Contents
결합 확률 분포(Joint Probability Distribution)
- 결합 확률 질량 함수(Joint PMF)
- 결합 확률 밀도 함수(Joint PDF)
주변 확률 분포(Marginal Probability Distribution)
- 주변 확률 질량 함수(Marginal PMF)
- 주변 확률 밀도 함수(Marginal PDF)
조건부 확률 분포(Marginal Probability Distribution)
- 조건부 확률 질량 함수(Conditional PMF)
- 조건부 확률 밀도 함수(Conditional PDF)
※ 주변 확률 분포는 두개의 변수로 이루어진 결합 확률 분포를 하나의 변수로 표현하기 위한 방법이다.
※ 주변 확률 분포는 결합 확률 분포와 대립되는 개념이 아니다!
▶ 결합 확률 분포(Joint Probability Distribution)
- P(X, Y) = P(X ∩ Y) : 두개 이상의 사건이 동시에 일어날 확률 분포
- 두 사건(x, y)는 서로 독립(Independent)이어야 한다.
- 즉, P(X, Y) = P(X ∩ Y) = P(X) x P(Y)
- 결합 확률 질량 함수(Joint PMF)
- 이산 확률 변수가 두개 이상인 확률 질량 함수
- PX,Y(x,y)=P(X=x,Y=y)
- ∑i∑jP(X=xi,Y=yj)=1
- 결합 확률 밀도 함수(Joint PDF)
- 연속 확률 변수가 두개 이상인 확률 밀도 함수
- 아래 식에서 A는 두 확률변수 X, Y가 형성하는 특정 공간(집합)을 의미
▶ 주변 확률 분포(Marginal Probability Distribution)
- 결합확률 분포를 전제로 한다.
- 결합 확률 분포 PX,Y(X,Y) 를 통해 하나의 확률 변수에 대한 확률 함수를 구할 수 있다.
- 주변 확률 질량 함수(Marginal PMF)
- X에 대한 주변 확률 질량 함수 : PX(X)=P(X=x)=∑yj∈YPX,Y(x,yj)
- Y에 대한 주변 확률 질량 함수 : PY(Y)=P(Y=y)=∑xy∈XPX,Y(xi,y)
이산 확률 분포에서 P(X0) 로의 Marginalization 예시 이산 확률 분포에서 각각 축으로의 Marginalization 예시
- 주변 확률 밀도 함수(Marginal PDF)
- X에 대한 주변 확률 밀도 함수 : fX(x)=∫yfX,Y(x,y)dy,forally
- Y에 대한 주변 확률 밀도 함수 : fY(y)=∫xfX,Y(x,y)dx,forallx
▶ 조건부 확률 분포(Marginal Probability Distribution)
- 그외에도 조건부 확률 분포 개념이 존재하는데 [1] 레퍼런스를 참고한다.
[Reference]
[1] https://excelsior-cjh.tistory.com/193
Chap02 - Joint,Marginal,Conditional Probability Distribution
1. CONDITIONAL PROBABILITY(조건부 확률) 1.1 정의 조건부 확률(conditional probability)는 두 사건(event, 실험이나 관측 등의 행위에 의해 생긴 결과)에 대한 확률이다. 하나의 확률 변수(random variable)가..
excelsior-cjh.tistory.com
반응형
'데이터 과학 > 확률론' 카테고리의 다른 글
Reservoir Sampling (0) | 2021.09.07 |
---|---|
Scipy 함수 정리 (0) | 2021.05.25 |
다변량 가우시안 분포(Multivariate Gaussian Distribution) (0) | 2021.02.12 |
Likelihood(가능도) (0) | 2021.01.07 |
최대 우도 추정법(MLE) (0) | 2021.01.06 |