베이즈 통계학

베이즈 통계학은 새로운 증거가 나타날 때마다 기존의 믿음(사전 확률)을 체계적으로 업데이트하여 결론을 도출하는 확률론적 접근 방식입니다.

핵심 개념

• 베이즈 정리: 사후 확률을 계산하는 중심 공식으로, P(H|E) = P(E|H)P(H)/P(E) 와 같이 표현됩니다.
• 사전 확률 (P(H)): 데이터 관측 전에 가지고 있던 가설에 대한 초기 믿음의 정도입니다.
• 가능도 (P(E|H)): 특정 가설 하에서 주어진 데이터를 얻을 확률입니다.
• 사후 확률 (P(H|E)): 데이터를 관찰한 후 갱신된 가설에 대한 최종적인 믿음의 정도입니다.

이는 특히 불확실성이 높거나 희귀한 사건을 다룰 때 유용하며, 추론 과정에서 지속적인 학습을 반영합니다. 주요 응용 분야로는 머신러닝, 강건성 분석 등이 있습니다.