A라는 특정 확률 변수에 대해, 모든 가능한 이벤트의 총 확률은 1이다
👀 2개의 변수를 고려 한다면 ( 와 ), 두 변수가 연관이 있는 경우, 가 일어난 상황에서의, 에 대한 확률 는, 의 형태로 표현
c.f. 반대로 연관이 없는 경우에는 가 일어난 상황에서, 에 대한 확률 는
즉, A의 모든 확률은 주어진 에 대해서, 각각 일어날 확률의 총합
다른 이벤트가 일어난 상황에서의 조건
e.g. B라는 정보가 주어진 상황에서 A의 확률 = B와의 교집합들의 합으로 구성
베이지안: 기존에 있던 데이터에 새로운 데이터가 추가되었을 때, 선택을 업데이트 하는 것
👀 B라는 새로운 정보가 들어왔을 때, 우리가 알고있었던 A라는 지식을 업데이트할 수 있다
👀 사전확률을 바탕으로 사후확률을 업데이트: 추가정보가 많아질수록 우리가 말하고자 하는 모델은 점점 정교해짐
데이터에 접근하는 관점에서 차이가 있음
Bayesiansim | Frequentism |
---|---|
새로운 정보 -> 기존을 업데이트 | 기존 정보를 바탕으로 가설 세우고, 판단 |