AI를 위한 필수 수학

471

Chapter 11 -

확률

확률에 대한 내용을 모두 다루려면 각 주제마다 책 한 권 분량이 필요하다. 따라서 여기서는 다

음 세 가지 기준에 포함되는 내용들만 다룬다.

1

확률과 관련하여 이 책에서 이미 사용한 개념

2

학창 시절 확률 이론에서 가장 혼란스러웠던 부분(

예

확률을 계산할 때 왜 측도론

measure

theory

이 필요한가? )

3

인공지능 애플리케이션을 위해 확률 이론에서 추가로 알아야 할 내용

11.1

이 책에서 확률을 사용한 부분

이 책에서 확률 개념을 사용하거나 확률적 방법에 의존했던 부분을 간략하게 나열해보려

고 한다. 우리는 이 목록을 인공지능을 위한 필수 확률 이론으로 간주할 것이다. 사전 확률

prior

probability

은 데이터나 증거를 관찰하기 전이기 때문에 무조건적이다. 반면 사후 확률

posterior

probability

은 데이터를 관찰한 후의 값에 따라 결정되므로 조건부 확률이라는 점을 명심하자. 특

정 사건에 대한 우리의 믿음이 새로운 증거 자료를 수집한 후에 바뀌는 것은 당연하다. 일반적

으로 관련된 모든 변수들의 결합 확률 분포

joint

probability

distribution

를 원하지만 규모가 너무 크고

이를 완전히 구축하는 데 필요한 정보를 항상 구할 수 있는 것은 아니다.

이 책에서 확률을 사용한 부분의 ...