베이즈 이론은 데이터로부터 원인을 찾는 이론으로 이용할 수도 있다. 즉, 모집단의 모수를 원인으로 받아들일 수 있는 것이다. 이런 의미에서 베이즈 정리의 좌변은 원인의 확률이라고도 한다. 참고로 사전확률(또는 사전분포)에서 사전(事前)은 자료가 얻어지기 전의 확률 또는 분포를 의미한다.
1. (10점) (2장 13번 참조) 다음은 2014년 군에 입대하는 10명의 병사들의 키를 잰 결과이다.
베이즈 이론은 베이즈 정리에서 출발한다. 베이즈 정리는 원래의 확률이 관측된 데이터에 의해 어떻게 변하는지 보여준다. 즉, 베이즈 추정에서 가장 중요한 아이디어는 데이터를 얻었을 때 확률이 변화한다는
베이지안 추론의 핵심은 관측값이 주어졌을 때 모수 의 사후분포를 구하는 것이다. 그러나 모형이 복잡하거나 모수의 수가 많으면 를 수리적으로 구할 수 없다. 따라서 사후분포의 사후평균, 사후분산, 특정 사건에 대한 사후확률 등을 근사적으로 계산할 필요가 있다. 이때 사후분포의 특성을 근사적
베이지안 추론의 핵심은 관측값이 주어졌을 때 모수 θ의 사후분포를 구하는 것이다. 그러나 모형이 복잡하거나 모수의 수가 많으면 θ를 수리적으로 구할 수 없다. 따라서 사후분포의 사후평균, 사후분산, 특정 사건에 대한 사후확률 등을 근사적으로 계산할 필요가 있다. 이때 사후분포의 특성을 근사
사전의 범위를 설정하였다. 먼저, 지역 방언의 등재율을 비교하기 위해서는 표준국어대사전, 우리말큰사전, 금성판국어대사전, 서울대방언자료집, 한국방언자료집을 참고했다. 그리고 분야별 지역 방언의 분포와 단모음 체계를 비교하기 위해서 정신문화연구원에서 나온 한국방언자료집을 참조했다.