Sum Rule (합의 법칙) 완벽 정리: Marginal 확률을 구하는 핵심 원리

결합확률 주변확률 2

Sum Rule이란? 이번 글에서는 Sum rule (합의 법칙)에 대해서 살펴보겠습니다. ​ 우리는 이전에 Joint probability 와 Marginal probability를 살펴봤습니다. Joint probability는 동시에 일어날 확률입니다. 행렬 예시에서는 특정한 행과 열을 가지는 칸을 선택할 확률입니다.​ ​​ ​ Marginal probability는 다른 확률 변수는 무시하는 확률입니다. 행렬 예시에서는 특정한 열을 가지는 칸을 선택할 확률입니다. ​ 행은 신경 쓰지 않습니다. … Read more

Product Rule (곱의 법칙) 완벽 이해: 조건부 확률로 결합 확률 계산하기

예시문제4

Product Rule이란 무엇인가? 이번 글에서는 Product rule (곱 규칙)에 대하여 살펴보겠습니다. 식을 먼저 보겠습니다. ​ xi를 뽑는 Marginal probability에 xi를 뽑은 뒤 yi를 뽑는 Conditional probability를 곱하고 있습니다. ​ 이 2가지의 확률이 동시에 발생할 확률 (Joint probability)는 ​Conditional probability x Marginal probability두 확률의 곱하고 동일합니다. ​ 이것이 Product rule (곱 규칙)입니다. 여기서 조건부 확률은 이렇게 … Read more

Conditional Probability(조건부 확률) 쉽게 이해하기: 조건이 주어진 상황에서의 확률

조건부확률

Conditional Probability(조건부 확률)이란? 이번 글에서는 Conditional probability (조건부 확률) 에 대하여 살펴보겠습니다. ​ Conditional probability는 이미 발생한 어느 event 에서 다른 event 가 일어날 확률 입니다. ​ 설명이 어려운데 예시를 살펴보겠습니다. 열을 선택하는 Event가 이미 일어난 뒤 행을 선택하는 Event 가 일어날 확률입니다. ​ 따라서 하나의 열이 선택됬을 때가능한 경우의 수는 ci = 3 입니다. … Read more

Marginal Probability(주변 확률) 쉽게 이해하기: 단일 사건의 확률 구하기

주변확률 식

Marginal Probability(주변 확률)이란? 이번 글에서는 Marginal probability (주변 확률) 에 대하여 살펴보겠습니다. ​ Marginal probability는 다른 event의 결과에 상관없이 하나의 event 결과만 만족하는 확률입니다. ​ 하나의 Random Variable만 고려한다는 의미 설명이 어려운데 예시를 살펴보겠습니다. 보시면 오로지 열을 선택하는 Event의 결과만 만족하면 됩니다. ​ Random variable X는 열(Column)의 값입니다. ​ 즉 행(row)의 값은 저희의 고려 대상이 … Read more

Joint Probability(결합 확률) 완전 정복: 예제로 이해하는 다중 사건의 확률

결합확률 1

결합 확률(Joint Probability)이란? 이번 글에서는 Joint probability (결합 확률) 에 대해 알아보겠습니다. 두 개의 Random variable이 동시에 만족하는 확률을 의미합니다. 우리는 Random variable 은 어떠한 event 를 그냥 정의한 것 이라고 했습니다. ​ event 가 2개가 있고 동시에 만족하면 Joint probability 입니다. Joint Probability의 예시 ​ 예시를 보겠습니다. 그림과 같이 Matrix (행렬)이 있습니다. ​ 어떤 … Read more

Discrete Random Variable (이산 확률 변수) and Probability Mass Function (확률 질량 함수)

이산확률변수 1

이산 확률 변수란 무엇인가? 이번 글에서는 Discrete Random Variable (이산확률변수) 와 Probability Mass Function (확률질량함수) 를 같이 살펴보겠습니다. 이전까지 우리는 Continuous (연속) Random Variable (확률변수) Continuous Random Variable (연속확률변수) Probability Density Function (확률밀도함수) 모두 살펴봤었습니다. ​ 제가 왜 확률과 통계에서 용어의 확실한 이해가 중요하다고 했는지 슬슬 느껴지실 것 같습니다. ​ 용어 자체도 비슷비슷하고 그 안의 … Read more

Continuous Random Variable (연속확률변수) and Probability Density Function (확률밀도함수)

연속확률변수1

연속 확률 변수란? 이번 글에서는 Continuous Random Variable (연속확률변수) + Probability Density Function (확률밀도함수) 에 대해 알아보겠습니다. ​ 매우 밀접한 관련이 있기 때문에 같이 살펴보겠습니다. 사실, 우리는 이미 Continuous (연속) 와 Random Variable (확률변수) 모두 살펴봤었습니다. 이 두 용어를 이해하시고 ​ ‘음~ Continuous Random Variable 은 대충 ~~ 느낌이겠군’ ​ 이 되시면 정말 훌륭하신 겁니다. … Read more

Random Variable(확률 변수)란? 예제로 쉽게 이해하는 확률 개념

확률 변수 1 2

확률 변수란 무엇인가? 이번 글에서는 Random variable (확률 변수) 에 대하여 살펴보겠습니다. ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ 어이가 없습니다. 무슨 말인지 전혀 모르겠습니다. 예시: 동전 던지기와 확률 변수 ​ 바로 예시를 살펴보겠습니다. ​ 동전을 던지겠습니다. ​ (앞면, 뒷면)2가지의 events 가 있습니다. ​ 이걸 확률로 나타내기 위해서는 P(동전이 앞면으로 낙하) = 1/2 P(동전이 뒷면으로 낙하) = 1/2 ​ 이런 식으로 … Read more

Probability(확률)이란? 주사위 예제로 쉽게 이해하는 확률의 개념

다운로드

확률의 정의: P(A) = 사건 A가 일어날 확률 이번 글에서는 정말 중요한 확률에 대해 알아보겠습니다. 우리는 Sample space 와 Event에 대한 튼튼한 개념이 있습니다. Sample space(전체 경우의 수)와 내가 정의한 Event(사건)를 만족하는 수를 알 수 있다면 ​ P(A) = Event 가 일어날 확률을 구할 수 있습니다. ​ P() = 확률 A = 내가 정의한 Event … Read more

Event(사건)란? 확률 개념을 쉽게 이해하는 주사위 예시

Event란 무엇인가? 이번 글에서는 Event에 대하여 알아보겠습니다. 복잡합니다. ​ 예시로 의미를 파악해 보겠습니다. Event는 내가 정의한 조건의 결과 집합 우리는 주사위의 Sample space를 살펴봤었습니다. ​ S={1,2,3,4,5,6} 입니다. Event 가 주사위를 던져서 나올 수 있는 수 라고 정의된다면 ​ 1도 Event 2도 Event 3도 Event 4도 Event 5도 Event 6도 Event입니다. ​ Event 가 주사위를 던져서 … Read more