Mathematics/Statistics

[Bayesian] Bayesian Deep Learning - Random variable

언킴 2021. 7. 9. 17:59
반응형

본 자료는 edwith 최성준님이 강의하신 Bayesian Deep Learning 강의를 참고하였다.

 

핵심키워드

Random Variable, Probability space, Probability density function, Correlation analysis

 

 

Random Variable


random variable:

  우리에게 관측되는 실수로 가는 어떤 함수가 random variable 이다 . subset이 아니라 하나의 원소

  probability space : (Ω,A,P) , Borel measurable space (R,B)

실수들로 이루어진 σ-field를 Borel measurable space 라고 한다 

  

X:ΩR such that BB,X1(B)A

 

 

random variable is f

여기서 random은 무엇인가? sample space에서 하나를 뽑는 것

 

가상의 sample space에서 하나를 고른 후 값이 나오는 것을 realization이라고 부른다. X(w) wΩ

realization == gausian sampling, uniform sampling 

X라는 random variable 통해서 나올 수 있는 realization set을 alphabet이라고 한다 .

e.g. 주사위게임 에서의 alphabet : [1, 2, 3, 4, 5, 6]

 

P(XB)P(X1(B))=P({w:X(w)B})

 

discrete random variable : There is discrete set {xi:i=1,2,...} such that ΣP(X=xi) = 1

probability mass function : px(x)P(X=x) that satisfies

1. 0 px(x) 1

2. Σxpx(x) = 1

3. P(XB)=ΣxBpx(x)

 

이러한 가정들로 인해 확률론이 시작되었다. 

probability allocation function, probability mass function

EX Σxxpx(x),discreteX

EX xfx(x)dx,continuousX

 

Conditional expectation E(X|Y)

random variable인 X의 E(X)는 평균치 하나로 출력이 되기 때문에 random variable이 아니다. 하지만 E(X|Y)의 경우 Y라는 variable로 인해 E(X|Y) 는 random variable이 된다. X와 Y에 대한 σ-field가 다르면 하나가 주어졌다고 하더라도 다른 하나의 면적을 계산하기가 참 애매해진다. measure를 정의할 수 없기 때문. 조심하자.