Differences

This shows you the differences between two versions of the page.

--- c:ms:2026:schedule:lecture_note_week_03 [2026/03/16 05:43] – hkimscil
+++ c:ms:2026:schedule:lecture_note_week_03 [2026/03/16 05:47] (current) – hkimscil
@@ Line 5: / Line 5: @@
   * [[:Why n-1]]
     * $s^2 = \widehat{\sigma}$ 을 위해서 분산값을 사용하는데 $\text{SS}$ 값을 구할 때 샘플의 평균을 이용하면 그 값이 항상 최소값이 되어서 이를 만회하기 위해서 n-1을 쓴다
-    * R에서 ''sum((x-v)^2)'' 에서 v 값으로 mean(x)값을 쓰면 최소값이 된다는 뜻이다.
+    * R에서 ''sum( (x-v)^2 ) / n'' 에서 v 값으로 ''mean(x)'' 값을 쓰면 최소값이 된다는 뜻이다.
-    * 위를 알아보기 위해서 v를 x 집합의 mean을 중심으로 (mean(x)) 좌우로 3*sd(x) 값만큼 범위를 정하여 0.1씩 증가시키면서 SS값이 어떻게 변하는가를 본다.
+    * 위를 알아보기 위해서 v를 x 집합의 mean을 중심으로 ''mean(x)'' 값 좌우로 3*sd(x) 값만큼 범위를 정하여 0.1씩 증가시키면서 ''sum( (x-v)^2 ) / n'' 값을 구하여 SS값이 어떻게 변하는가를 본다.
     * 이를 R에서 gradient descent 개념으로 구한다
     * 수학적으로 증명한다
-  * sampling distribution or the distribution of sample means
+  * ''sd = standard deviation = sqrt(variance)''
+  * 68, 95, 99%
+  * [[:r:sampling distribution]] in r space or the distribution of sample means
+  *