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 |
- 생성모델
- WinAPI
- deep learning
- WBP
- RNN
- UE5
- animation retargeting
- motion matching
- GAN
- Few-shot generation
- 오블완
- Font Generation
- 딥러닝
- Generative Model
- userwidget
- ddpm
- BERT
- Diffusion
- 모션매칭
- Stat110
- CNN
- Unreal Engine
- 폰트생성
- NLP
- dl
- 디퓨전모델
- 언리얼엔진
- cv
- ue5.4
- multimodal
- Today
- Total
Deeper Learning
[Statistics 110] Lecture 3: Birthday Problem, Properties of Probability 본문
[Statistics 110] Lecture 3: Birthday Problem, Properties of Probability
Dlaiml 2022. 11. 30. 23:12Birthday Problem
- $k$ 명의 사람이 있을 때 2명의 생일이 같을 확률을 구하라
- 2월 29일 제외
- 출생 계절성 고려하지 않음 (매일 같은 확률로 출생)
1 - P(k명의 생일이 모두 다른 경우) = P(2명 이상의 생일이 같을 확률)
P(k명의 생일이 모두 다른 경우) = (365일을 중복없이[비복원추출] k명이 뽑을 확률)
$$ \frac{365 \times 364 \times ... \times (365 - k + 1)}{365^k} $$
k = 23명일 때 50.7%, 50명일 때 97%
많은 우연이 하나도 발생하지 않는 상태가 가장 우연한 상태 (생일이 겹치는 2명의 조합의 수 253개 짝이 하나도 발생하지 않음)
Non-naive Probability
확률 공리 (저번 강의에서 소개)
확률함수의 특성
Inclusion-exclusion Principle
deMontmort’s Problem(1713): 카드를 섞고 놓았을 때 위에서부터 카드의 순서가 카드에 쓰인 숫자와 일치할 확률은?
카드 $i$가 쓰인 숫자와 같은 순서에 위치하는 사건을 $A_i$로 정의
1이 적힌 카드를 예시로 들면 해당 카드가 가장 처음 위치할 확률은 $\frac{1}{n}$
1이 아닌 다른 카드($n$개)도 동일한 확률을 가진다.
$$ A_i = \frac{1}{n} $$
1이 적힌 카드, 2가 적힌 카드가 모두 숫자와 같은 순서에 위치하는 사건 $A_1 \cap A_2$의 확률은
$$ \frac{(n-2)!}{n!} = \frac{1}{n(n-1)!} $$
$A_i,A_j$의 조합의 개수는 $\frac{n(n-1)}{2}$.
Inclusion-exclusion Principle에 의해 (오탈자: 셋째 줄 $(-1)^n$ 을 $(-1)^{(n+1)}$로 수정)
놀라운 점은 카드의 순서와 숫자가 일치할 확률을 구하는 문제에서 자연상수 $e$가 등장
Reference
[0] https://www.youtube.com/playlist?list=PL2SOU6wwxB0uwwH80KTQ6ht66KWxbzTIo
[1] https://www.boostcourse.org/ai152/lecture/30895?isDesc=false
'Statistics & Math > Statistics 110: Probability' 카테고리의 다른 글
[Statistics 110] Lecture 6: Monty Hall, Simpson's Paradox (0) | 2022.11.30 |
---|---|
[Statistics 110] Lecture 5: Conditioning Continued, Law of Total Probability (0) | 2022.11.30 |
[Statistics 110] Lecture 4: Conditional Probability (0) | 2022.11.30 |
[Statistics 110] Lecture 2: Story Proofs, Axioms of Probability (0) | 2022.11.30 |
[Statistics 110] Lecture 1: Probability and Counting (0) | 2022.11.30 |