왜도와 첨도(Skewness and Kurtosis) 여기서는 표본 왜도와 표본 첨도를 구하는 package:e1071의 skewness 함수와 kurtosis 함수를 살펴본다. 차례 표본 분산 표본 왜도 표본 첨도 표본 분산 먼저 어떤 확률 변수 \(X\) 의 분산은 다음과 같이 구한다. 이는 모집단의 분산이다. 이산형인 경우 : \(\mathbb{V}\text{ar}(X) = \sum{\mathbb{P}(X=x_i)\cdot x_i}\) 연속형인 경우 : \(\int f(X=x) x dx\) 우리가 모집단을 모두 … 왜도와 첨도 계속 읽기