정의 Discrete RV인 X와 Y의 joint probability mass function은 다음과 같이 정의한다. Notation은 joint CDF와 흡사하다. X와 Y의 조합으로, 2차원 평면의 좌표 형태로 조합되는 outcome들이 있게 되며, 각각의 outcome의 분포나 가질 수 있는 확률값은 물론 experiment에 따르게 된다. 이 때의 sample space는 다음과 같이 표현된다. PMF를 표현하는 방법으로는, list형태, matrix형태, graph형태 등이 있는데, 여기서는 좌표평면과 list형태로 표현하는 방법에 대해서만 다루도록 한다. 예제를 살펴보자. 예제 2개의 집적회로를 테스트한다. 각 테스트는 합격, 불합격으로 나뉜다. 테스트는 연속해서 하며, 각 테스트의 성공률..

정의 CDF를 그대로 해석하면 누적확률 분포함수가 된다. 다시 말해서 어떤 random variable X가 x이하일 확률을 나타내는 함수다. PMF와 마찬가지로 CDF역시 discrete RV가 나타내는 probability model을 완벽히 설명해 준다. 관련 정리 1 (a)는 CDF가 0에서 시작해서 1에서 끝난다는 것을 나타내고 있다. (b)를 보면 CDF는 항상 증가하는 함수 (단조 증가함수; increasing function)임을 알 수 있다. 한편 (c)에서는 특정 지점에서 값이 갑자기 변한다는 것을 알려주고 있다. (discontinuity) 다시 말해서 CDF의 그래프를 그리면 항상 계단형의 그래프가 나오게 되는 것이다. x_i는 sample space에 포함되어있기 때문에 극히 작은..

정의 Discrete random variable X 의 probability mass function은 다음과 같이 정의된다. 단, P[X = x]는 X가 x가 될 probability를 말한다. 의미 및 예제 Probability mass function은 어떤 discrete random variable에 대한 probability model이다. 쉽게 이야기 하면, sample space를 구성하는 각각의 outcome마다 어떤 확률을 부여한 것이다. 예를 들어서, 앞면이 나올 확률이 80%, 뒷면이 나올 확률이 20%인 동전이 있다고 하자. Sample space는 S = {H, T}라고 하자. 이 experiment를 random variable X로 나타내면, X는 앞 또는 뒤 둘 중 하나의..

시작 이전의 포스트가 단지 어떤 확률모델에 대한 정의들이었다면 여기서는, 나아가서는 이 이후의 대부분의 내용은 어떠한 experiment에 대한 observation인 random variable(확률 변수)에 대한 내용으로 채워질 것이다. 본격적으로 시작하기 전에, 제목에는 random variable을 RV로 축약해서 사용할 예정이고, 앞에 붙은 discrete의 의미는 아래에서 차차 설명하도록 하겠다. 먼저 확률 변수의 정의를 살펴보자. 정의 Random variable은 어떤 sample space S에 대하여 probability measure P[·]가 정의된 experiment와 sample space에 속한 각각의 outcome에 대해서 어떠한 실수가 대응된 함수로 이루어진 것이다. Ran..

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...

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..