다변량 확률변수 생성하기

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

이 연습은 강의의 일부입니다

Python으로 배우는 Monte Carlo 시뮬레이션

SkillTag.level.intermediateSkillTag.label

4.8+

무료로 강의 시작하기

Monte Carlo 시뮬레이션이란 무엇이며, 언제 유용할까요? 이 기본 질문들을 다룬 뒤, 원주율(pi) 값을 추정하는 것처럼 간단한 시뮬레이션을 직접 수행해 봅니다. 또한 Monte Carlo 시뮬레이션의 특별한 형태인 리샘플링에 대해서도 배웁니다.

Exercise 1: Monte Carlo 시뮬레이션이란 무엇인가요?Exercise 2: 결정론적 시뮬레이션 Exercise 3: 몬테카를로 시뮬레이션의 확률적 특성 Exercise 4: 대수의 법칙 Exercise 5: 몬테카를로 시뮬레이션의 한 유형인 리샘플링 Exercise 6: 복원추출로 샘플링하기 Exercise 7: 리샘플링 결과 시각화 Exercise 8: 순열 연습 Exercise 9: Monte Carlo 시뮬레이션 활용하기 Exercise 10: Monte Carlo 시뮬레이션 이해하기 Exercise 11: 짝지은 주사위 시뮬레이션

이제 간단한 시뮬레이션을 직접 실행할 수 있으니, 다양한 산업 분야에서 Monte Carlo 시뮬레이션이 실제로 어떻게 활용되는지 살펴볼 차례입니다. 이어서 좋은 시뮬레이션의 핵심, 즉 올바른 확률분포에서 표본을 추출하는 방법을 파고듭니다. 이산형, 연속형, 다변량 확률변수에 대한 확률분포를 배우게 됩니다.

Exercise 1: 몬테카를로 프로세스 Exercise 2: Monte Carlo 시뮬레이션의 단계 Exercise 3: 잘못된 결정적 계산 Exercise 4: 잘못된 입력 분포 Exercise 5: 이산 확률변수 생성하기 Exercise 6: 이산 균등 분포에서 샘플링하기 Exercise 7: 기하분포에서 표본 추출하기 Exercise 8: Tom과 Eva의 내기 Exercise 9: 연속형 확률변수 생성하기 Exercise 10: 정규분포의 평균 바꾸기 Exercise 11: 정규분포의 표준편차 바꾸기 Exercise 12: 두 개의 독립 정규분포 Exercise 13: 다변량 확률변수 생성하기

현재 연습

Exercise 14: 다항 표본추출 Exercise 15: 다변량 정규분포 탐색하기 Exercise 16: 다변량 정규분포 샘플링

적절한 확률분포를 선택하는 데 익숙해졌다면, 이제 당뇨병 환자 특성과 결과 데이터셋을 사용해 원칙에 기반한 Monte Carlo 시뮬레이션 워크플로를 따라가 보겠습니다. 데이터를 탐색하고, 시뮬레이션을 수행하며, 결과를 전달하기 위한 요약 통계를 생성합니다.

Exercise 1: 데이터 탐색하기 Exercise 2: tc, ldl, hdl 살펴보기 Exercise 3: y, tc, cdl 살펴보기 Exercise 4: 왜 데이터를 탐색해야 할까요?Exercise 5: 확률 분포 선택하기 Exercise 6: 다른 후보 분포도 시도해 보기 Exercise 7: 시각화를 사용해 분포 추정하기 Exercise 8: 상관이 있는 입력값 Exercise 9: 시뮬레이션 데이터와 과거 데이터 비교하기 Exercise 10: 상관 행렬과 공분산 행렬의 관계 Exercise 11: 요약 통계 Exercise 12: 왜 시뮬레이션이 필요할까요?Exercise 13: BMI 결과 평가하기 Exercise 14: BMI와 HDL 결과 평가하기

Seaborn으로 읽기 쉬운 시각화를 만들어 Monte Carlo 모델을 평가하고 결과를 전달하는 방법을 알아봅니다. 마지막으로 민감도 분석을 사용하여 모델 입력의 변화가 결과에 어떤 영향을 주는지 이해하고, 매출과 인플레이션 변화가 비즈니스 이익에 미치는 영향을 시뮬레이션하며 이를 실습합니다!

Exercise 1: 분포 선택 평가하기 Exercise 2: 확률분포에 대한 직관 Exercise 3: ldl 변수의 분포 적합도 평가 Exercise 4: 시뮬레이션 결과 시각화하기 Exercise 5: HDL과 BMI 결과 살펴보기 Exercise 6: 상자 그림으로 탐색하기 Exercise 7: 민감도 분석 Exercise 8: 이익 문제 시뮬레이션 Exercise 9: 회사 민감도 분석 Exercise 10: hexbin 플롯을 활용한 민감도 분석 Exercise 11: 축하합니다!