정의 Average 이외에 어떤 probability model을 설명할 수있는 요소로 variance와 standard deviation을 들 수있다. 이미 '분산'과 '표준편차'로 익숙한 것들이다. 먼저 어떻게 정의되는지 살펴보자. Variance Standard Deviation 먼저 어떤 RV X의 variance는 VAR[X]와 같이 표현한다. 식을 살펴보면, '평균과 가능한 outcome의 차이를 제곱한 것'의 평균을 구한 것으로, 제곱을 하지 않으면 평균과 outcome의 차이가 음의 값이 나오게 되는 경우에 전체 평균이 상쇄되어, 분산, 즉, 각 outcome간의 거리가 얼만큼씩 벌어져 있는지를 나타내는 수치에 의미가 없어지게 된다. 따라서, 제곱을 해줌으로써 그 값이 항상 양수가 나오도록..

Independent Trials 이전 포스트에서 다루었던 independence와는 약간 다른 개념인데, 그냥 이미 익히 들어서 알고 있는 '독립시행'이 여기서 다루고자 하는 것이다. 즉, 같은 주사위를 몇번이고 던진다든지 하는 것들이 그것이다. 바로 전 포스트에서 sample space의 크기를 측정했다면, 여기서는 그것 보다는 확률의 수치를 가지고 노는 것이라고 생각하면 되겠다. 여기서 다룰 내용은 이후에 다루게 될 내용에도 다시한번 언급이 될 것이다. Success & Failure Model 어떤 experiment를 수행했을때, 특정 event가 발생할 확률이 p라고 하자. 이것을 n (= n_0 + n_1)번 반복했을 때, n_1번 성공하고 n_0번 실패할 확률은 다음과 같이 구할 수 있다...

Counting Methods 확률을 계산하기 위해서는 outcome의 개수를 알 필요가 있다. (어디까지나 discrete한 공간에서의 이야기이다.) 지금까지의 예제들은 모든 outcome들을 일일이 찾아주는 방법을 취했으나 subexperiment가 여러번 겹친다든지, experiment가 복잡한 경우에는 좀 더 간단한 방법을 사용할 필요가 있다. 이 포스트에서는 그 방법에 대해 설명하려고 한다. 대부분의 내용은 중고등학교 교육과정상에 포함되어 있으므로 앞으로 이어질 포스트에 사용될 대략적인 notation 위주로 보아도 무관할 것이다. Fundamental Principle of Counting 여러개의 subexperiment가 있고, 각각의 subexperiment들을 모두 수행했을 때, 가능한..