예제 누군가가 어딘가에 전화를 걸어 그 통화시간을 체크했다고 하자. 1/3의 확률로 잘못된 번호를 누르거나 상대방이 통화중이다. 이 때는 통화시간을 0분으로 친다. 그렇지 않으면 2/3 확률로 통화시간이 0~3분 사이에 일정하게 분포해 있다고 하자. Y를 통화시간이라고 했을때, 이 random variable Y에 대해서 CDF, PDF, expected value를 구하라. Event A를 전화 연결이 성공한 것이라고 했을 때, Y의 범위는 0~3 사이가 되므로, law of total probability를 이용해 다음과 같이 CDF를 쓸 수 있다. 만약 event A^c, 그러니까 전화를 받지 않는 event가 발생했다면, Y = 0 이 되므로, 0 ≤ y ≤ 3 에 대해, P[Y ≤ y|A^c] ..

Conditional Probability Mass Function 어떤 event A (P[A]>0)에 대해서, random variable X의 conditional PMF는 다음과 같이 정의된다. 이전 포스트에서 우리는 conditional probability에 대해 다뤘다. 이는 PMF에도 적용할 수 있다. 즉, 어떤 특정 event가 발생했을 조건하에 probability mass function가 정의될 수 있다. 이전의 theorem을 이용하면, 여러개의 conditional PMF를 이용해서 overall PMF를 이끌어 낼 수 있다. 어떤 random variable X에 대해 event space B_1, B_2, ... , B_m 이 존재할때 다음이 성립한다. 이전에 다뤘던 law ..

정의 위 식은 conditional probability의 정의다. (여기서 P[AB] = P[A∩B] 이며 notation이 약간 다를 뿐이다.) Conditional probability, 즉 조건부 확률은 다른 event의 발생을 전제로 다른 event의 확률을 구하는 것이다. 위의 수식처럼 notation은 P[A|B]이며, 'the probability of A given B'라고 읽는다. 이전에 다뤘던 확률은 어떤 event 혹은 outcome이 단순히 일어날 확률을 말한다. 또한, 예를 들어 실험해 보기 전에 6면체 주사위에서 1이 나올 확률이 1/6일 것이라는 것은 굳이 던져보지 않더라도 예상해 볼 수 있는 것이다. 그래서 P[A]를 priori probability of A 또는 prio..