총 4개
-
베이지안 네트워크 이용해서 잔디가 젖어있는 원인 추정하기2025.01.171. 베이지안 네트워크 베이지안 네트워크는 확률적 모델을 기반으로 사건 간의 의존 관계를 표현하는 도구입니다. 이를 통해 복잡한 문제를 구조적으로 분석하고 예측할 수 있습니다. 이 예제에서는 베이지안 네트워크를 사용하여 비가 오는지, 스프링클러가 작동하는지, 그리고 잔디가 젖는지에 대한 관계를 모델링하고 있습니다. 2. 조건부 확률 베이지안 네트워크에서는 각 변수 간의 의존 관계를 나타내기 위해 조건부 확률 분포를 사용합니다. 이를 통해 주어진 조건하에서 특정 사건이 발생할 확률을 계산할 수 있습니다. 이 예제에서는 비의 발생 확률...2025.01.17
-
MCMC 모델링2025.05.091. MCMC (Markov Chain Monte Carlo) MCMC는 확률적인 모델링과 추론을 위해 사용되는 강력한 도구입니다. MCMC는 샘플링 알고리즘 중 하나로, 타겟 분포로부터 샘플을 추출하는 기법입니다. 이를 통해 우리는 원하는 분포로부터 난수를 생성하거나, 분포의 특성을 파악하는데 도움을 얻을 수 있습니다. 2. 정규분포 샘플링 이 예제에서는 MCMC를 사용하여 정규분포로부터 샘플을 추출하는 방법을 살펴봅니다. 정규분포는 많은 자연 현상을 모델링할 때 사용되는 중요한 분포 중 하나이므로, MCMC를 통해 정규분포로부터...2025.05.09
-
최대 우도 추정을 통한 확률 모델의 매개변수 추정2025.05.081. 최대 우도 추정(Maximum Likelihood Estimation, MLE) 최대 우도 추정은 주어진 데이터를 가장 잘 설명하는 모델의 매개변수 값을 찾는 과정으로, 우도 함수를 최대화하는 매개변수 값을 추정합니다. 이 방법은 데이터가 주어진 상황에서 가장 가능성이 높은 모델의 매개변수를 선택함으로써 최적의 예측을 수행하는데 도움을 줍니다. 2. 확률 모델링 확률 모델링은 다양한 분야에서 데이터 분석과 예측에 핵심적인 역할을 하고 있습니다. 데이터로부터 모델의 매개변수를 추정하는 과정은 모델의 정확성과 신뢰성을 높이는 데 ...2025.05.08
-
몬테카를로 시뮬레이션으로 원의 면적 구하기 (파이썬코드예제 포함)2025.05.091. 몬테카를로 시뮬레이션 몬테카를로 추정(Monte Carlo estimation)은 통계학과 컴퓨터 과학 등 다양한 분야에서 널리 사용되는 추정 방법 중 하나입니다. 이 방법은 통계적인 시뮬레이션을 통해 확률적인 모델링을 수행하여 원하는 값을 추정하는 방식으로 작동합니다. 몬테카를로 추정은 랜덤 샘플링과 통계적 분석을 결합하여 정확한 결과를 얻기 어려운 문제를 해결하는 데 유용하게 사용됩니다. 2. 원의 면적 구하기 원의 면적을 구하기 위해서는 원 안에 몬테카를로 시뮬레이션으로 생성된 점들 중 원 안에 속하는 점들의 비율을 계산...2025.05.09