14wk: 이산형과 연속형의 통합
강의영상
youtube: https://youtube.com/playlist?list=PLQqh36zP38-wThZpnzJAP_aOtJzBl1Ij_
일반화된 밀도함수
-
라돈니코딤 정리는 꼭 르벡메져일 경우에만 성립하는 것이 아니다.
이산확률변수
-
예제1 – 베르누이 (with 카운팅메져)
아래와 같은 함수를 고려하자.
이제
함수
이때 함수
함수
(해설)
, 는 모두 에서의 -finite 메져이다. 이 성립한다. 따라서 적당한 measurable function이 존재하여 라돈니코딤 도함수의 조건을 만족함을 알 수 있다.- 우리가 생각하는 후보는
인데 이것이 만약에 (1) 가측함수이고 (2) 라돈니코딤 도함수의 조건1을 만족한다면 는 카운팅메져 에 대한 의 거의 유일한 (w.r.t. ) 밀도함수라고 주장할 수 있다. 는 가측함수이다. (simple function) 를 만족한다.
1
-
예제1에서 제안한
- 학부수준의 이해: 이산형확률변수는 확률질량함수를 가지며, 연속형확률변수는 확률밀도함수를 가진다.
- 대학원수준의 이해: 이산형확률변수의 밀도함수는
에 대한 라돈니코딤 도함수로 해석할 수 있으며, 연속형확률변수의 밀도함수는 에 대한 라돈니코딤 도함수로 해석할 수 있다.
-
찝찝한점1: 예제1에서는 왜
사실 예제1에서의
,
-
찝찝한점2: 예제1에서는 왜
이건 사실
대신 를 쓴 이유와 연관이 있다. 는 에서 정의되고 는 에서 정의되는데 예제에서는 대신 를 썻기 때문에 자연스럽게 대신에 를 고려하게 되는 것
-
찝찝한점의 해결:
- 라돈니코딤 도함수의 존재에 필요한 조건 중 하나는 라돈니코딤 도함수를 정의하는 두개의 메져2
-finite measure이어야 한다는 것임. on 을 고려 은 모두 에서 -finite 조건을 만족함. on 을 고려 은 모두 에서 -finite 조건을 만족함. on 을 고려 는 에서 -finite 하지만 는 에서 -finite 하지 않음.
2 분자, 분모에 들어가는 두개의 메져
따라서,
모티브: 그런데
-
예제2 – 베르누이 (with 디렉메져)
아래와 같은 함수를 고려하자.
,
그리고 아래와 같은 메져를 고려하라.
,
이때 함수
3 함수
함수
를 만족한다. 따라서
이다. 즉
-
정의 (디렉메져): 가측공간
로 정의되는 메져이다.
-
디랙메져의 표현법에 따르면 예제2의 경우
-
꼭 베르누이와 같은 상황이 아니라도 임의의 이산확률변수
와 같은 방식으로 정의할 수 있다. 즉 임의의 이산확률변수
is -finite
따라서
-
결국 이산형 확률변수의 밀도함수를 설명하는 방법은 크게 3가지가 있는 셈이다.
- 이산형확률변수는 밀도함수가 없다.
- 이산형확률변수의 밀도함수는
으로 정의할 수 있다. - 이산형확률변수의 밀도함수는
으로 정의할 수 있다.
설명1,2,3은 각각의 장단점이 있다.
설명1: 라돈니코딤 도함수에 대한 이해가 없어도 된다는 점에서 장점이 있다. (그래서 학부수준에서는 가장 일반적으로 사용하는 설명)
설명2: 연속형은 르벡메져에 대한 라돈니코딤 도함수, 이산형은 카운팅메져에 대한 라돈니코딤 도함수로 구분하여 설명할 수 있다는 점에서는 클리어하지만 분포함수
설명3: 연속형은 르벡메져에 대한 라돈니코딤 도함수, 이산형은 카운팅메져에 대한 라돈니코딤 도함수로 구분하여 설명할 수는 없으며 확률변수
여기에서
는 학부때 배우는 pmf
혼합형확률변수
-
예제1: 아래와 같은 분포함수
이 분포함수는 동전을 던져 앞면이 나오면
가
(해설)
이라고 정의하자. 는 -finite 하며 를 만족한다.- 함수
는 가측함수이며 (simple function) 에 대하여 아래를 만족한다.
와 같은 꼴에서만 성립함을 보이고 나머지는 - thm 쓰면 되죠?
결국 임의의
편의상 아래와 같이 정의하자.
case1:
case2:
case3:
case4:
case5:
르벡분해정리
-
Thm: 분포함수의 정의를 만족하는 임의의
여기에서
여기에서
는 absolutely continuous 의 약자이고, pure point 의 약자이며 은 singular continuous 약자이다.
-
의미:
4 칸토어처럼 이상한 연속함수 말고 상식적인 수준의 연속함수라는 의미
-
이론:
-
이론: 분포함수 정의를 만족하는 임의의
-
이론: 분포함수 정의를 만족하는 임의의
-
이론: 분포함수 정의를 만족하는 임의의
기대값
-
예제1:
5 이렇게 정의해도 되는 이유는 카라테오도리 확장정리덕분
(풀이)
아래와 같이 계산할 수 있다. (고등학교 수준)
이를 다른표현으로 써보면
또는 아래와 같이 볼 수 도 있다.
아래와 같은 함수
이 함수의 밑면적을 계산하기 위해서
와 같은 계산을 정의하였다. 이를 다시 평이한 언어로 표현하면
- 적분값 =
에서의 함수값 을 로 잰 길이 + 에서의 함수값 을 로 잰 길이
와 같은 방식으로 서술할 수 있다. 이제 가측함수
인 measurable function such that 인 measurable function such that 는 measure on . 는 measure on .
에서 1대신 2를, 3대신 4를 생각하자는 의미이다. 그렇다면
- 적분값 =
에서의 함수값 을 로 잰 길이 + 에서의 함수값 을 로 잰 길이
은 아래와 같이 대응하여 바꿀 수 있고
- 적분값 =
에서의 함수값 을 로 잰 길이 + 에서의 함수값 을 로 잰 길이
이것은 다시
- 적분값 =
로 쓸 수 있다. 아래의 수식
에 대응하여 다시 상기하면
로 쓸 수 있다.
-
예제2:
6
7 이렇게 정의해도 되는 이유는 카라테오도리 확장정리덕분
(풀이)
아래와 같이 계산할 수 있다. (고등학교 수준)
이는 아래와 같이 변형할 수 있다.
, where . . . .
혹은 아래와 같이 변형할 수 있다.
이 예제에서는
가 성립하는 특이한 경우이다. 이는 이해를 용이하게 위해서 이 예제에서 특별하게 설정된 상황이다. 하지만 이 성질은 꼭
-
정의:
여기에서
만약
만약에
여기에서
-
요약
- 학부수준: 연속형확률변수의 기대값과 이산형확률변수의 기대값이 서로 다르게 정의된다.
- 대학원수준: 두 경우 모두
로 정의된다.
Appendix
-
WGAN
-
시계열교재