1
AD 1763장면 1 / 4같은 연도의 세계에서 이어 보기
베이즈 사후 출간
토머스 베이즈 사후 친구 리처드 프라이스가 역확률 문제 논문 발표. 당대에는 거의 무시.
정확한 장소가 없어 거짓 핀 대신 시간만 이어지는 장면
같은 연도의 세계에서 이어 보기이 개념의 출항 질문
우연에서 신호 읽기2 / 11번째 항구“‘베이즈 정리’에서 묻습니다. 한 번의 우연에서 반복되는 신호를 어떻게 읽을까?”
주사위와 보험에서 데이터, 잡음, 학습 알고리즘까지 불확실성을 측정하고 판단으로 바꾸는 여정입니다.
이 항로는 이해를 돕는 편집 경로입니다. 직접적인 역사 영향선이나 한 사람의 단독 발명을 뜻하지 않습니다.
한 호흡으로 이해하기
새 증거를 관찰했을 때 가설의 확률을 어떻게 갱신할까. 베이즈의 사후 출판 논문과 라플라스의 일반화로 발전한 정리는 조건부확률의 방향을 바꾸어 계산한다. 의료검사·스팸 분류·과학적 추론 등에 유용하지만, 사전확률과 모형이 부적절하면 계산도 현실을 잘 설명하지 못한다.
한눈에 보기
단계 | 계산 | 값 |
|---|---|---|
전제 | 유병률 1%, 민감도 99%, 특이도 99% | |
환자 중 양성 | P(+|병) × P(병) = 0.99 × 0.01 | 0.0099 |
비환자 중 양성 (오진) | P(+|¬병) × P(¬병) = 0.01 × 0.99 | 0.0099 |
양성 합계 | 0.0099 + 0.0099 | 0.0198 |
양성 시 진짜 환자일 확률 | 0.0099 / 0.0198 | 50% — 직관과 다르다! |
이 가정에서는 양성 뒤 실제 질환 확률이 50%다. 민감도와 특이도가 같더라도 유병률이 낮으면 거짓 양성 수가 참 양성과 비슷해질 수 있다. 실제 해석에는 검사별 성능과 환자 맥락이 필요하다.
개념
"증거를 보고 가설을 갱신한다"는 추론의 수학. 18세기 영국 목사가 발견했고 라플라스가 발전시킨 정리가 오늘날 의료 진단·스팸 필터·AI 모델의 기본 언어.
핵심 식
사후확률 = 우도 × 사전확률 / 정규화
풀이 예제
- 1
Q.유병률 1%, 민감도 99%, 특이도 99%인 검사에서 양성이 나왔다. 이 단순 모형에서 실제 질환 확률은?
시간의 항구
이 개념은 한 번에 발명되지 않았습니다
장면을 따라가면 문제, 표기, 증명 기준과 쓰임이 서로 다른 장소와 시대에서 어떻게 바뀌었는지 보입니다.
2
AD 1812장면 2 / 4같은 연도의 세계에서 이어 보기
라플라스 — 일반화
라플라스가 베이즈 정리를 모든 과학적 추론의 기본 도구로 정립. La probabilité des causes.
정확한 장소가 없어 거짓 핀 대신 시간만 이어지는 장면
같은 연도의 세계에서 이어 보기3
AD 1990장면 3 / 4같은 연도의 세계에서 이어 보기
의료 진단 혁명
HIV 양성 결과의 진짜 의미는? — 베이즈 정리가 의료 결정의 기본이 됨.
정확한 장소가 없어 거짓 핀 대신 시간만 이어지는 장면
같은 연도의 세계에서 이어 보기4
AD 2010장면 4 / 4같은 연도의 세계에서 이어 보기
베이즈 머신러닝
딥러닝과 함께 베이즈 신경망, 변분 추론이 부상. 불확실성을 정량화하는 AI.
정확한 장소가 없어 거짓 핀 대신 시간만 이어지는 장면
같은 연도의 세계에서 이어 보기오늘날의 응용
의료 진단(질병 양성/음성 해석), 스팸 필터, A/B 테스트, 베이즈 신경망, 지진 예측, 법정 증거 평가.
MathVoyage 너머로
큐레이터가 고른 원전과 탐구 과제. OEIS·Project Euler·MathOverflow·arXiv에서는 발견 하나를 수첩으로 가져올 수 있습니다.
한 사람이 만든 개념이 아닙니다
역할이 다른 사람들을 따라가기
대표 연결은 발명자 명단이 아닙니다. 문제를 열고, 언어를 다듬고, 다른 세계로 옮긴 서로 다른 항구입니다.
수의 렌즈
같은 개념도 수의 세계가 바뀌면 다르게 보입니다
아래 수는 필수 선수 조건이 아니라 이 항로를 비추는 편집 렌즈입니다.
개념의 계보
무엇을 딛고, 무엇을 열었을까?
직접 연결만 표시하며 완전한 학습 순서나 역사 영향선을 뜻하지 않습니다.