[베이즈 통계학] 2022.12.27.

오늘은 추정이란 일반적으로 복수의 정보로부터 이루어지는 것임을 인지하며 읽어보았다.

그리고 도표로 하는 '직적시행'을  위해서 직적시행의 귀결을 격자 몽양에 그려서 의미를 해석하였다. 확률의 계산이 이를 통해 간편해진다.

 

'종속 시행'과 '독립 시행'의 차이점을 알 수 있다.

 

여러 가지를 격자 형태로 묶어둔 형태에 대해서 묶음의 확률은 각 확률의 곱이 됨을 알 수 있다.

 

또, '독립시행 확률의 승법 공식'을 알 수 있다.

 

또, 스팸메일 필터를 베이즈 추정을 통해 할 수 있다는 사실을 알았다.

 

이는 '받은 메일을 컴퓨터가 기능적으로 판정한다'로 이루어지며 '당신이 받은 메일이 스팸메일인가 아닌가를 판정하는 것'으로 이루어지지 않는다.

 

그리고, 스팸 메일에 대해 "스팸 메일일 것이라는 의심이 짙어졌다"가 강해지며, 이것은 스팸 메일이다라고 나오지 않는다.

이 경우, 사후확률이 0.95 확률 안에 들어가면 이것은 그냥 메일 함에 들어가고, 그렇지 않으면 이것은 스팸 메일함에 들어간다.

 

마치 "학습화"와 같은 "축차합리성"을 익혔다.

 

이는 앞에서 개정한 확률에 대해서 이후에는 이 앞에서 개정한 정보에 대한 것을 잊어도 된다는 "축차합리성"이 존재한다.

 

즉, 두 가지 정보를 한꺼번에 사용하여 추정한 결과와 첫 번째 정보를 사용하여 추정하고, 그 추정 결과를 사전확률로 두고 두 번째 정보를 사용하여 추정한 결과가 완전히 일치하는 것이 일반적이다. 이것을 축차합리성이라고 한다.

 

이는 일종의 "학습기능"이라 볼 수 있다.

 

=> "타입에 대한 사후확률"은 모든 정보를 활용한 내용이 된다는 점 때문이다.

 

"정보로부터 학습이 이루어진 결과"이며

 

무엇보다 베이즈 추정은 "정보를 입수하면 자동적으로 똑똑해 지는" 기능을 갖추고 있는 셈이다.

 

베이즈 추정은 정보가, 즉 데이터가 없어도 추정이 가능하며, 데이터가 많아질 수록 더 정확한 추정을 한다.