확률의 기초

확률의 기초는 사건의 가능성이 어떻게 결합되고 확률 변수가 어떻게 설명되는지를 지배하는 기본 규칙입니다. 이는 확률이 무엇인지, 사건의 확률을 더하고 곱하는 방법, 그리고 분포, 기댓값, 분산을 통해 무작위 양을 요약하는 방법을 정의합니다. 이는 모든 후속 통계 방법이 의존하는 구성 요소입니다.

Definition

확률은 사건이 발생할 가능성을 표현하기 위해 사건에 할당되는 0과 1 사이의 숫자이며, 비음성, 표본 공간 전체에 대한 총 확률 1, 그리고 상호 배타적인 사건에 대한 가산성의 공리를 따릅니다.

Scope

이 항목은 표본 공간, 사건, 확률 공리, 덧셈 및 곱셈 규칙, 여사건, 그리고 기댓값과 분산을 포함하는 확률 변수의 개념을 다룹니다. 이산 확률 변수와 연속 확률 변수의 구분을 소개합니다. 확률을 방법론적 기초로 다루며 임상적 권고는 제공하지 않습니다.

Core questions

• 표본 공간은 무엇이며 사건으로 간주되는 것은 무엇입니까?
• 결합된 사건의 확률은 어떻게 더하거나 곱해집니까?
• 확률 변수는 무엇이며 그 분포는 어떻게 요약됩니까?
• 기댓값과 분산은 어떻게 정의되고 해석됩니까?

Key concepts

• 표본 공간
• 사건
• 확률 공리
• 덧셈 규칙
• 곱셈 규칙
• 여사건
• 확률 변수
• 기댓값 (평균)
• 분산 및 표준 편차

Mechanisms

표본 공간은 무작위 과정의 모든 가능한 결과를 나열하며, 사건은 그 부분 집합입니다. 콜모고로프의 공리는 모든 사건이 비음의 확률을 가져야 하고, 전체 표본 공간의 확률은 1이며, 상호 배타적인 사건들의 합집합의 확률은 그 확률들의 합과 같아야 한다고 요구합니다. 이로부터 여사건 규칙(사건이 발생하지 않을 확률은 1에서 그 사건의 확률을 뺀 값), 두 사건의 합집합에 대한 일반 덧셈 규칙, 그리고 동시 발생에 대한 곱셈 규칙이 도출됩니다. 확률 변수는 각 결과에 숫자를 할당합니다. 그 기댓값은 이 숫자들의 확률 가중 평균이며, 그 분산은 기댓값 주변의 퍼짐 정도를 측정합니다. 이러한 정의는 값이 나열될 수 있는 이산 변수와 밀도로 설명되는 연속 변수에 적용됩니다.

Clinical relevance

확률 규칙은 진단, 위험 및 검사 결과에 대한 불확실성이 어떻게 결합되는지를 지배하므로, 이러한 규칙에 대한 실질적인 이해는 보건 과학에서 정량적 증거를 해석하는 데 도움이 됩니다. 이 항목은 방법론적 배경이며 개별 임상 결정을 지시하지 않습니다.

History

초기 확률은 17세기 우연 게임에 대한 서신에서 시작되었고 베르누이와 라플라스에 의해 체계화되었습니다. 확률을 표본 공간에 대한 측도로 정의하는 현대 공리적 기초는 1933년 안드레이 콜모고로프에 의해 제시되었으며, 이는 이 분야를 통합하고 오늘날 통계학에서 사용되는 엄격한 기반을 제공했습니다.

Key figures

• Andrey Kolmogorov
• Pierre-Simon Laplace
• Jacob Bernoulli

Seminal works

• kolmogorov-1956
• ross-2014
• rosner-2015

Frequently asked questions

두 사건이 상호 배타적이라는 것은 무엇을 의미합니까?

두 사건이 동시에 발생할 수 없을 때 상호 배타적이라고 합니다. 이러한 사건의 경우, 둘 중 하나가 발생할 확률은 단순히 개별 확률의 합입니다.

기댓값과 분산의 차이점은 무엇입니까?

기댓값은 확률 변수의 장기적인 평균값인 반면, 분산은 그 값들이 평균 주변에 얼마나 넓게 퍼져 있는지를 측정합니다. 분산의 제곱근은 표준 편차입니다.