AI를 위한 필수 수학

75

Chapter 2 -

데이터, 데이터, 또 데이터

NOTE

가능도 분포가 아닌 가능도 함수

우리가 가능도

likelihood

를 분포가 아닌 함수로 표현하는 이유는 확률 분포의 경우 합이 항상

1

이 되어야 하지

만(연속 확률 변수의 경우 적분했을 때

1

이 되어야 함) 가능도 함수는 결과들의 합이 반드시

1

이 되지 않기

때문이다(연속 확률 변수의 경우에도 적분한 값이

1

이 되지 않을 수 있음).

2.8.8

혼합 분포

여러 확률 분포를 혼합하여 혼합 분포를 생성할 수도 있다. 가우스 혼합 모델

gaussian

mixture

model

은 꽤나 유명하다. 앞서 살펴본 남성과 여성의 키에 대한 예시 데이터는 가우스 혼합의 좋은 예

라고 할 수 있다.

2.8.9

확률 변수의 합과 곱

단순한 분포에서 샘플링한 확률 변수를 더하거나 곱해 좀 더 복잡한 분포 따르는 새로운 확률

변수를 생성하여 새로운 사건을 나타낼 수 있다. 여기서 자연스럽게 떠오르는 질문은 ‘확률 변

수의 합 또는 곱의 분포가 어떻게 되는가’이다.

2.8.10

그래프를 활용한 결합 확률 분포의 묘사

방향성 그래프와 비방향성 그래프(다이어그램 )를 사용하여 결합 확률 분포의 구성 요소를 효

율적으로 분해할 수 있다. 그러면 훨씬 더 간편하게 계산할 수 있다. 이 부분에 관해서는 나중

에 자세히 살펴보자.

로 하는지에 따라 ...