【概率論】常用專業名詞中韓對照表 | 확률론 한중 번역표

简介: 【概率論】常用專業名詞中韓對照表 | 확률론 한중 번역표

概率論部分常用專業名詞朝鮮語專業名詞記錄。


확률변수(概率變數)   随机变量

연속확률변수(連續概率變數) 连续随机变量

확률밀도함수(概率密度變數)   概率密度函数

조건부확률(條件概率)   条件概率

누적분포함수(累積分佈函數)  累积分布函数

확률질량함수(概率質量函數)   概率质量函数

확률 밀도 함수(概率密度函數)    概率密度函数

결합누적분포함수(聯合累積分佈函數)    联合累积分布函数  joint distribution function

결합확률질량함수(結合概率質量函數)   联合概率质量函数   joint probability mass function

주변확률질량함수(周邊概率質量函數)   边缘概率质量函数  marginal probability mass function

결합확률밀도함수(聯合概率密度函數)    联合概率密度函数   joint probability density function

주변확률밀도함수(周邊概率密度函數) 边缘概率密度函数  marginal probability density function

조건부 확률질량함수(條件概率質量函數)   条件概率质量函数  conditional probability mass function

조건부 확률밀도함수(條件概率密度函數)   条件概率密度函数  conditional probability density function

기댓값 와 분산        期望和方差


치역공간(值域空間)    值域空间

복원추출(復提取) /  비복원추출(非復原提取)     放回去 / 不放回去

분할(分割)     分割(partition)

적률생성함수(幾率生成函數)     矩量母函数(Moment Generating Function)

항등분포(恆等分佈)       恒等分布  identically distributed

공분산 (共分散)  协方差    covariance

상관계수(相關級數)   相关系数   correlation coefficient

이산균등분포(離散均勻分佈)  离散均匀分布  discrete uniform distribution

베르누이 분포(伯努利分佈)  伯努利分布    Bernoulli distribution

이항분포(二項分佈)  双正态分布  binormal distribution

대칭이항분포(對稱二項分佈)   对称二项分布   symmetric binomial distribution

표본비율(樣本比率)   样本比例  sample proportion

기하분포(幾何分佈)   几何分布   geometric distribution

음이항분포(負二項分佈)  负二项分布(帕斯卡分布)   negative binomial distribution

푸아송분포(泊鬆分佈)  泊松分布  Poisson distribution

초기하분포(超幾何分佈)  超几何分布  hypergeometrydistribution

다변량 초기하 분포(多變量超幾何分佈) 多变量超几何分布    multivariable hypergeometry distribution

다항분포(多項分佈)  多项分布  mulinomial distribution

연속균등분포(連續均等分佈)  连续均匀分布  continuous uniform distribution

지수분포(指數分佈)   指数分布  exponential distribution

생존함수(生存函數)  生存函数 survival function

감마함수(伽馬函數)   伽马函数   gamma function

감마분포(伽馬分佈) 伽马分布  gamma distribution

정규분포 / 가우스 분포   正态分布 / 高斯分布 normal distribution  Gaussiandistribution

자유도 n인 카이제곱분포  自由度为n的卡方分布    chi-square distribution

자유도 n인 t-분포    t分布     t-distribution

F-분포   F-分布    F-distribution

표준 정규 분포 标准正态分布  Standard Normal distribution

표본평균   样本均值  sample mean

이항분포의 정규근사   二项分布的正态近似  normal approximation

第七章:样本分布

모집단(母集團) 总体 population

표본 样本 sample

통계적 추론 统计推断 statistical inference

확률추출법 随机采样 random sampling

확률표본 随机样本 random sample

모수 参数 parameter

모평균 平均参数

모분산 平均方差

통계량 统计数字 statistics

표본평균 样本平均值 sample mean

표본분산 样本方差 sample variance

크기 n인 표본   大小为 n 的样本  sample size of n

확률표본 概率样本 random sample

중심 극한 정리  中心极限定理 Central limit Theorem

합동표본분산 合并样本方差  pooled sample variane

모비율 总体比例 population proportion

표본비율 标本比例 sample proportion

第八章:추정 参数估计 Parameter Estimation

추정량 估计量 estimator

점추정 点估计 point estimation

표본오차 标本误差 sampling error

변동(variation) 和 편의(bias)      偏差和误差

불편성 无偏性 unbiasedness

불편추정량 无偏估计量 unbiased estimator

편의추정량 有片估计量 biased estimator

더 유효한 추정량  更有效率地估计量  more efficient  estimator

최소 분산 불편 추정량 最小方差无偏估计 minimum variance unbiased estimator

표준오차 标准误差 standard error

일치추정량 一致估计 consistent estimation

구간추정 区间估计 interval estimation

신뢰도 可信度 degree of confidence

신뢰구간 置信水平 confidence level

第八章:假设检验 hypothesis testing

가설검정 假设检验 hypothesis testing

귀무가설 原假设 null hypothesis,H0

대립가설 备择假设 alternative hypothesis,H1

기각 拒绝  reject

채택 接受 accept

기 각하지 못한다 不要拒绝  do not reject

검정오류 检验误差 test error

제1종 오류 第一类型错误  type 1 error

유의수준 显著性水平 significance level

제2종 오류 第二类型错误  type 2 error

검정력 检验能力 power of the test

채택역 接收区域 acceptance region

기각역 否定域 critical region

임계값 critical value

p값  p值 pvalue

쌍체표본 配对样本 paired sample

합동 표본비율  合并样本比率 pooled sample proportion

相关文章
|
3月前
|
Python
联合概率 边缘概率 条件概率 贝叶斯定理
联合概率 边缘概率 条件概率 贝叶斯定理
43 0
|
6月前
|
算法 vr&ar Python
R语言隐马尔可夫模型HMM连续序列重要性重抽样CSIR估计随机波动率模型SV分析股票收益率时间序列
R语言隐马尔可夫模型HMM连续序列重要性重抽样CSIR估计随机波动率模型SV分析股票收益率时间序列
|
6月前
|
机器学习/深度学习 资源调度 算法
对数几率回归
对数几率回归
86 0
|
数据可视化 Python
概率学中的随机变量与分布
概率学中的随机变量与分布
概率学中的随机变量与分布
14 棣莫弗的二项概率逼近
14 棣莫弗的二项概率逼近
69 0
(一)探索随机变量及其分布:概率世界的魔法
(一)探索随机变量及其分布:概率世界的魔法
|
BI Python
平均互信息与条件熵
平均互信息与条件熵
122 0
|
PyTorch 算法框架/工具
softmax是数字越大,概率越大,如何设置一种新的方法,数字越大,概率越小?
如果您希望在输入数字越大时获得更小的概率,可以使用 Softmax 函数的变体——Softmax 函数的负版本(Negative Softmax)。
337 0
softmax是数字越大,概率越大,如何设置一种新的方法,数字越大,概率越小?
|
机器学习/深度学习
概率和似然
在日常生活中,我们经常使用这些术语。但是在统计学和机器学习上下文中使用时,有一个本质的区别。本文将用理论和例子来解释概率和似然之间的关键区别。
141 0
概率和似然
|
人工智能 移动开发 BI
概率论<一>——随机事件与概率(二)
概率论<一>——随机事件与概率
概率论<一>——随机事件与概率(二)