어떤 변수들의 집합에 대한 확률 분포에서, 부분 집합에 대한 확률 분포를 marginal probability distribution 이라고 한다.
예시
를 안다고 가정할 때, sum rule 에 의해 을 구할 수 있다
For continuous variables,
1 min read
어떤 변수들의 집합에 대한 확률 분포에서, 부분 집합에 대한 확률 분포를 marginal probability distribution 이라고 한다.
P(x,y) 를 안다고 가정할 때, sum rule 에 의해 P(x) 을 구할 수 있다
∀x∈x,P(x=x)=y∑P(x=x,y=y)For continuous variables, p(x)=∫p(x,y)dy
marginalization
정리 (다른 이름으로는 marginalization) 이산형 경우
a marginal likelihood function, or integrated likelihood, is a likelihood function in which some parameter variables...
p(x): marginal distribution of the first random variable
... that there is no known polynomial-time algorithm to calculate them exactly. Related product rule, marginal distribution
a marginal likelihood function, or integrated likelihood, is a likelihood function in which some parameter variables have been marginalized. i.i.d.
정리 (다른 이름으로는 marginalization) 이산형 경우 P(A)=\sum {n}P(A,B)=\sum {n}P\left(A\mid B {n}\right)P\left(B {n}\right) 연속형 경우 \displaystyle p(x)=\int {y}p(x,y)dy=\int {y}p(x\mid...
Tags: law of total probability 응용 Bayes theorem P(X\mid Y)=P(X,Y)/P(Y) marginalization \displaystyle\operatorname{Pr}(W,L)=\mathrm{E}(\operatorname{Pr}(W,L\mid...
\displaystyle p(\boldsymbol{x})=\begin{cases}\displaystyle\sum {\boldsymbol{y}\in\mathcal{Y}}p(\boldsymbol{x}, \boldsymbol{ y })&\text{if} \ \boldsymbol{y} \ \text{is...
p(\boldsymbol{x},\boldsymbol{y})=p(\boldsymbol{y}\mid\boldsymbol{x})p(\boldsymbol{x})=p(\boldsymbol{x}\mid\boldsymbol{y})p(\boldsymbol{y}) p(\boldsymbol{x}): marginal...
많은 변수에 대한 확률 분포를 joint probability distribution 이라고 한다.
Discrete 확률 분포 we use discrete probability distributions to model categorical variables. i.e., variables that take a finite set of unordered values.
사후 예측 분포 (posterior predictive distribution) 는 관측된 데이터를 조건으로 했을 때 관측될 가능성이 있지만 관측되지 않은 데이터에 대한 분포를 의미한다 p\left(x {new}\mid\mathbf{x}\right)=\int {\Theta}p\left(x...
다항분포 (multinomial distribution) 란, 여러 개의 값을 가질 수 있는 독립 확률변수들에 대한 확률분포를 의미한다. 예를 들어, k 면을 가진 주사위를 n 번 굴렸을 때, 각 면이 나타날 수 있는 횟수에 대한 확률을 모델링 할 수 있다.
Unimodal 분포란 unimodal 확률 분포는 하나의 peak(mode)를 가지는 확률 분포를 의미합니다. mode의 개수에 따라 bimodal(두 개), trimodal(세 개) 등으로도 구분됩니다.