총 4개
-
술취해 대도시 여기저기 걷기 (Metropolis Hastings)2025.05.091. 메트로폴리스 헤이스팅스 알고리즘 메트로폴리스 헤이스팅스 알고리즘은 확률론적인 방법으로 복잡한 문제를 해결하는 알고리즘입니다. 이 알고리즘은 마치 술에 취해 대도시를 걷는 것과 유사하게 무작위로 이동하면서 원하는 답을 찾아갑니다. 이 알고리즘은 통계 추정, 최적화, 이미지 처리, 컴퓨터 그래픽스, 베이지안 통계 등 다양한 분야에서 활용되고 있습니다. 2. 메트로폴리스 헤이스팅스 알고리즘의 원리 메트로폴리스 헤이스팅스 알고리즘은 확률을 기반으로 동작합니다. 알고리즘은 현재 위치에서 다음 위치로 이동할 때 확률을 사용하여 이동합니다...2025.05.09
-
베이즈데이터분석 2024년 2학기 방송통신대 기말과제물2025.01.261. 밀도함수 기댓값 추정 중요도 추출 알고리즘을 이용하여 밀도함수 f(x) = 1/C * exp(-x) * x^(2-1) * (1-x)^(3-1)의 기댓값을 추정하였다. 제안분포 g(x)를 BETA(2, 3)으로 설정하고 1000개의 샘플을 추출하여 가중치를 계산한 후 I.hat2 추정량을 사용하여 기댓값을 0.3662329로 추정하였다. 상수 C를 계산할 수 있다면 I.hat1 추정량을 사용하여 기댓값을 0.364345로 추정할 수 있다. 2. 태풍 개수 모형 분석 2011년부터 2020년까지 우리나라에 영향을 준 연도별 태풍 ...2025.01.26
-
평가 데이터를 활용하여 기존 모델을 업데이트하는 베이지안 추론 (파이썬코드 예제포함)2025.05.091. 베이지안 추론 베이지안 추론은 데이터를 통해 모델을 업데이트하고 불확실성을 다루는데 유용한 통계적 추론 방법입니다. 특히, 새로운 데이터가 주어진 상황에서 모델의 파라미터를 추정하고 예측하기 위해 사용됩니다. 베이지안 추론은 사전 분포와 관측 데이터를 조합하여 사후 분포를 계산하며, 이를 통해 모델의 불확실성을 업데이트할 수 있습니다. 2. 모델 업데이트 데이터에 대한 정보를 사전 분포에 반영하고, 관측 데이터와 사전 분포를 조합하여 사후 분포를 계산함으로써 신뢰할 수 있는 결과를 얻을 수 있습니다. 이를 통해 기존 모델을 새...2025.05.09
-
MCMC를 활용한 베이지안 추론 - 동전 던지기 문제의 확률 추정 (파이썬예제풀이 포함)2025.05.091. MCMC(Markov Chain Monte Carlo) MCMC는 머신러닝과 통계학 분야에서 중요한 역할을 하는 AI(인공지능) 기법 중 하나입니다. MCMC는 복잡한 확률분포를 추정하거나 샘플링하기 위해 사용되며, 특히 베이지안 추론과 관련된 문제에 유용하게 적용됩니다. MCMC는 몬테카를로(Monte Carlo) 방법과 마코프 체인(Markov Chain)을 결합한 알고리즘으로, 마코프 체인을 이용하여 탐색 공간을 효과적으로 탐색하고 샘플링을 수행합니다. 2. 동전 던지기 문제 동전 던지기 문제는 간단하면서도 직관적인 문제...2025.05.09