• Class_2022_2
        $N$ 은 event의 수고, ([[사건,event]])
• WikiSandBox
       포아송분포를 이용하면 다양한 확률분포를 유도할 수 있다. 먼저 [[사건,event]]의 발생이 포아송분포를 따른다는 전제하에 (첫 번째 사건이 발생할 때까지의 [[시간,time]]) 또는 (사건과 사건 사이의 시간 간격 { time_interval ? } )은 [[지수분포,exponential_distribution]]로 유도된다. 첫 번째가 아니고 임의의 n-번째 사건이 발생할 때까지의 시간은 [[감마분포,gamma_distribution]]를 따르게 된다.
• 가능도,likelihood
       '''가능도,likelihood'''란, 이미 발생한 한 [[사건,event]]이 한 특정한 [[결과,outcome]]를 산출할/만들/낼(yield) 가설적인 [[확률,probability]]이다.
• 결과,outcome
       [[사건,event]]과 비슷한 것 같은데 차이가 있나?
• 결합,joint
       ([[확률,probability]]에서) $n$ 개의 disjoint [[사건,event]] $A_1,\cdots,A_n$ 이 있을 때,
• 경계,bound
        여기에서 [[집합,set]]은 [[사건,event]]? chk
• 구조,structure
       사건구조? [[사건,event]]?
• 근원사건,elementary_event
       see [[사건,event#s-1]]
       Up: [[사건,event]]
• 기하확률변수,geometric_random_variable
       $k\ge 1$ 일 때 [[사건,event]]
• 독립변수와_종속변수
       [[확률,probability]] 및 [[사건,event]]에서:
• 독립사건,independent_event
       [[사건,event#s-6]]
• 독립성,independence
       두 [[사건,event]]이 독립 iff
       [[독립사건,independent_event]] - goto [[사건,event#s-6]]
       [[사건,event]]의 collection에 대해, disjointness(mutual exclusiveness)와 independence 식의 비교.
• 멱집합,power_set
       [[사건클래스,event_class]](curr goto [[사건,event#s-9]])와 관련.
• 베르누이_분포,Bernoulli_distribution
       Let $A$ be an [[사건,event|event]] related to [[결과,outcome|outcome]] of a [[확률실험,random_experiment|random experiment]].
• 베르누이_확률변수,Bernoulli_random_variable
       [[사건,event]] A에 대한 [[지시함수,indicator_function]] I,,A,,의 값과 같다.
• 베이즈_정리,Bayes_theorem
       [[조건부확률,conditional_probability]] 관련. 두 [[사건,event]] A, B에 대해 P(B|A)에서 P(A|B)로 갈 수 있게 해 준다. 두 사건과 두 [[결과,outcome]](A and A^^c^^)의 경우만 보면,
       이고 [[사건,event]] $B$ 를
       서로 배반인(exclusive) $n$ 개의 [[사건,event]] $A_1,\cdots,A_n$ 이
• 분할,partition
       [[표본공간,sample_space]] $S$ 의 [[부분집합,subset]]인 [[사건,event]]의 열 $A_1,A_2,\cdots,A_n$ 들이 다음 조건을 만족하면 $S$ '''의 분할'''이라고 함
• 비율,rate
        [[확률,probability]]의 일반적인(전통적인) 정의는 '모든 [[사건,event]]의 경우의 수'에 대한 '특정한 사건이 발생한 수'의 '''비율'''.
• 빈도,frequency
       [[확률실험,random_experiment]]을 n번 했고 [[사건,event]] A가 n(A)번 발생하면 A의 '''상대빈도'''는
• 사건,event
       '''사건,event'''의 mutually exclusive & collectively exhaustive한 집합을 [[사건공간,event_space]]이라고 한다.
       Up: [[독립성,independence]] [[사건,event]]
       [[사건,event]]들(events: sets)의 집합(set)임. 즉 set of sets.
       유한표본공간(finite sample space) $S=\lbrace 1,2,\cdots,k\rbrace$ 에 대해, S의 모든 부분집합이 [[사건,event]]이 되도록 허용한다. 이런 사건클래스(class of events)를 power set of S라 부르고 $\mathcal{S}$ 로 표기한다.
        [[미래,future]] / [[사건,event]]=[[이벤트,event]] / [[리스트,list]]=[[목록,list]]? ~= [[집합,set]]
• 상대성이론,relativity_theory
       [[사건,event]]
• 상태,state
       event [[사건,event]]? [[이벤트,event]]
• 시행,trial
       (1−p)는 물론 [[여사건,complementary_event]](curr at [[사건,event]])의 확률.
• 엔트로피,entropy
        * 전체 [[사건,event]]의 [[확률분포,probability_distribution]]의 [[불확실성,uncertainty]]의 양을 수치화할 때 사용
       전체 [[사건,event]]의 확률분포의 [[불확실성,uncertainty]]의 양을 나타내며,
       확률적으로 발생하는 [[사건,event]]에 대한 정보량(see [[정보,information]])의 ([[평균,mean,average]] 혹은 [[기대값,expected_value]]).
       두 [[사건,event]] $X,Y$ 이 각각 값 $x_i,y_i$ 를 가질 때, conditional entropy는
       [[사건,event]] $E$ 에 대해, information content (또는 surprisal)은 확률 $p(E)$ 가 증가할수록 감소한다. 수식으로는
• 이산확률변수,discrete_random_variable
       [[사건,event]] {X = k} = {세번 동전던지기에서, k개의 head}
• 이항분포,binomial_distribution
       Let $X$ be the number of times a certain [[사건,event|event]] $A$ occurs in $n$ trials.
• 자기정보,self-information
       '''Self-information'''이란 [[확률,probability]] $p$ 를 가지는 [[사건,event]](혹은 [[메시지,message]]) $A$ 의 [[정보,information]]를 의미.
• 전산학,compsci
       [[상태,state]]가 [[사건,event]]에 의해 [[전이,transition]].
• 전확률정리,total_probability_theorem
       그러면 어떤 [[사건,event]] $B$ 는 다음과 같이 표현할 수 있다.
       어떤 [[사건,event]] A는 서로 배반인 사건의 합집합으로 나타낼 수 있다.
       B는 임의의 [[사건,event]]이고, [[상호배타적,mutually_exclusive]] 사건 n개:
• 정보,information
        * 두 독립적인 [[사건,event]]들이 각각 따로 측정되면, 정보의 총량은 각 사건의 self-information의 합
       [[사건,event]] $x,$ [[확률,probability]] $P$ 이면 information content는
• 정보및부호화이론,information_and_coding_theory
       [[확률,probability]]이 $p$ 인 random event([[사건,event]])가 있을 때,
• 조건부확률질량함수,conditional_probability_mass_function,conditional_PMF
       [[사건,event]] $C$ 는 0이 아닌 확률(nonzero probability), 즉 $P[C]>0$ 이다.
• 집합,set
        [[사건,event]]
       [[사건,event]]에선 여사건? NN:여사건
• 집합과_확률,set_and_probability
       ||[[사건,event]] ||[[부분집합,subset]] or [[집합,set]] ||
       ||확률론의 용어 ||[[사건,event]] ||
• 집합론,set_theory
       [[사건,event]]
• 체,field
       related?: event_class (goto [[사건,event#s-9]])
• 통계,statistics
       [[사건,event]]: 표본공간의 [[부분집합,subset]]
• 표본공간,sample_space
       '''표본공간'''의 [[부분집합,subset]]을 [[사건,event]]이라고 한다.
        = 근원사건(elementary event). see [[사건,event]]
       TBW: [[사건,event]]과의 관계
        see [[사건,event#s-9]]
• 푸아송_분포,Poisson_distribution
       정의. Let random variable $N$ : number of occurrences of an [[사건,event|event]] in a certain time period (or in a certain space.)
• 확률,probability
       [[사건,event]]에 대응하는/할당된 [[수,number]].
       [[사건,event]]
       [[사건,event]]: 표본공간의 부분집합
       certain subset of Ω : [[사건,event|event]]
       확률은 [[사건,event]] $E$ 에서 숫자 $P[E]\in[0,1]$ 로 가는 [[함수,function]] $P[\cdot]$ 이다.
       Probability is a number that is assigned to each member of a collection of [[사건,event|events]] from a [[확률실험,random_experiment|random experiment]] that satisfies the following properties:
        $N_A$ : [[사건,event]] $A$ 에 해당하는 실험의 결과의 수
       이것은 (단어, 어구, 표현, ...)과 미래 ([[사건,event]], ...)의 '''확률,probability''', [[가능도,likelihood]]를 연결짓는, [[추정,estimation]]에 대한? [[ambiguity]], [[uncertainty]], 등을 피하고 weasel words 등을 배제하고자 하는...
• 확률공간,probability_space
       [[표본공간,sample_space]] $\Omega$ 에 대하여 [[사건,event]]의 모임''(영어? collection family class 중 하나일텐데...)'' $\mathcal{F}$ 가 정의되고,
        * $\mathcal{F}$ : event space : set of events ([[사건,event]]의 집합) // event_class - curr see [[사건,event#s-9]] - 와 같은 말인가??
       확률공간에서 [[사건,event]]의 측도는 [[확률,probability]]. ''so... ([[확률측도,probability_measure]]와 동일?)''
        $\mathcal{A}$ : an event space // [[사건공간,event_space]]? { Up: [[사건,event]] [[공간,space]] }
• 확률및랜덤프로세스
       [[사건,event]]
• 확률변수,random_variable
        [[사건,event]]
        [[확률실험,random_experiment]]에서 발생 가능한 모든 [[사건,event]]의 [[집합,set]]
       관심있는 어떤 [[사건,event]]이 있을 때, 사건이 일어나면 1, 안 일어나면 0인 확률변수.
       [[사건,event]] A의 '''지시변수'''는, 사건 A가 일어나면 1, 일어나지 않으면 0으로 정의되는 확률변수.
       [[사건,event]] $(X=x)$ 를 다음과 같이 정의.
       ''related: [[확률,probability]], [[사건,event]]''
• 확률분포,probability_distribution
       [[사건,event]]([[표본공간,sample_space]]의 [[부분집합,subset]])의 [[확률,probability]]을 수학적으로 기술한 것.
• 확률실험,random_experiment
        $A, B, C$ : event, set of outcomes, subset of $S$ ([[사건,event]])
       [[사건,event]]: A subset of the sample space.

You can also click here to search title.