제 01강. 조건부확률과 Bayes 정리
기본적인 확률과 통계에 대한 지식을 짚어보고 시작해보자.
(1) Sample Space -> S(set)
(2) Event(A) : 𝐴⊂𝑆
𝑃(𝐴) : A가 발생할 확률을 말한다.
(3) Conditional Probabilities
베이지안, 조건부 확률이다.
𝑃(𝐵|𝐴)=𝑃(𝐵∩𝐴)𝑃(𝐴)=𝑃((𝐵∩𝐴)|𝑆)𝑃(𝐴|𝑆)
A가 조건으로 있을 때, B가 발생할 확률을 말한다.
S는 subspace라 굳이 표기하지 않고 중간 과정만 사용한다.
(4) Total Probability
𝑃(𝐴)=𝑃(𝐴1)+𝑃(𝐴2)+⋯+𝑃(𝐴𝑛) : 서로 겹치지 않는 "배반사건"들의 합이다.
{𝐴1,𝐴2,⋯,𝐴𝑛} : partition of "A"
𝑃(𝐴1)=𝑃(𝐴1∩𝐴)=𝑃(𝐴|𝐴1)𝑃(𝐴1)
그렇다면 결국 다음과 같다.
𝑃(𝐴)=∑𝑛𝑖=1𝑃(𝐴|𝐴𝑖)𝑃(𝐴𝑖)
(5) Bayesian Theorem
- 𝑃(𝐵|𝐴)=𝑃(𝐵∩𝐴)𝑃(𝐴)=𝑃(𝐴|𝐵)𝑃(𝐵)𝑃(𝐴)
𝑃(𝐴𝑖|𝐴)=𝑃(𝐴|𝐴𝑖)𝑃(𝐴𝑖)𝑃(𝐴)
𝐴𝑖 : original. input이지만 잘 모른다.
𝐴 : 이미 관찰된 데이터로 output에 해당한다.
조건의 위치를 바꿔가며 문제를 푸는 것이 바로 Bayesian 이다.
Binary Symmetric Channel
input symbols : {𝑥1,𝑥2} = transition
output symbols :{𝑦1,𝑦2} = receiver
둘 다 0아니면 1의 값을 갖는다.
𝑃11=𝑃(𝑦1|𝑥1) : 1번식
𝑃12=𝑃(𝑦2|𝑥1) : 2번식
𝑃22=𝑃(𝑦2|𝑥2) : 3번식
𝑃21=𝑃(𝑦1|𝑥2) : 4번식
1,2번식 & 3,4번식의 합은 각각 1이다. 조건이 같고 남은 모든 경우의 수의 합이기 때문이다.
에러의 경우는 다음과 같다.
𝑃𝑒𝑟𝑟𝑜𝑟=𝑃(𝑦2|𝑥1)𝑃(𝑥1)+𝑃(𝑦1|𝑥2)𝑃(𝑥2)
𝑃(𝑥1|𝑦2)=𝑃(𝑦2|𝑥1)𝑃(𝑥1)𝑃(𝑦2)=𝑃(𝑦2|𝑥1)𝑃(𝑥1)𝑃(𝑦2|𝑥1)𝑃(𝑥1)+𝑃(𝑦2|𝑥2)𝑃(𝑥2)
Independent Events
만약에 A와 B가 독립이라면
𝑃(𝐵|𝐴)=𝑃(𝐵)𝑎𝑛𝑑𝑃(𝐴|𝐵)=𝑃(𝐴)
𝑃(𝐵|𝐴)=𝑃(𝐵∩𝐴)𝑃(𝐴)=𝑃(𝐵)
𝑃(𝐴∩𝐵)=𝑃(𝐴)𝑃(𝐵)
A와 B가 독립이라면
𝐴¯와𝐵,𝐵¯와𝐴¯,𝐵¯와𝐴는 모두 독립이다.
(𝐴¯=1−𝑃(𝐴))
Combined Experiments
두 개의 동전을 던지는 경우처럼 𝑆1,𝑆2가 있을 때,
𝑥1∈𝑆1,𝑥2∈𝑆2이다.