1번 오류:존재하지 않는 것을 존재한다고 생각한다. <div><br> <div>2번 오류:존재하는 것을 존재하지 않는다고 생각한다.</div> <div><br></div> <div>한 개체가 1번과 2번 중 어느 경향을 허용할 때 생존 가능성이 높을까? </div> <div><br></div> <div>차이나는 클라스의 정재승씨는 1번 오류를 허용하는 것이 2번 오류를 허용하는 것보다 생존에 유리하다고 함. </div> <div><br></div> <div>'징크스'는 관련이 없는 것을 관련 지음으로써 발생하는 현상이라고 하고, 여기서 1번 오류와 유사함.</div> <div><br></div> <div>이런 인지 습관은 뇌가 있는 대부분의 생물이 가지고 있는 것임. </div> <div><br></div> <div>스키너의 실험 '비둘기의 미신'은 특정 행동시 먹이가 나오면 비둘기가 특정 행동을 보임을 밝혀내었음. </div> <div><br></div> <div>그러니까 비둘기는 관련 없는 것과 비둘기 식의 인과를 지은 것임. </div> <div><br></div> <div>미신을 믿는 비둘기는 인간의 '수주대토'의 고사랑 비슷한 거 같음. </div> <div><br></div> <div><span style="font-size:9pt;">기본적으로 뇌라는 장치의 기능 중 하나가 어떤 사건과 그 이후에 나온 사건 간의 인과 여부를 통계적으로 파악하는 것이 아닐까 하는 생각이 들게 하는 실험임. 물론 실험의 목적은 그것이 아님. </span></div> <div><span style="font-size:9pt;">동작의 조율도 비슷한 알고리즘으로 작동함. 과녁을 맞추기 위해 활을 쏠 때 여러번 반복을 통한 시행착오를 통해 근육의 조율을 뇌가 행함. 과녁에 도달한 위치라는 결과를 보고 시위를 놓기까지의 행동을 보정함.</span></div> <div><br></div> <div>사건의 원인이 밝혀지지 않아도 인간은 어떤 행위를 하면 병이 낫거나, 시합에 이긴다는 결과가 현실로 나타났기에 자신이 선행했던 행동을 기억하여 재현하는 것일 거임. </div> <div><br></div> <div>그렇게 하기 위해선 연쇄 된 사건의 집합을 기억하고 있어야 함. </div> <div><br></div> <div>결과로서 나타난 사건 이전에 벌어졌던 사건이 무엇인지 알아야 재현이 가능하고 이것은 예측에 반영됨.</div> <div><br></div> <div><br></div> <div><br></div> <div>이걸 수식화하면 조건부 확률 공식인 베이즈 정리가 됨. </div> <div><br></div> <div><span style="font-size:9pt;">병에 걸린 경우의 검사 수치가 베이즈 정리에서 가장 흔히 드는 사례임 </span></div> <div><br></div> <div>몬티홀 딜레마, 라이어 게임 카드 사기 모두 조건부 확률 공식인 베이즈 정리로 설명가능함. 여기 해석이 있습니다. <a target="_blank" href="http://j1w2k3.tistory.com/1009" target="_blank">http://j1w2k3.tistory.com/1009</a></div> <div><br></div> <div><a target="_blank" href="http://todayhumor.com/?phil_13613" target="_blank"><font color="#ffffff">http://todayhumor.com/?phil_13613</font></a></div> <div><font color="#000000"><br></font></div> <div><br></div> <div>1.우선 베이즈 정리 설명을 해봅시다. 실은 우리가 병 검사 받으면서 흔히 접하는 사례임.</div> <div><br></div> <div>사건 a 가 일어난 후 벌어진 사건 b 가 있음. </div> <div><br></div> <div>예: a:병에 걸린다. ->b:어떤 검사에 양성을 보인다. </div> <div><br></div> <div><span style="font-size:9pt;">이 경우 특정 검사에서 양성 반응을 보인 사람이 실제 병에 걸렸을 확률은? </span></div> <div><br></div> <div>p(a l b)=양성 반응을 보인 사람 중 병에 걸린 사람이 나올 확률을 구하면 됨.</div> <div><br></div> <div>문제는 위양성률:병에 안걸렸는데 양성 반응을 보이는 사람이 나올 가능성</div> <div> 위음성률:병에 걸렸는데 음성반응을 보이는 사람 </div> <div> 진양성률:병에 걸리고 양성반응을 보이는 사람</div> <div> 진음성률:병에 안걸리고 음성반응을 보이는 사람</div> <div><br></div> <div>도 있다는 점임. 이것은 검사 수단에서 미리 매뉴얼로 제시됨. 해당 검사 수단의 한계가 됨.</div> <div> </div> <div>공식은 p(a l b)= p(a)p(b l a)/ p(b)= 유병률x진양성/(위양성+진양성) =유병률x진양성률/총양성반응률</div> <div><br></div> <div>이거 설명 잘 되어 있음.</div> <div><a target="_blank" href="http://se2n.com/study/io/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5/79" target="_blank">http://se2n.com/study/io/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5/79</a></div> <div><br></div> <div>그러니까 에이즈 검사에서 양성 반응 나왔다고 호들갑 떨 필요가 없음. </div> <div><br></div> <div>그럼 위 공식을 징크스 이론에 응용해봅시다.</div> <div><br></div> <div><br></div> <div><span style="font-size:13px;"> P(A|B) = P(B|A) P(A) / P(B)</span></div> <div><pre style="font-size:13px;">A : 원인 또는 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=627&id=603" title="가설(Hypothesis) 또는 가정(Assumption) 이란? ㅇ 논리적 추론 과정의 전제가 되는 명제 ㅇ 과학적 가설 (Scientific Hypothesis) - 어떤 자연 현상에 대해 아직 공식적인 실증이 없으나 이를 설명" style="color:#000080;" target="_blank">가정</a>(Hypothesis) </pre><pre style="font-size:13px;">B : 관찰 또는 관측(Observation) </pre><pre style="font-size:13px;">P(A|B) : B가 관측됐을때 그 원인이 A일 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3731&id=1000" title="조건부 확률 (Conditional Probability) ㅇ 어떤 좁혀진 조건 하에서 발생 확률 ※ 한편, 조건부 확률에 대한 또다른 해석에 대해서는, ☞ 우도, 베이즈 통계 참조 - 조건(부분을 전체로 간주)에" style="color:#000080;" target="_blank">조건부 확률</a>(<a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." style="color:#000080;" target="_blank">사후 확률</a>) A의 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3731&id=1000" title="조건부 확률 (Conditional Probability) ㅇ 어떤 좁혀진 조건 하에서 발생 확률 ※ 한편, 조건부 확률에 대한 또다른 해석에 대해서는, ☞ 우도, 베이즈 통계 참조 - 조건(부분을 전체로 간주)에" target="_blank" style="font-family:'굴림';color:#000080;">조건부확률</a><span style="font-family:'굴림';"> </span></pre><pre style="font-size:13px;"><span style="font-family:'굴림';"> 또는 B라는 특정값에 의한 </span><a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." target="_blank" style="font-family:'굴림';color:#000080;">사후 확률</a><span style="font-family:'굴림';"> (Posteriori) </span></pre><pre style="font-size:13px;">사건 B가 일어났다는 것을 알고, 그것이 원인 A로부터 일어난 것이라고 생각되는 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3731&id=1000" title="조건부 확률 (Conditional Probability) ㅇ 어떤 좁혀진 조건 하에서 발생 확률 ※ 한편, 조건부 확률에 대한 또다른 해석에 대해서는, ☞ 우도, 베이즈 통계 참조 - 조건(부분을 전체로 간주)에" style="color:#000080;" target="_blank">조건부확률</a> </pre><pre style="font-size:13px;">P(B|A) : A가 주어졌을 때의 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3731&id=1000" title="조건부 확률 (Conditional Probability) ㅇ 어떤 좁혀진 조건 하에서 발생 확률 ※ 한편, 조건부 확률에 대한 또다른 해석에 대해서는, ☞ 우도, 베이즈 통계 참조 - 조건(부분을 전체로 간주)에" style="color:#000080;" target="_blank">조건부확률</a> (<a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3214&id=602" title="우도 (Likelihood, 尤度, 가능성/가능도) ㅇ 나타난 결과에 따라 여러 가능한 가설들을 평가할 수 있는 측도(Measure)임 - 확률적으로 조건부확률로 표현할 수 있음 ㅇ 우도의 의미 -" style="color:#000080;" target="_blank">Likelihood</a>,<a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3214&id=602" title="우도 (Likelihood, 尤度, 가능성/가능도) ㅇ 나타난 결과에 따라 여러 가능한 가설들을 평가할 수 있는 측도(Measure)임 - 확률적으로 조건부확률로 표현할 수 있음 ㅇ 우도의 의미 -" style="color:#000080;" target="_blank">우도</a>) A 하에서 B의 발생 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1644&id=589" title="확률 (Probability) ㅇ 어떤 사건[확률]이 일어날 가능성의 측도(measure,측량 단위) => 수(數)로써 나타낸 것 - 상대적 비율로써 표현될 수 있음 . 즉, 어떤 현상이 일어날 가능성을" target="_blank" style="font-family:'굴림';color:#000080;">확률</a><span style="font-family:'굴림';"> </span></pre><pre style="font-size:13px;">P(A) : A의 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." style="color:#000080;" target="_blank">사전확률</a> (Priori) . A의 성립 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1644&id=589" title="확률 (Probability) ㅇ 어떤 사건[확률]이 일어날 가능성의 측도(measure,측량 단위) => 수(數)로써 나타낸 것 - 상대적 비율로써 표현될 수 있음 . 즉, 어떤 현상이 일어날 가능성을" style="color:#000080;" target="_blank">확률</a> </pre><pre style="font-size:13px;">P(B) : B의 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." style="color:#000080;" target="_blank">사전확률</a> (Evidence) . B의 성립 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1644&id=589" title="확률 (Probability) ㅇ 어떤 사건[확률]이 일어날 가능성의 측도(measure,측량 단위) => 수(數)로써 나타낸 것 - 상대적 비율로써 표현될 수 있음 . 즉, 어떤 현상이 일어날 가능성을" style="color:#000080;" target="_blank">확률</a></pre><pre style="font-size:13px;"><br></pre><pre style="font-size:13px;">사례:슬럼프 중 홈런을 친 어떤 타자. 며칠 간 원정 경기로 속옷도 못 갈아 입음. 그런데...</pre><pre style="font-size:13px;">B:슬럼프가 지속되는데 갑자기 홈런을 친다.</pre><pre style="font-size:13px;">A:일주일 속옷을 안 갈아 입었다.</pre><pre style="font-size:13px;">A->B: 일주일 속옷을 안 갈아 입으면 홈런을 친다. </pre><pre style="font-size:13px;">두뇌 속 연산: P(A l B): 홈런을 쳤을 때 여러 추정되는 원인 중에서 </pre><pre style="font-size:13px;"> 속옷을 안 갈아입은 것이 원인일 확률을 계산함.</pre><pre style="font-size:13px;">P(A):일주일 간 속옷을 안 갈아 입었을 확률</pre><pre style="font-size:13px;">P(B):홈런 칠 확률</pre><pre style="font-size:13px;"><br></pre></div> <div><pre style="font-size:13px;"><b>베이즈 정리로부터, <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." target="_blank">사후확률</a>의 계산</b> </pre><pre style="font-size:13px;">ㅇ (관측 결과를 살펴봄으로써,) <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." target="_blank">사전확률</a>을 </pre><pre style="font-size:13px;"><a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." target="_blank">사후확률</a>로 전환할 수 있음 => <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=5792&id=887" title="`기존 통계학`과 `베이즈 통계학` 차이점 ㅇ 기존 통계학 : 모집단을 변하지 않은 대상으로 봄 - 모집단에 대해 규정시킨 확률분포 또는 모수를 출발점으로 삼음 ㅇ 베이즈 통계학 :" target="_blank">베이즈 갱신</a> </pre><pre style="font-size:13px;"><br></pre><pre style="font-size:13px;"> ㅇ <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." target="_blank">사후확률</a> 계산식 </pre><pre style="font-size:13px;"> - X : 관측 결과 </pre><pre style="font-size:13px;">- Θ<sub>j</sub> : <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1699&id=203" title="분류 및 군집화 ㅇ 분류 (Classification, Categorization) - 주어진 데이터를 어떤 부류(분류 범주,분류 영역,클래스,카테고리)에 속하는지를 판단하는 것 ㅇ 군집화 (Clustering) - 주어진" target="_blank">분류 범주</a> / <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1699&id=203" title="분류 및 군집화 ㅇ 분류 (Classification, Categorization) - 주어진 데이터를 어떤 부류(분류 범주,분류 영역,클래스,카테고리)에 속하는지를 판단하는 것 ㅇ 군집화 (Clustering) - 주어진" target="_blank">분류 영역</a> / 카테고리 </pre><pre style="font-size:13px;">. 즉, <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1661&id=1342" title="[통계] 모수 (Population Parameter) ㅇ 모집단의 특성치 - 모집단 분포 특성을 규정짓는 척도 . 관심의 대상이 되는 모집단의 대표값(참값) . 例) 모 평균, 모 분산[통계], 모 비율," target="_blank">모수</a>를 미지의 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1766&id=1330" title="`랜덤 변수` 또는 `확률 변수` 이란? ㅇ 확률 실험에서 나올 수 있는 모든 결과를 대변(代辯)하는 변수임 - 표본공간 상의 각 원소(표본)에 숫자를 부여할 수 있도록 수량화한 것 ㅇ" target="_blank">확률변수</a>로 보고, 이것의 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1635&id=593" title="확률 모델/확률 모형 (Probability Model) ㅇ 랜덤한 또는 확률적 현상에 대한 수학적 모형화 - 확률 계산을 가능케하기 위한 수학적 규칙이 필요 ☞ 확률 공리 참조 ㅇ 확률적으로 모델을" target="_blank">확률분포</a>를 찾으려는 것 임 </pre><pre style="font-size:13px;">- P[Θ<sub>j</sub>] : <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." target="_blank">사전확률</a> (<a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." target="_blank">Priori Probability</a>) </pre><pre style="font-size:13px;">. 사건 발생 전에 이미 가지고 있는 사전 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1727&id=537" title="지식 ㅇ 단편적인 데이터 또는 정보들의 축적 이상의 것 - 정보를 의사결정이나 행동양식으로 바꿀 수 있게 하는 자원 . 단순 정보를 적절한 노하우(know-how)나 노화이(know-why)로 연결," target="_blank">지식</a> </pre><pre style="font-size:13px;">- P[Θ<sub>j</sub>|X] : <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." target="_blank">사후확률</a> (<a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." target="_blank">Posteriori Probability</a>)</pre><pre style="font-size:13px;">. 관측 결과로부터 어떤 원인에 의해 출현한 것이라고 생각(<a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1769&id=602" title="추정 (Estimation) ㅇ 직접 관측할 수 없는 값들에 대해 관측가능한 변수들을 통해 추정하는 것 - 이용가능한 데이터(관측값,샘플값)로부터 알려지지 않은 어떤 값(모수)을 예측/추정 함" target="_blank" style="font-family:'굴림';">추정</a><span style="font-family:'굴림';">)되는 </span><a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3731&id=1000" title="조건부 확률 (Conditional Probability) ㅇ 어떤 좁혀진 조건 하에서 발생 확률 ※ 한편, 조건부 확률에 대한 또다른 해석에 대해서는, ☞ 우도, 베이즈 통계 참조 - 조건(부분을 전체로 간주)에" target="_blank" style="font-family:'굴림';">조건부확률</a><span style="font-family:'굴림';"> </span></pre><pre style="font-size:13px;">- P[X|Θ<sub>j</sub>] : <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3731&id=1000" title="조건부 확률 (Conditional Probability) ㅇ 어떤 좁혀진 조건 하에서 발생 확률 ※ 한편, 조건부 확률에 대한 또다른 해석에 대해서는, ☞ 우도, 베이즈 통계 참조 - 조건(부분을 전체로 간주)에" target="_blank">조건부확률</a> (<a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3214&id=602" title="우도 (Likelihood, 尤度, 가능성/가능도) ㅇ 나타난 결과에 따라 여러 가능한 가설들을 평가할 수 있는 측도(Measure)임 - 확률적으로 조건부확률로 표현할 수 있음 ㅇ 우도의 의미 -" target="_blank">Likelihood</a>, <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3214&id=602" title="우도 (Likelihood, 尤度, 가능성/가능도) ㅇ 나타난 결과에 따라 여러 가능한 가설들을 평가할 수 있는 측도(Measure)임 - 확률적으로 조건부확률로 표현할 수 있음 ㅇ 우도의 의미 -" target="_blank">우도</a>)</pre><pre style="font-size:13px;">. 나타난 결과 마다 다른 값을 갖는, 여러 가능한 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=627&id=603" title="가설(Hypothesis) 또는 가정(Assumption) 이란? ㅇ 논리적 추론 과정의 전제가 되는 명제 ㅇ 과학적 가설 (Scientific Hypothesis) - 어떤 자연 현상에 대해 아직 공식적인 실증이 없으나 이를 설명" target="_blank" style="font-family:'굴림';">가설</a><span style="font-family:'굴림';">들을 평가할 수 있는 </span><a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3731&id=1000" title="조건부 확률 (Conditional Probability) ㅇ 어떤 좁혀진 조건 하에서 발생 확률 ※ 한편, 조건부 확률에 대한 또다른 해석에 대해서는, ☞ 우도, 베이즈 통계 참조 - 조건(부분을 전체로 간주)에" target="_blank" style="font-family:'굴림';">조건부확률</a><span style="font-family:'굴림';"> </span></pre><pre style="font-size:13px;">- : 증거(Evidence) <= <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4396&id=589" title="ㅇ 전체 확률의 정리(법칙) - 나중에 주어지는 사건 A의 확률을 구할 때, . 그 사건의 원인을 여러가지로 나누어서, . 각 원인에 대한 조건부 확률 P(A|Bi)과 그 원인이" target="_blank">전체 확률의 정리</a> 임 </pre><pre style="font-size:13px;">. P[X]는, <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=4215&id=887" title="사전 확률, 선험적 확률 (Priori Probability) ㅇ 실제 확률 실험 시행 전에(관측전에), 사건 발생에 대해 이미 알고 있는 확률 - 현재 가지고 있는 정보를 기초로하여 정하는 초기 확률 ." target="_blank">사후확률</a>의 계산에는 필요한 값이나, <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1784&id=601" title="추론 (Inference, 또는 Deduction, Reasoning) ㅇ 이미 알고 있는 사실이나 명제를 토대로 결론을 이끌어 내는 사고 과정 ㅇ 추론 방식으로는, - 크게, 논리적 추론(연역법적 추론,귀납법적 추론" target="_blank">추론</a>/결정/판정에 영향을 미치지 않는 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=5773&id=1352" title="정규화(Normalization), 정규성(Normality) ㅇ [일반] - 크기를 1로 규격화시키는 것 또는 비정상적인 특이점의 제거 등을 의미 ㅇ [DB] - 중복을 최소화시키는 DB 구조 설계 프로세스 ㅇ" target="_blank">정규화</a>된 <a target="_blank" href="http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=3072&id=508" title="상수 이란? ㅇ 상수는 변하지 않는 값, 불변의 값, 고정된 스칼라량 ㅇ 전산상에서는, 프로그램이 실행되는 동안 변하지 않는 데이터" target="_blank">상수</a>로 취급됨</pre></div> <div><br></div> <div><br></div> <div><br></div> <div>이런 연구(추정의 이론을 베이즈 정리에 응용) 를 한 사람들이 꽤 되던데, 위에 것들은 그냥 정리 되지 않은 제 생각임. </div> <div><br></div> <div><br></div> <div><br></div> <div> </div></div>
댓글 분란 또는 분쟁 때문에 전체 댓글이 블라인드 처리되었습니다.