▲ 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.