더북(TheBook)

▲ 그림 1-2 스티브의 직업에 대한 사전확률과 사후확률

 

주목할 점은 우리가 X를 관측한 후 스티브가 사서일 확률이 많이는 아니지만 높아졌다는 점이다. 그러나 아직까지 스티브가 농부일 확률이 압도적으로 높다.

이는 베이지안 추론과 법칙의 간단한 예다. 아쉽게도 더 복잡한 베이지안 추론을 수행하는 데 필요한 수학은 인위적으로 만든 경우를 제외하고는 더 어려워진다. 나중에 이러한 수학적인 분석이 실제로 불필요하다는 것을 알게 될 것이다. 우선 모델링 도구의 폭을 넓혀야 한다. 다음 절에서는 확률분포(probability distributions)를 다룰 것이다. 이미 확률분포에 익숙하다면 넘어가도 좋지만, 그렇지 않다면 다음 절은 필수다.

신간 소식 구독하기
뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.