Mathematics/Statistics

[Bayesian] Bayesian Deep Learning - Measure theory

언킴 2021. 7. 6. 17:16
반응형

본 자료는 edwith 최성준님이 강의하신 Bayesian Deep Learning 강의를 참고하였다. 

 

핵심 키워드

Measuretheory, Measure , Set function, Sigma field, Measurable space

 

Measure Theory


(e.g. 몸무게, 나이 등 )

 

set function : a function assigning a number of a set ( e.g. cardinality , length , area )

    set을 2차원 공간이라고 친다면, 그 공간 사이에서 원을 그렸을 경우 원 안의 면적을 재는 것.

 

 

σ-field B : a collection of subsetsof U such that ( axioms )

    1. B ( empty set is included. )

    2. BBBcB ( closed under set complement. )

    3. BiBi=1BiB ( closed under countable union. )

 

 

 

properties of σ-field B


   1. UB ( entire set is included. )

 

   2. BiBi=1B ( closed under countable intersection )

 

   3. 2U is a σ-field.

 

   4. B is either finite or uncountable, never denumerable.

 

   5. B and C are σ-fields BC is a σ-field but BC is not.

         B={,{a},{b,c},{a,b,c}}

         C={,{a,b},{c},{a,b,c}}

         BC={,{a,b,c}} ( this is σ-field

         BC={,{a},{c},{a,b},{b,c}{a,b,c}}

            (this is not a σ-field as {a,c}={a}{c} is not included. )

         σ(C) is called the σ-field generated by C

 

 

Bayesian 을 설명하는데 왜 set Theorymeasure Theory를 설명하는가?

measureprobability 이기 때문. 어떠한 elementσ-field 안에 있지 않는다면 measure가 될 수 없다. σ-field 가 정의되어 있지 않는다면 set 자체는 존재하지만 그렇게 만들어진 σ-field안에 각각의 element들이 정의되어 있지 않기 때문에 element들의 measure은 알수가 없다.

단, 정의되어있지 않다고 해서 0은 아니며 안되는 것일뿐이다.

 

 

  A set U and a σ-field of subsets of  U  form a measurable space (U,B).

 

  A measure μ defined on a measurable space (U,B) is a set func. μ:B[0,] such that

      1. μ() = 0

      2. For disjoint Bi and Bjμ(i=1Bi)=Σi=1μ(Bi) (countable additivity)

 

 Probability is a measure such that μ(U) = 1, i.e., normalized measure.

 

 A measurable space (U,B) and a measure μ defined on it together form a measure space

  (U,B,μ)