확률이론

우리가 아는 확률확률 = 특정한 경우의 수 / 총 경우의 수이때의 경우의 수: 길의, 면적, 부피 등의 물리적인 값총 경우의 수를 구하기 어려운 환경에서는 다른 의미로 확률이라는 의미를 정의해야됨무작위랜덤 으로 나타나는 어떤 현상이 발생하거나 존재할 가능성의 크기를

1. 조건부 확률이란? P(A|B) B 사건에 속하는 Random 사건일 때, 동시에 A 사건에도 속하는 사건일 확률 B: 새로운 축소된 표본 공간 ❗️~일때 ~일 확률 = 조건부 확률 🏷️ 조건부 확률은 딥러닝, 실제 데이터 분석에 많이

서로 중복되지 않는(배반, mutually exclusive) 부분 집합(사건)으로 전체 집합을 분할서로 중복되지 않는 경우로 표본 공간을 분할하고, 조건부 확률을 이용하여 특정한 사건의 확률을 계산어떤 집합으로 분할?조건부 확률 설정 가능?

1. 베이즈 정리 조건부 확률을 구할 수 있는 대상으로 조건부 확률 구조를 변환

누적분포함수 - Cumulative Distribution Function(CDF) 확률 변수가 특정 값 이하일 확률을 나타내는 함수, 특정 값까지의 확률을 누적해서 더한 값 특정 값은 sample space에 없는 값도 가능 * non-decreasing functi

Moment 확률변수 X의 값들을 어떤 기준에서 얼마나 떨어져 있는지 측정하는 값 1st order moment = Mean 2nd order central moment = Variance $$ \text{Var}(X) = E[X^2] - E[X]^2 $$ 평균

1. 균등분포 (Uniform Distribution) 균등분포는 모든 값이 동일한 확률로 발생하는 분포이다. 즉, 주어진 구간 내에서 모든 값이 같은 확률을 가지는 분포를 의미한다. 확률변수 \( X \) 가 구간 \( [a, b] \) 에서 균등하게 분포하면: