교재링크(광고 아님): freelec.co.kr/book/인공지능을-위한-수학/
사건(event) : 어떤 작업 시행(experiment)의 결과(outcome)들 중 특정 결과들의 집합(set). event 용어 자체는 단수(singular)지만 집합의 의미이기 때문에 한 event에 속한 결과는 하나 이상이다. 옛 표현으로 '사상(事象)'으로 불렀다고도 하는데, 아마도 이런 집합의 개념 때문인 듯 하다.
경우의 수(number of cases) : 사건의 (집합이므로)원소 개수. 여러 사건이라면 각 개수를 합한다.
확률(probability) : 사건이 일어날 가능성을 수치로 표현한 것. 1이 최대값이고 0이 최소값이다. 확률 공식은 교재와 다르게 한 번 표현해 보았다.
확률=사건의 경우의 수시행으로 나올 수 있는 모든 결과의 경우의 수
조합(combination) : 어떤 원소 n개를 가진 집합에서 아무 원소나 중복 없이 k개를 뽑을 모든 경우의 수. 아래와 같은 공식을 갖는다. (교재와 달리 편하게 계승(factorial)로 표현한다.)
nCk=n!k!(n−k)!
여사건(complementary event) : 특정 사건(들)을 제외한 나머지 사건(들). 집합 개념으로 설명하면 작업 시행으로 나올 수 있는 모든 결과 집합에서 특정 사건(혹은 사건들)을 나타내는 집합을 뺀 것으로 볼 수 있다. 여사건의 원소 개수와 사건의 원소 개수를 합하면 모든 결과의 경우의 수와 같아진다.
사건과 여사건의 확률은 수식으로 표현이 가능한데, 우선 사건 A가 발생할 확률은 아래처럼 표현한다.
P(A)
P(x)를 함수라고 봤을 때 출력은 0~1까지의 실수다.
그리고, A의 여사건은 아래처럼 몇가지 방법으로 표현이 가능한데,
Ac,ˉA,A′,…
수식으로 표현하면
P(ˉA)=1−P(A)
각 사건(event)들은 집합(set)이라고 위에 언급하였다. 그러므로, 사건끼리 교집합이나 합집합이 가능하며, 이 것들의 확률은 사칙연산으로 표현할 수도 있다.
두 개의 사건이 동시(혹은 연속)으로 발생하는 경우는 교집합이 되며, 확률은 곱셈으로 표현 가능하다.
P(A∩B)=P(A)⋅P(B)
두 개의 사건 중 어느 하나라도 일어나는 경우는 합집합이며, 확률은 아래와 같이 사칙연산 표현이 가능하다.
P(A∪B)=P(A)+P(B)−P(A∩B) =P(A)+P(B)−P(A)⋅P(B)
확률은 그 자체로는 개념이 쉬운 편이라 예제라든가 자세한 내용은 생략해도 괜찮을 것 같아서 이만 줄이려 한다.
'Book Study > 인공지능을 위한 수학' 카테고리의 다른 글
4장 확률과 통계(3절:결합확률과 조건부확률) - 기본편 - 인공지능을 위한 수학 (0) | 2020.08.03 |
---|---|
4장 확률과 통계(2절:확률변수와 확률분포) - 기본편 - 인공지능을 위한 수학 (0) | 2020.07.28 |
3장 선형대수(13절:고윳값과 고유벡터) - 기본편 - 인공지능을 위한 수학 (0) | 2020.07.21 |
3장 선형대수(12절:선형 변환) - 기본편 - 인공지능을 위한 수학 (0) | 2020.07.16 |
3장 선형대수(9~11절) - 기본편 - 인공지능을 위한 수학 (2) | 2020.06.28 |