기댓값이란 무엇인가? 실험을 무한 반복했을 때의 평균인 기댓값이 모평균과 똑같은 값이 되는 원리부터 두 가지 계산법, 평균이라서 통하는 연산 규칙, 분산까지 기댓값으로 표현되는 구조를 현장 엔지니어의 언어로 정리했다. 통계 개념을 수식이 아니라 직관으로 잡고 싶다면 확인해보자.

연속확률분포에서는 특정 값의 확률을 구간 적분으로만 정의할 수 있다. 정규분포의 구조, Z 변환, 이항→정규 근사 조건, 지수분포까지 차례로 짚으면 데이터 분석에 필요한 통계 기반이 탄탄해진다.

이산확률분포의 두 축, 이항분포와 포아송분포를 매개변수 개념부터 정리했다. n·p·λ가 왜 필요한지 모르면 공식이 남지 않는다. 현장 엔지니어 언어로 개념을 완전히 잡는 법을 확인해보자.

확률변수 종류는 이산형과 연속형으로 나뉘며, 이 구분에 따라 확률 계산 방식이 완전히 달라진다. 확률밀도함수와 누적확률분포까지 현장 엔지니어 언어로 한 흐름에 정리했다.

모수는 존재하지만 알 수 없다 — 그래서 통계학이 있다. 모수 뜻 한 줄 정의에서 멈추지 않고, 모집단을 어떻게 정의하느냐에 따라 분포가 달라지는 실무 포인트, 이상치가 있을 때 평균·중앙값 선택 기준, 4가지 모수 분류표까지 제조 현장 예시로 정리했다.

모집단 표본의 핵심은 모집단을 전부 알 수 없어서 표본으로 모수를 추정한다는 것이다. 데이터 종류 3가지, 기술통계 vs 추론통계, 모수 추정과 가설 검정이 왜 통계학의 두 축인지 단계별로 이해할 수 있다.

표본 분포는 랜덤 샘플링한 표본들의 분포이며 표본이 커질수록 표본 평균이 모 평균에 수렴한다. 평균·중앙값·최빈값, 분산·표준편차, IQR·왼도·첨도까지 핵심 통계 지표를 한 번에 정리했다.

회귀분석이란 숫자를 예측하는 머신러닝 작업이다. 코딩보다 도메인 지식이 먼저인 이유 3가지를 F1 엔지니어링 시나리오로 풀어본다. 현장 엔지니어라면 이미 출발선이 다르다.