[인공지능개론] 인공지능개론 - 불확실성추론 파트

소개글

10장 불확실성추론에 대한 정리

목차

확률분포
 확률을 이용한 추론
 퍼지이론
 퍼지집합의 연산
 퍼지논리
 퍼지규칙의 표현

본문내용

10.1 확률분포

확률변수와 표본공간

확률변수(probability variable)는 표본공간(sample space)이라 불리는 상호 배타적인 값들의 집합으로부터, 하나의 값을 취하게 된다.

확률변수는 X, Y 등의 영어 대문자로 표현하며, 그 값은 x, y와 같이 영어 소문자로 표현하기로 한다. 변수 X의 표본공간은 Ωx 로 표시하기로 하자. 여기서 다루는 모든 표본공간은 유한하다.

X, Y가 확률변수라 할 때
Z=(X, Y)의 곱집합(conjunction)을 나타내는 결합 확률변수이며,
Z의 표본공간은 X와 Y의 표본공간의 곱,
즉 결합 표본공간 Ωz = Ωx × Ωy 가 된다.

만일 Ωx = Ωy = {True, False} 이면
(X, Y)의 결합표본공간은
{(True, True), (True, False), (False, True), (False, False)}가 된다.

확률분포
{A, B, C}를 Ω a = Ω b = Ω c = (True, False)인
확률변수의 집합이라 하면.

{A, B, C}에 대한 결합 확률분포는 Pr(A, B, C) 라 한다.

Pr(A=False, B= False, C=True) 라는 말은
A, B가 거짓 이고, C가 참일 확률를 나타낸다.

참고 자료

인공지능개론 이광형&조충호