- chain rule
- sum rule:
- product rule:
- relation with Bayes theorem
Evidence 는 다음과 같이 sum 과 product rule 을 동시에 사용하여 계산한다.
Evidence 는 다음과 같이 sum 과 product rule 을 동시에 사용하여 계산한다.
p(X)=Y∑p(X∣Y)p(Y)베이즈 이론 (Bayes theorem) 은 어떤 이벤트가 발생할 확률을 해당 이벤트와 관련될 법한 사전 지식 (prior) 에 의거해 설명하는 방법이다.
event 란 sample space 의 subset 을 의미한다.
The set of all possible outcomes of a statistical experiment is called the sample space and is represented by the symbol S.
Related joint entropy, independence (probability), Bayes theorem Statistic
the conditional probability that \mathrm{y}=y given \mathrm{x}=x as P(\mathrm{y}=y\mid\mathrm{x}=x)
Tags conditional probability
어떤 변수들의 집합에 대한 확률 분포에서, 부분 집합에 대한 확률 분포를 marginal probability distribution 이라고 한다.
P(A)=\sum_{n}P(A,B)=\sum_{n}P\left(A\mid B_{n}\right)P\left(B_{n}\right)
어떤 시행(실험)에서 특정 결과(샘플)가 나올 가능성을 확률 P(A), A \in \mathcal{A}로 표현한다. 다시 말해, 관측값 또는 관측 구간이 주어진 Probability Distribution에서 나타날 가능성의 정도를 의미한다.
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 p))=\int\operatorname{Pr}(W,L\mid p)\operatorname{Pr}(p)dp \mathrm{E} 는 expectation