일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- 오블완
- docker
- aiffel exploration
- HookNet
- vscode
- Jupyter notebook
- 백신후원
- airflow
- WSSS
- 코크리
- 티스토리챌린지
- IVI
- 사회조사분석사2급
- AIFFEL
- CellPin
- numpy
- docker attach
- 히비스서커스
- Decision Boundary
- ssh
- 기초확률론
- docker exec
- GIT
- 도커
- cocre
- Pull Request
- 프로그래머스
- logistic regression
- cs231n
- Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images
- Today
- Total
히비스서커스의 블로그
[기초확률론 1] 확률실험, 표본공간, 사건 본문
기초확률론 첫번째 포스팅으로 확률실험, 표본공간, 사건에 대해 알아보겠습니다.
확률에 대해서 배워야 하는 이유는 뭘까?
우리나라 사람들의 평균 키를 알고 싶다고 해봅시다. 정확하게 조사하려면 우리나라 사람들 전체의 키를 조사한 후 평균을 내야할 것입니다.
하지만, 이는 현실적으로 매우 어려운 일입니다. 좋은 방법이 있다면, 몇 명을 뽑아 그들의 키를 평균한 값으로 추측하는 것이 좋은 방법일 것입니다. 그렇다면 어떤 방법으로 몇 명을 뽑아낼 수 있을까요? 여기서 확률의 개념이 들어갑니다. 자세한 내용은 표본설계에 관한 내용이므로 생략하겠습니다.
확률실험
먼저 확률을 측정할 수 있는 확률실험을 정의하려면 다음과 같은 3가지 전제가 필요합니다. (주사위를 1번 던져 나오는 눈의 수를 확인하는 실험을 확률실험의 예로 들겠습니다.)
- 확률을 나중에 측정해야 하므로 실험의 결과를 알 수 있어야 한다. (주사위 눈의 결과가 1,2,3,4,5,6 중 하나가 나올 것이다.)
- 하지만 측정하기 전까지는 그 결과를 알 수 없다. (주사위를 던지기 전까지 알 수 없다.)
- 그리고 동일한 조건에서 반복이 가능해야 한다. (주사위가 변형되지 않는 한 반복하여 던질 수 있다.)
정리하자면 실험에 모든 결과를 알 수 있으나 실제 실험을 하기 전에는 결과를 알 수 없고 동일한 조건에서 반복할 수 있는 실험을 확률실험이라 할 수 있습니다.
표본공간, S = {}
또한, 확률실험이 일어났을 때 나올 수 있는 결과들의 집합을 표본공간이라 합니다. (주사위를 던져 나올 수있는 1, 2, 3, 4, 5, 6)
집합의 개념을 자세하게 설명하면 다음과 같습니다.
- 객관적인 (= 누가 판단하여도 동일한 결과를 낳는) 조건을 만족하는 대상들의 모임 (ex. 키가 180cm 이상인 사람들의 모임)
집합을 나타내는 방법은 원소나열법과 조건나열법이 존재합니다. 주사위를 두 번 던져 나오는 결과의 집합을 나타내보면 다음과 같습니다.
- 원소나열법: $$ S = \left \{ (1,1), (1,2), (1,3), (1,4),(1,5),(1,6), (2,1), ... , (6,6) \right \} $$
- 조건나열법: $$ S = \left \{ (i,j) | 1\leq i\leq 6, 1\leq j \leq 6 \right \} $$
집합에서 원소란 객관적인 조건을 만족하는 대상 하나하나를 말하는 것이며
부분집합이란 전체 집합의 일부분의 집합을 말하는 것입니다.
집합의 기본연산은 다음과 같습니다.
합집합: (읽는 방법 : A union B) $$ A \cup B $$
차집합: (읽는 방법 : A intersection B) $$ A \cap B $$
여집합: (읽는 방법: A complement) $$ A^{c} $$
* 드모르간의 법칙
두 사건 E와 F의 union의 complement는 각 사건 E와 F의 complement의 intersection이다.
$$(E \cup F)^{c} = E^{c} \cap F^{c}$$
* $\subset$ 와 $\in$
표본공간 S의 부분집합을 A, A의 원소를 a라 한다면
$$A \subset S$$
$$a \in A$$
사건
사건(E)은 표본공간(S)의 부분집합을 말합니다. $E \subset S$
사건 A가 일어난다.
<=> 사건 A 중에서 원소 하나가 나온다.
EX) 주사위를 한 번 던졌을 때 3의 배수가 나오는 사건을 A라 하면 A = {3, 6}이고
주사위를 한 번 던졌을 때 3이 나오면, 사건 A가 일어났다고 하는 것입니다.
2021.01.08
- 히비스서커스 -
'Theory > Statistics' 카테고리의 다른 글
[기초확률론 6] 확률변수와 확률분포함수 (2) | 2021.02.12 |
---|---|
[기초확률론 5] 독립사건 (0) | 2021.02.05 |
[기초확률론 4] 조건부확률, 곱셈법칙, 베이즈 정리 (0) | 2021.01.29 |
[기초확률론 3] 확률측도의 성질, 균등확률결과를 갖는 표본공간 (0) | 2021.01.22 |
[기초확률론 2] 확률측도와 확률, 확률측도의 부여방법 (0) | 2021.01.15 |