확률 변수

Random Variables 는 두가지로 구성되어 있다.
1. 이산확률변수 
2. 연속확률변수 : any value 

아산확률분포의 분산 구하기 
Var(X) = sigma( (value - avg)^2 * probability)
-> 표준편차는 루트 씌우기 

두 확률변수의 합의 평균은 -> 두 확률변수의 각각의 평균을 더하면 됨
E(X+Y) = E(X) + E(Y)
두 확률변수의 합으 분산은 그냥 더하기로 구할 수 없음
Var(X+Y) = Var(X) + Var(Y) -> 불가능
but 두 확률분포의 합의 분산은 증가하게된다.  
-> * 두 확률변수가 독립적이라면 두 확률변수의 차의 분산은 두확률분수분산의 합과 같아진다.

표본 크기가 모집단의 10%이고 이것을 복원하지 않고 독립을 가정할 수 있다.

작은 표본 크기가 될수록 독립으로 가정하기가 좋아짐 (표본이 클수록 통계적으로는 좋음 ! 작을수록 좋다는 이야기가 아님)

    - Binompdf
이산확률 분포에서 확률이 x인  값이 m번중 n번 나올 확률
binompdf(m,x,n)
(m)C(n) * x^n * (1-x)^(m-n)
    -  binomcdf
이산확률 분포에서 확률이 x인  값이 m번중 n번 이하가 나올 확률
binomcdf(m,x,n)

    - 베르누이 분포의 평균과 분산 공식
위 사진의 두 분포의 관계를 풀어쓴것 

### 기하변수(Geometric Random Variable)

### 큰 수의 법칙