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 |
Tags
- animation retargeting
- multimodal
- Few-shot generation
- 오블완
- Font Generation
- 딥러닝
- userwidget
- Unreal Engine
- 모션매칭
- motion matching
- GAN
- deep learning
- 폰트생성
- 디퓨전모델
- UE5
- RNN
- cv
- Stat110
- dl
- 생성모델
- Diffusion
- WinAPI
- NLP
- BERT
- Generative Model
- WBP
- 언리얼엔진
- ue5.4
- ddpm
- CNN
Archives
- Today
- Total
Deeper Learning
[Statistics 110] Lecture 1: Probability and Counting 본문
Statistics & Math/Statistics 110: Probability
[Statistics 110] Lecture 1: Probability and Counting
Dlaiml 2022. 11. 30. 23:06Statistics 110 복습하며 중심 내용 정리
확률 용어
Sample space: 발생 가능한 모든 실험의 결과의 집합
Event: Sample space의 부분집합
확률의 Naive한 정의
$$ P(A) = \frac{\#favorable \space outcomes}{\#possible\space outcomes} $$
- 유한한 표본 공간에서 정의가 가능
- 모든 결과의 발생 확률을 같다고 가정함
- 어떤 외계 행성에 외계인이 있을 확률: 1/2 (있거나 없거나)
Counting Principle
곱의 법칙(Multiplication Rule): $n_1,...,n_r$ 개의 가능한 결과가 있는 실험을 $r$번 하면 가능한 모든 경우의 수는 $n_1 \times ... \times n_r$개
예시로 A, B, C 중 하나를 선택하는 실험을 3번 반복한다고 하면 첫 실험에서 $n_1 = len([A,B,C]) = 3$, 나머지 실험도 마찬가지로 곱의 법칙에 의해서 모든 경우의 수는 3 x 3 x 3 = 27
Sampling Table
Reference
[0] https://www.youtube.com/playlist?list=PL2SOU6wwxB0uwwH80KTQ6ht66KWxbzTIo
[1] https://www.boostcourse.org/ai152/lecture/29349?isDesc=false
'Statistics & Math > Statistics 110: Probability' 카테고리의 다른 글
Comments