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 |
Tags
- 데이터 과학
- MongoDB
- 김양재
- 빅데이터
- openCV
- 빅데이타
- 김양재 목사님
- 주일설교
- Statistics
- Deep learning
- data science
- No SQL
- Artificial Intelligence
- R
- 우리들교회
- nodeJS
- 빅 데이타
- node.js
- WebGL
- probability
- c++
- 김양재 목사
- 통계
- 빅 데이터
- 확률
- Big Data
- Machine Learning
- 몽고디비
- 딥러닝
- 인공지능
Archives
- Today
- Total
Scientific Computing & Data Science
[Probability] Law of Total Probability 본문
Data Science/Probability & Statistics
[Probability] Law of Total Probability
cinema4dr12 2014. 1. 30. 23:16A1, ..., An을 샘플 공간 S의 분할이라고 하고 각 Ai를 상호 배타적이라고 하면,
\(S = A_1 \cup ... \cup A_n\)
라고 할 수 있다.
n개의 이벤트에 대한 확률 P(A1), ... ,P(An)이 알려져 있으며 또한 조건부 확률 \(P(B|A_i)\) 도 알려져 있다고 하자. P(B)를 계산하기 위해 P(Ai)와 P(B|Ai)를 이용한다. 사건 \(A_i \cap B\)가 상호 배타적이라면 다음이 성립된다:
\(P(B) = \displaystyle{\sum_{j=1}^{n}{P(A_j)P(B|A_j)}}\)
이 결과를 "전체 확률의 법칙(Law of Total Probability)"라고 한다. 다시 한 번 정리하면:
만약 \(A_1\), ..., \(A_n\)을 샘플 공간의 분할이라고 하면, 사건 \(B\)는 \(P(A_i)\)와 \(P(B|A_i)\)를 다음식을 이용하여 계산할 수 있으며,
\(P(B) = \displaystyle{\sum_{j=1}^{n}{P(A_j)P(B|A_j)}}\)
이를 "Law of Total Probability"라고 한다.
'Data Science > Probability & Statistics' 카테고리의 다른 글
[Data Science / Probability] Cumulative Distribution Function (0) | 2014.01.31 |
---|---|
[Data Science / Probability] Probability Density Function (0) | 2014.01.31 |
[Data Science / Probability] Median (0) | 2014.01.31 |
[Data Science / Probability] Expected Value of a Random Variable (0) | 2014.01.30 |
[Data Science / Probability] Bayes' Theorem (0) | 2014.01.30 |
Comments