초짜공대생의공부노트

  • 홈
  • 태그
  • 방명록

d 구분 1

8.2 조건부 독립(Conditional Independence)

고등학교 확률과 통계 시간에, 독립과 종속이라는 개념에 대해서 배웠을 것이다. 어떤 사건이 일어날 때, 확률 변수 x와 y는 과연 관련이 있는가? 관련이 있으면 서로에 대해 종속, 그렇지 않으면 독립이라는 간단한 개념이다. 오늘 다룰 것은 만약 이러한 상관관계에 대해서 '조건'이라는 개념이 들어가게 된다면 어떠한 상황이 벌어지는가? 에 대해 알아보고자 한다. 여기 세 개의 변수 a, b, c가 존재한다. 그리고 b,c라는 확률 변수가 주어졌을 때, a의 조건부 분포는 밑의 식과 같이 간단히 나타낼 수 있다. 그렇다면 여기서 b는 a에 종속적이지 않은 변수라고 해보자. 결합 분포는 다음과 같이 나타낼 수 있다. 그렇다면 c라는 확률 변수 하나만 주어질 경우는 어떻게 될까? 여기서 PRML 1장 Introd..

PRML/Chapter 8. Graphical Models 2022.09.16
이전
1
다음
더보기
프로필사진

  • 분류 전체보기 (8)
    • PRML (7)
      • Chapter 8. Graphical Models (4)
      • Chapter 1. Introduction (1)
      • Chapter 13. Sequential Data (2)
    • Unity (0)
    • Random Probability (0)
    • Mobile Communication (0)
    • Convex Optimization (1)

Tag

Belief Propagation, Chain Graph, 확률, Markov, Max Sum Algorithm, 컨벡스 최적화, PRML, Potential Function, Sum product Algorithm, 그래프, 베이즈 필터, junction tree, Markov Chain, Bayesian Network, Factor Graph, 관측, kalman filter, 칼만 필터, Bipartite Graph, 노이즈,

최근글과 인기글

  • 최근글
  • 인기글

최근댓글

공지사항

페이스북 트위터 플러그인

  • Facebook
  • Twitter

Archives

Calendar

«   2025/05   »
일 월 화 수 목 금 토
1 2 3
4 5 6 7 8 9 10
11 12 13 14 15 16 17
18 19 20 21 22 23 24
25 26 27 28 29 30 31

방문자수Total

  • Today :
  • Yesterday :

Copyright © Kakao Corp. All rights reserved.

티스토리툴바