞ ∞ ∞     0 0 0 0 lx + 1 l2x2 + 2lx + 2 1 2 1 1 2 l l2 l2 l l2 l2 l s2 = Var(X) = E(X2) – E(X)2 2 - = = ☞ 2) 평균 m = E(X) = x f(x)dx = x le-lx dx u = lim - e-lx = u→∞ 0 ☞ 3) 분산 E(X2) = x2 f(x)dx = x2le-lx dx u = lim - e-lx = x→∞ 0

  15. ∞ 2   1 0 교차로에서 나타나는 교통사고 발생시간의 간격 X(단위:개월) (1) 사고가 관측된 이후로 한 달이 지난 후에 다음 사고가 발생할 확률 (2) 두 달 안에 사고가 발생할 확률 (3) 한 달을 30일이라 할 때, 평균 몇 일만에 사고가 나는가? f(x) = 3e-3x , x > 0 ∞ (1)P(X > 1) = 3e-3x dx = (-1)e-3x = e-3= 0.0498 1 2 (2)P(X ≤ 2) = 3e-3x dx = (-1)e-3x = 1 - e-6= 0.9975 0 (3) 사고일 수는 모수 l= 3인 기하분포이므로 월평균 사고발생 간격일 수는 m= 1/3, 즉 10일이다.

  16. x x   P(X ≤ x) = f(x)dx = 0 dx = 0 -∞ -∞  P(X ≤ x) = f(x)dx -∞ x 0   = 0 dx + le-lu du 0 -∞ x = - e-lu = 1- e-lx 0 ☞ 4) 분포함수 x < 0인 경우 : x x ≥ 0인 경우 : x x

  17. 0 , x < 0 F(x) = P(X ≤ x) = 1- e-lx , x ≥ 0 h(x) = =l f(x) S(x) 분포함수 : ☞ 5) 생존함수(survival function) S(x) = P(X > x) = 1 – F(x) = e-lx , x > 0 ☞ 6) 위험률(hazard rate function), 실패율(failure rate function)

  18. f(x) = e-x/600 , x > 0 1 1 600 600 h(x) = l=, x ≥ 0 X ~ Exp(1/600)에 대하여 (1) X의 확률밀도함수와 분포함수를 구하여라. (2) X의 생존함수를 구하여라. (3) X의 위험률을 구하여라. (4) X의 기대값과 분산 X ~ Exp(1/600) 이므로 X의 확률밀도함수 X의 분포함수 ● ● F(x) = 1- e-x /600 , x ≥ 0 X의 생존함수 X의 위험률 ● ● S(x) = e-x/600 , x > 0 X의 평균 X의 분산 ● ● m = 1/ l = 600 s2 = 1/ l2 = 360000

  19. f(x) = e-x/100 , x > 0 1 100 환자의 생존시간 : X ~ Exp(1/100) (1) 이 환자가 150일 이내에 사망할 확률 (2) 이 환자가 200일 이상 생존할 확률 X의 생존함수 X의 분포함수 F(x) = 1- e-x/100 , x ≥ 0 S(x) = e-x/100 , x > 0 (1) 이 환자가 150일 이내에 사망할 확률 : P(X < 150) = F(150) = 1- e-150/100 = 1 – 0.2231 = 0.7769 (2) 이 환자가 200일 이상 생존할 확률 : P(X ≥ 200) = S(200) = e-200/100 = e-2 = 0.1353

  20. 정리 1 비기억성 성질(memorylessness property) X ~ Exp(l)에 대하여 다음이 성립한다. P(X > a+b | X > a) = P(X > b) , a, b > 0 P(X > a+b, X > a) P(X > a+b) P(X > a+b | X > a) = = P(X > a) P(X > a) P(X > a+b) P(X > a+b | X > a) = = = e-lb = P(X > b) P(X > a) e-l(a+b) e-la 증명 ∞ ∞  P(X > a+b) = le-lx dx = (-1) e-lx = e-l(a+b) a+b a+b ∞ ∞  P(X > a) = le-lx dx = (-1) e-lx = e-la a a ∞ ∞  P(X > b) = le-lx dx = (-1) e-lx = e-lb b b 증명 끝

  21. 1 1 1000 1000 ∞  P(X ≥ 600 | X ≥ 500) = P(X ≥ 100) = e-x/1000 dx 100 = (-1)e-x/1000 = e-0.1 = 0.9048 ∞ 100 어떤 기계의 일부 부품이 고장 날 때까지 걸리는 시간은 평균 1,000시간인 지수분포에 따른다고 한다. (1) 이 기계를 500시간 이상 아무런 문제없이 사용한 후, 그 후로 다시100시간 이상 사용할 확률을 구하여라. (2) (1)의 조건에 대하여, 앞으로 x시간 이상 사용할 확률이 0.3이라면 x = ? (1) 부품이 고장 날 때까지 걸리는 시간 X는 평균m = 1000인 지수분포에 따르므로X ~ Exp(1/1000) f(x) = e-x/1000 , x > 0 X의 확률밀도함수 :

  22. - = ln (0.3) ; x = (-1000)ln (0.3) = 1203.97 x 1000 (2) (1)의 조건 아래서, 이 기계를 고장 없이 사용한 전체 시간 :500 + x P(X ≥ 500 + x|X ≥ 500) = P(X ≥ x) = S(x) = e-x/1000 = 0.3

  23. ☞ 포아송과정과의 관계 연간 지진이 발생하는 회수 :X ~ P(3) T : 지금부터 다음 지진이 일어날 때까지 걸리는 시간 예 사건 [T > t ]의 의미 : 현재부터 t시간 이후에 지진이 발생함 [0, t]에서 지진이 발생하지 않음 ▶사건 [T > t ]의 확률 : P(T > t) = P[X(t) = 0] = e-3t ▶ T의 분포함수 : F(t) = P(T ≤ t) = 1 - P(T > t) = 1 - e-3t , t > 0 ▶ T의 밀도함수 : f(t) = 1 - F(t) = 3e-3t , t > 0

  24. (1) 비율 l를 가지고 포아송과정에 따라 어떤 사건이 발생한다면, 이웃하는 두 사건 사이의 대기시간 T는 모수 l인 지수분포를 이룬다. (2) 비기억성 성질로 어느 한 사건이 발생한 후, 다음 사건이 발생할 때까지 걸리는 대기시간 T는 모수 l인 지수분포에 따라 다시 시작하므로, 이웃하는 사건 사이의 대기시간들 Ti는 i.i.d. Exp(l)이다.

  25. P(T ≥ 6) = 1 - P(T < 6) = 1 – F(6) = 1 - 1 - e-6/10 = e-0.6 = 0.5488 시스템의 응답시간 T는 평균 m=10인 지수분포 신호에 대한 응답이 끝나면 곧 바로 다음 신호를 접수 X(t) : 시간 t동안 이루어진 검색 신호 횟수 (1) 어떤 한 건의 검색 신호에 대한 응답시간이 6초 이상 걸릴 확률 (2) 검색 신호에 대한 응답을 위하여 5초 이상 기다려야 한다면, 그 후로 응답을 받기 위하여 적어도 8초 이상 시간을 소비해야 할 확률이 (3) X(t)의 확률질량함수 (4) 처음 신호가 들어온 이후로부터 5초 사이에 2건의 검색 신호가 있을 확률 (1) 시스템의 응답시간 T는 평균 m = 10인 지수분포에 따르므로T ~ Exp(1/10) F(t) = 1 - e-t/10 , t > 0 T의 분포함수 : 구하고자 하는 확률 :

  26. (t/10)x x! (2) P(T ≥ 13|T > 5) = P(T > 8) = 1 – F(8) = 1 - 1 - e-8/10 = e-0.8 = 0.4493 (3) X(t) ~ P(t/10)이므로 X(t)의 확률질량함수 : f(x) = e-t/10 , x = 0, 1, 2, … (4) t=5이므로 처음 5초 동안 검색 신호가 들어온 횟수 :X(t) ~ P(0.5) 구하고자 하는 확률 : (포아송 확률표로부터) P(X = 2) = P(X ≤ 2) – P(X ≤ 1) = 0.986 – 0.910 = 0.076

  27. 3 감마분포 (gamma distribution) 감마분포의 확률밀도함수와 평균, 분산 그리고 카이제곱분포에 대하여 알아본다.

  28. ∞ ∞ ∞ ∞     0 0 0 0 1 1 1 G(a) G(a) 1 x a-1 b G(a) ba b 일정한 비율로 발생하는 사고가 n건 발생할 때까지 걸리는 전체 시간에 관한 확률분포 감마함수 : G(a) = ta-1 e-t dt , a > 0 ta-1 e-t dt = 1 t = x/b e-x/b dx = 1 p.d.f. 조건을 만족 또는 xa-1 e-x/bdx = 1

  29. G(1) = 1 G(a+1) = aG(a),a > 0 G(n+1) = nG(n)= n!, n 은 자연수 G(1/2) = p 1 G(a)ba xa-1 e-x/b, x > 0, a,b > 0 f(x) = ☞ 감마함수의 성질 ● ● ● ● ☞ 1) 확률밀도함수 X ~ G(a, b) a: 형상모수(shape parameter) b: 척도모수(scale parameter)

  30. ∞ ∞ ∞ ∞     0 0 0 0 x 참고 G(a) ba 1 f(x) = e-x/b ,x > 0, b > 0 X ~ G(1, b) X ~ Exp(1/b) b ☞ 2) 평균 m = E(X) = x f(x)dx = xa-1 e-x/b dx 1 = x(a+1)-1 e-x/b dx G(a)ba G(a+1) b 1 = x(a+1)-1 e-x/b dx G(a) G(a+1)ba+1 aG(a) b G(a+1) b = = = a b G(a) G(a)

  31. ∞ ∞ ∞ ∞     0 0 0 0 s2 = Var(X) = E(X2) – E(X)2 = a(a+1)b2 - (ab )2= ab2 x2 G(a) ba ☞ 3) 분산 E(X2) = x2 f(x)dx = xa-1 e-x/b dx 1 = x(a+2)-1 e-x/b dx G(a)ba G(a+2)b2 1 = x(a+2)-1 e-x/b dx G(a) G(a+2) ba+2 a(a+1)G(a) b2 G(a+2)b2 = = = a(a+1) b2 G(a) G(a)

  32. 감마분포와 지수분포 그리고 포아송과정 • X1, X2, …, Xn ~ i.i.d.Exp(l) • S =X1 + X2 + …+ Xn ~ G(n, 1/l) (2)S:비율 l인 포아송과정에 따라 n번째 사건이 발생할 때까지 걸리는 시간 비기억성 성질에 의하여 S ~ G(n, 1/l)

  33. 1 1 G(2) 22 X = T1 + T2 ~ G(2, 2) 4 x2-1 e-x/2= xe-x/2 , x > 0 f(x) = 시스템의 응답시간 T는 평균 m=2인 지수분포 신호에 대한 응답이 끝나면 곧 바로 다음 신호를 접수 X :오전 9:00부터 2건의 신호가 들어올 때까지 걸리는 시간 (1) X의 확률밀도함수 (2) 2건의 신호가 들어올 때까지 걸리는 평균 시간 (3) 2건의 검색요구가 3초 안에 이루어질 확률 (1) 시스템의 응답시간 T는 평균 m=2인 지수분포에 따르므로T ~ Exp(1/2) T1:오전 9:00부터 처음 신호가 들어올 때까지 걸리는 시간 T2:처음 신호 이후에 두 번째 신호가 들어올 때까지 걸리는 시간 T1 ~ Exp(1/2) , T2 ~ Exp(1/2)

  34. (2) m = a b = 2•2 = 4 3 3  (3) P(X < 3) = xe-x/2 dx = - e-x/2 = 1 - e-3/2 = 0.4421 0 0 x + 2 5 2 2 1 4

  35. 1 x(r/2)-1 e-x/2 , x > 0, r > 0 f(x) = G(r/2) 2r/2 ☞ 2) 평균 r r 2 2 m = ab = • 2 = r ☞ 3) 분산 s2 = ab2 = • 4 = 2r 카이제곱(c2)분포(chi-squared distribution) 모수 a= r/2, b = 2인 감마분포를 자유도(degree of freedom; d.f.) r 인 카이제곱분포라 하고, X ~ c2(r)로 나타낸다. ☞ 1) 확률밀도함수 X ~ c2(r)

  36. 2 카이제곱분포의 100(1-a)%백분위수 ca(r) P(X ≤ x0 ) = 1 – a인 x0을 100(1-a)%백분위수라 하고, ca(r)로 나타낸다. 2 ☞ 카이제곱분포의 백분위수

  37. X ~ca(7) 2 에 대하여 P(X > c0.05 ) = 0.05를 만족하는c0.05 2 2 2 c0.05 = 14.07 d.f. = 7인 행과 a= 0.05인 열이 만나는 위치의 수 14.07

  38. P(X < x0) = 0.95이므로 P(X > x0) = 0.05 이고, 따라서 카이제곱표에서 d.f. = 5와 a= 0.05인 백분위수 x0 = c0.05 (5) = 11.07 2 카이제곱분포의 성질 X ~ c2(r1), Y ~ c2(r2)이고 독립이면, X + Y ~ c2(r1 + r2)이다. X ~ c2(2), Y ~c2(4) 이고 독립이므로 X + Y ~ c2(6)이다. 그러므로 x0 = c0.01 (6) = 16.81 2 X ~ c2(5)에 대하여 P(X < x0) = 0.95 x0 = ? ☞ X ~ c2(2), Y ~ c2(4) 이고 독립일 때, P(X + Y > x0) = 0.01 x0 = ?

  39. 4 웨이블분포 (Weibull distribution) 웨이블분포의 확률밀도함수와 평균, 분산에 대하여 알아본다.

  40. a f(x) = abaxa-1e-(bx) , x > 0 , a, b> 0 의료사고 또는 폭풍 등으로 인한 재해에 대비하기 위한 재해보험에 대한 보험 급부금에 적합한 확률모형 ☞ 1) 확률밀도함수 X ~ Wei(a, b)

  41. x  0 f(x) S(x) ☞ 2) 분포함수 F(x) = abaua-1e-(bu) du = (-1) e-(bu) = 1 - e-(bx) , x > 0 a x a a 0 ☞ 3) 생존함수 S(x) = 1 – F(x) = e-(bx) , x > 0 a ☞ 4) 실패율함수 a abaxa-1e-(bx) h(x) = = = abaxa-1, x > 0 a e-(bx)

  42. X ~ Wei(2, 0.1)에 대하여 (1) X의 분포함수 = ? P(X ≤ 4) = ? (2) X의 생존함수 = ? P(X ≥ 10) = ? (3) X의 실패율함수 = ? (4) X의 중앙값 Me = ? (1)a = 2, b = 0.1이므로 F(x) = 1 – exp[-(x/10)2] , x > 0 P(X ≤ 4) = F(4) = 1 – exp[-(4/10)2]= 0.1479

  43. (2) S(x) = 1 - F(x) = exp[-(x/10)2], x > 0 P(X ≥ 10) = S(10) = exp[-(10/10)2] = 0.3679 (3) h(x) = abaxa-1 = 2•(0.1)2 x2-1 = (0.02)x , x > 0 (4) F(x0) = 1 – exp[-(x0 /10)2] = 0.5 ; exp[-(x0 /10)2] = 0.5 ; -(x0 /10)2 = ln(0.5) = -ln 2 ; x0 /10= ; x0 = Me = 10 = 8.3255 a= 2, b= 0.1

  44. ∞ ∞ ∞ ∞ ∞ 1 2 2 1 1 1      a b b a a a 0 0 0 0 0 ☞ 2) 평균 a m = E(X) = x f(x)dx = abaxae-(bx) dx u = (bx)a m = u [(1/a) +1]-1 e-u du = G1 + ☞ 3) 분산 동일한 방법에 의하여 1 a E(X2) = x2 f(x)dx = aba xa+1e-(bx) dx = G 1 + b2 s2 = Var(X) = E(X2) – E(X)2 2 1 - G 1 + G 1 + = b2

  45. ∞  5 배우자가 재혼할 때까지 걸리는 시간 X ~ Wei(a, b) X의 실패율 함수 :h(x) = cx, x > 0 (1) P(X > 5) = e-1/4 = 0.7788을 만족하는 상수 c = ? (2) X의 밀도함수 = ? 배우자가 6개월 이내에 재혼할 확률= ? (3) X의 평균= ? X의 분산= ? (1) 생존함수는 h(x) = aba xa-1= cx , x > 0이므로 a = 2, aba = c ∞ 2 2 2 P(X > 5) = 2b2 xe-(bx) dx = - e-(bx) = e-25b = e-1/4 5 25b2 = 1/4 b = 0.1, c = aba= 2•(0.1)2 = 0.02

  46. f(x) = (0.02)x exp - , x > 0 0.5  x2 x2 x2 0 100 100 100 1 1 1 2 2 2 0.5 = (-1) exp - = 1- 0.9975 = 0.0025 0 p 1 m = G1 + = (10)••G = 5 = 8.8623 0.1 s2= G(2) - = 25(4 – p) = 21.4602 1 p 100 4 (2) X의 밀도함수 : a = 2 , b = 0.1이므로 6개월은0.5년이므로 P(X < 0.5) = (0.02)x exp - dx (3) X의 평균= ? X의 분산= ?

  47. 5 베타분포 (beta distribution) 베타분포의 확률밀도함수와 평균, 분산에 대하여 알아본다.

  48. 1 1   0 0 1 1 Beta(a, b) Beta(a, b) 확률밀도함수 : f(x) = xa-1 (1 - x)b-1 , 0 < x < 1 제조과정에서 불량품의 비율 또는 서비스에 만족하는 고객의 비율, 전체 보험증권의 한계 금액에 대한 손실비율 등과 같이 0%와 100%사이에서 값을 가지는 비율에 대한 확률모형 베타함수 : Beta(a, b) = xa-1 (1 - x)b-1 dx , a, b > 0 xa-1 (1 - x)b-1 dx = 1 p.d.f. 조건을 만족

  49. G(a)G(b) Beta(a, b) = G(a + b) G(a + b) G(a)G(b) f(x) = xa-1 (1 – x)b-1 , 0 < x < 1, a, b > 0 ☞ 베타함수와 감마함수 ☞ 1) 확률밀도함수 X ~ Beta(a, b)

  50. 0.5 ☞ 베타분포의 특성 (1) 동일한 모수 a에 대하여 b가 커지면 왼쪽으로 치우치고, 동일한 모수 b에 대하여 a가 커지면 오른쪽으로 치우친다. (2) a =b이면 x = 0.5를 중심으로 대칭이고, a와 b가 커질수록 종모양에 가까워지며 x = 0.5에 집중한다. (3) a=b= 1이면, 즉 X ∼ Beta (1, 1) ⇒ X ∼ U(0, 1) (4) X ∼ Beta (a, b) ⇒ 1-X ∼ Beta (b, a)

More Related