Bayes Theorem
AI
Bayes Theorem
두줄요약
베이즈 정리의 기본 개념을 조건부 확률에서부터 차근차근 설명했습니다. 동전 던지기 예시와 수치해석, MCMC, PyMC로 사후분포를 추정하는 과정을 다뤘습니다.
핵심 내용
- 조건부 확률로부터 베이즈 정리를 유도하고, Prior · Likelihood · Evidence · Posterior의 의미를 정리
- 이산형 동전 문제와 연속형 동전 문제를 통해 데이터가 들어올수록 사전분포가 사후분포로 갱신되는 과정 설명
- 다중 파라미터 상황에서 수치해석, MCMC, PyMC로 사후분포를 추정하는 방식과 정규화 개념 소개
- Likelihood와 Prior의 정의에 따라 결론이 달라질 수 있어 모델링 방식의 중요성 강조
적용해볼 점
- 베이즈 추론에서 사전정보와 관측데이터를 반복 갱신하는 흐름 이해
- 복잡한 사후분포는 해석적 풀이 대신 수치적 방법이나 PyMC로 접근
- 파라미터와 likelihood 구조를 문제에 맞게 설계하는 관점 적용
