| 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
- 딥러닝
- node.js
- Machine Learning
- WebGL
- MongoDB
- No SQL
- R
- 몽고디비
- 통계
- 김양재
- Statistics
- openCV
- data science
- 빅데이터
- 빅데이타
- 인공지능
- 빅 데이타
- 우리들교회
- 주일설교
- Artificial Intelligence
- probability
- nodeJS
- 김양재 목사님
- 데이터 과학
- 확률
- 빅 데이터
- Big Data
- Deep learning
- 김양재 목사
- c++
Archives
- Today
- Total
목록Law of Total Probability (1)
Scientific Computing & Data Science
[Probability] Law of Total Probability
A1, ..., 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..
Data Science/Probability & Statistics
2014. 1. 30. 23:16