베르누이 시행
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
베르누이 시행은 두 가지 결과(성공 또는 실패)만 가능한 독립적인 실험을 반복하는 시행을 의미한다. 각 시행은 성공 확률 p와 실패 확률 q를 가지며, p + q = 1의 관계가 성립한다. 베르누이 시행은 이항 분포, 음이항 분포 등 관련 분포를 가지며, 동전 던지기나 주사위 던지기와 같은 예시를 통해 확률을 계산할 수 있다. 각 시행의 결과는 독립적이며, 고유한 성공 확률을 가진 여러 베르누이 시행은 포아송 시행이라고 한다.
더 읽어볼만한 페이지
- 동전 던지기 - 투페이스
투페이스는 DC 코믹스 만화의 슈퍼빌런으로, 고담 시의 지방 검사였으나 얼굴 절반을 잃고 범죄자가 되었으며, 숫자 2와 이중성에 집착하고 동전 던지기로 결정을 내리는 배트맨의 숙적이다. - 동전 던지기 - 상트페테르부르크의 역설
상트페테르부르크의 역설은 기대값이 무한대인 도박 게임에서 사람들이 기대값보다 훨씬 적은 금액을 지불하려 하는 현상을 보이는 확률론의 역설로, 동전 던지기 게임을 통해 설명되며, 기대 효용 이론, 유한한 상트페테르부르크 복권, 확률 가중치 등의 개념으로 설명하려는 시도가 있다. - 과학 실험 - 실험군과 대조군
실험군과 대조군은 임상 연구에서 새로운 방법이나 약물의 효과를 평가하기 위해 사용되는 두 그룹으로, 대조군은 비교 기준이 되며, 실험군은 새로운 치료법을 받는 그룹이다. - 과학 실험 - 경험적 증거
경험적 증거는 감각적 경험을 통해 얻어지는 증거로, 인식론에서는 믿음을 정당화하고 과학 철학에서는 과학적 가설을 확증하거나 반증하는 데 사용되며, 경험주의와 합리주의 사이의 지식 근원에 대한 논쟁과 관련된다. - 이산분포 - 푸아송 분포
푸아송 분포는 주어진 시간 안에 특정 사건이 일어날 횟수를 나타내는 이산 확률 분포이며, 사건 발생 횟수가 많고 각 사건이 드문 시스템에 적용되고 이항 분포의 극한 사례로 볼 수 있다. - 이산분포 - 이항 분포
이항 분포는 독립적인 시행에서 성공 확률을 가질 때 성공 횟수가 따르는 확률 분포로, 시행 횟수가 많을 경우 정규 분포나 푸아송 분포로 근사할 수 있다.
베르누이 시행 | |
---|---|
개요 | |
정의 | 어떤 실험의 결과가 오직 두 가지 중 하나로만 결정되는 시행 |
다른 이름 | 베르누이 시행 이항 시행 |
세부 사항 | |
성공/실패 | 결과는 일반적으로 '성공' 또는 '실패'로 나타냄 |
독립성 | 각 시행은 독립적임 |
확률 | 성공 확률은 p, 실패 확률은 1-p로 고정됨 확률은 0과 1 사이의 값 |
예시 | 동전 던지기 (앞면 또는 뒷면) 주사위 굴리기 (특정 숫자 또는 그 외) |
관련 개념 | |
베르누이 분포 | 단일 베르누이 시행의 확률 분포 |
이항 분포 | n번의 독립적인 베르누이 시행에서 성공 횟수의 분포 |
추측법 (Ars Conjectandi) | 야코프 베르누이의 저서, 베르누이 시행과 관련된 초기 연구 |
여사건 | 특정 사건이 일어나지 않을 확률 |
2. 정의
두 가지 가능한 결과만 있는 실험을 독립적으로 반복하는 시행을 베르누이 시행이라고 한다. 결과 중 하나를 "성공", 다른 결과를 "실패"라고 한다. 베르누이 시행에서 성공 확률을 , 실패 확률을 라고 하면, "성공"과 "실패"는 상호 배타적 사건이자 포괄적인 사건이기 때문에 다음 관계식이 성립한다.[3]
:
베르누이 시행을 설명하는 확률 변수는 종종 1 = "성공", 0 = "실패"라는 규칙을 사용하여 표현한다.
2. 1. 승산 (Odds)
베르누이 시행에서 성공 확률이 ''p''이고 실패 확률이 ''q''일 때, ''성공 승산''은 이고 ''실패 승산''은 이다. 이를 숫자로 표현하면 다음과 같다.:
여기서 는 성공 승산, 는 실패 승산이다. 이들은 곱셈 역원 관계이며, 곱하면 1이 된다.
:
베르누이 시행이 유한한 수의 동등하게 발생 가능한 결과에서 사건을 나타내는 경우, 성공 횟수를 ''S'', 실패 횟수를 ''F''라 하면, 성공 승산은 , 실패 승산은 이다. 이 경우 확률과 승산은 다음과 같이 계산된다.
:
승산은 확률이 아닌 결과의 수를 나누어 계산하지만, 비율은 동일하다.
3. 관련 분포
베르누이 시행은 "성공" 또는 "실패"의 두 가지 가능한 결과만 있는 실험을 독립적으로 반복하는 것을 말한다. 성공 확률을 , 실패 확률을 라고 하면, 이 둘은 상호 배타적 사건이자 포괄적인 사건이므로 다음과 같은 관계가 성립한다.
:
승산의 관점에서 보면, 성공 승산은 , 실패 승산은 이다. 이를 숫자로 나타내면 다음과 같다.
:
이들은 곱셈 역원 관계이며, 곱하면 1이 된다.
:
베르누이 시행이 유한한 수의 동등하게 발생 가능한 결과에서 사건을 나타내는 경우, 성공 횟수를 ''S'', 실패 횟수를 ''F''라고 하면, 성공 승산은 , 실패 승산은 이다. 확률과 승산은 다음과 같이 계산된다.
:
베르누이 시행을 설명하는 확률 변수는 종종 1="성공", 0="실패"로 표현된다.
여러 번의 베르누이 시행이 수행되고 각 시행마다 고유한 성공 확률이 있는 경우, 이를 포아송 시행이라고 한다.[3]
3. 1. 이항 분포 (Binomial Distribution)
베르누이 시행에서 고정된 수 ''n''개의 통계적으로 독립적인 베르누이 시행으로 구성된 이항 실험은 각 시행마다 성공 확률이 ''p''이고, 성공 횟수를 센다. 이항 실험에 해당하는 확률 변수는 로 표시되며, ''이항 분포''를 따른다고 한다.[7]실험 에서 정확히 ''k''번 성공할 확률은 다음과 같다.
:
여기서 는 이항 계수이다.[7]
3. 2. 음이항 분포 (Negative Binomial Distribution)
베르누이 시행은 음이항 분포를 유도할 수 있다. 음이항 분포는 지정된 수의 실패가 발생할 때까지 반복된 베르누이 시행에서 성공 횟수를 세는 분포이다.[3]4. 예시
공정한 동전을 4번 던져 앞면이 2번 나올 확률을 생각해 보자.
이 시행에서는 앞면이 나오는 것을 "성공", 뒷면이 나오는 것을 "실패"로 정의한다. 동전은 공정하다고 가정하므로, 성공 확률 ''p''는 p|p영어 = 1/2이다. 따라서 실패 확률 q|q영어는 다음과 같다.
:q|q영어 = 1 - p|p영어 = 1 - 1/2 = 1/2
위 식을 사용하여, 4번의 동전 던지기 중 앞면이 2번 나올 확률은 다음과 같이 구할 수 있다.
:
4. 1. 동전 던지기
공정한 동전을 네 번 던지는 간단한 실험에서 정확히 두 번 앞면이 나올 확률을 구하는 예시이다.
이 실험에서 머리(앞면)를 '성공', 꼬리(뒷면)를 '실패'로 정의한다. 동전이 공정하다고 가정하면, 성공 확률 p는 이다. 실패 확률 q는 다음과 같다.
:
위 식을 사용하여 4번의 동전 던지기 중 앞면이 2번 나올 확률을 구하면 다음과 같다.
:
4. 2. 주사위 던지기
세 개의 독립적인 공정한 6면 주사위를 굴릴 때, 정확히 두 개가 6이 나올 확률은 다음과 같이 계산할 수 있다.주사위 한 개에서 6이 나올 확률은 p|p영어 = 1/6이다. 따라서 6이 나오지 않을 확률은 q|q영어 = 1 - p|p영어 = 5/6이다.
세 번 던져서 정확히 두 번 6이 나올 확률은 다음과 같다.[7]
5. 포아송 시행 (Poisson Trials)
여러 베르누이 시행이 수행되고 각 시행마다 고유한 성공 확률이 있는 경우, 이를 때때로 포아송 시행이라고 한다.[3]
참조
[1]
백과사전
Probability, Random Variables, and Stochastic Processes
McGraw-Hill
[2]
서적
Introduction to Mathematical Probability
McGraw-Hill
[3]
서적
Randomized Algorithms
Cambridge University Press
[4]
백과사전
Probability, Random Variables, and Stochastic Processes
McGraw-Hill
[5]
서적
Introduction to Mathematical Probability
McGraw-Hill
[6]
서적
Randomized Algorithms
Cambridge University Press
[7]
서적
기초통계학
학지사
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com