[기초통계학] 확률의 기본 개념(표본공간, 곱의 법칙, 이항정리), 표본추출정리, 확률의 공리

확률론의 활용영역

• 유전학, 물리학, 계랑경제학, 금융, 역사학, 정치
• 인문학, 사회과학계에서도 중요도와 활용이 늘어나고 있음
• 도박과 게임 - 통계에서 여러 번 연구된 주제이다(페르마, 파스칼)
• 인생 전반: (수학이 활실성에 대한 학문이라면,) 확률은 불확실성(uncertainty)을 계량화하는 것을 가능하게 해 준다.

확률의 기본 개념

• 표본공간(sample space): 시행에서 발생 가능한 모든 경우의 집합
• 사건(event): 표본공간의 부분집합
• 확률의 naïve 한 정의
  • $P(A)=\frac{(사건A가발생하는경우의수)}{(발생가능한모든경우의수)}$
  • 분모는 표본공간과 같음
  • 두개의 동전을 던졌을 때 둘다 앞면이 나올 확률 : $P(A)=\frac{1}{4}$
  • 가정 : 모든 경우가 같은 확률로 나오며, 가능한 경우가 유한함(유한한 표본공간)

• 셈 원리(Counting Principle)
  • 곱의 법칙(Multiplication Rule): 발생 가능한 경우의 수가 $n_1,n_2,...,n_r$ ​​ 가지인 1,2, ...,r 번의 시행에서 발생 가능한 모든 경우의 수는 $n_1\times n_2\times ...\times n_r$​​ 이다.
• 이항계수(Binomial Coefficient): $(\genfrac{}{}{0ex}{}{n}{k})=\frac{n!}{(n-k)!k!}$
  • 크기 n의 집합에서 만들 수 있는 크기 k인 부분집합의 수(순서 관계 없이)
  • k가 n보다 큰 경우는 0으로 정의 (불가능함)
  • k를 뽑는 경우의 수는 다음과 같음 : n * n-1 * n-2 * .... * (n-k+1)
  • 다만 k를 중복해서 뽑았으니 k! 만큼 나눠주어야함
  • EX) 포커에서 풀하우스 (숫자가 같은 카드 3장 + 숫자가 같은 카드 2장)이 나올 확률 (카드는 총 52장이며 13개의 카드가 4장씩 있음)
    • $\frac{13\ast (\genfrac{}{}{0ex}{}{4}{3})\ast 12(\genfrac{}{}{0ex}{}{4}{2})}{(\genfrac{}{}{0ex}{}{52}{5})}$

표본 추출 정리

• 다른 경우들은 곱의 법칙으로 설명이 되지만, (복원, 순서 상관이 없는) 경우 그렇지 않음.
• n개에서 k개를 순서 상관 없이, 복원하며 뽑는 경우의 수: $(\genfrac{}{}{0ex}{}{n+k-1}{k})$
• 숫자 대입해서 확인해보기
  • (일반적인 경우) k = 1 대입: $(\genfrac{}{}{0ex}{}{n}{1})$
  • (극단적인 경우) k = 0 대입: $(\genfrac{}{}{0ex}{}{n-1}{0})$
  • (간단하지만 당연하지는 않은 값) n = 2 대입: $(\genfrac{}{}{0ex}{}{k+1}{k})=(\genfrac{}{}{0ex}{}{k+1}{1})=k+1$

• Ex) n개의 상자에 k개의 구별 불가능한 object들을 넣을 수 있는 경우의 수는 얼마인가?
  • 구슬과 같이 실물이 있는 물체는 labeling이 가능하며 서로 구별이 가능하다. 따라서 확률의 naive한 정의로 접근 가능
  • 하지만 물리학, counting problem에서의 경우에는 object들이 항상 구별 가능한 것이 아니기 때문에 이와 같은 접근이 어려움
  • 위 문제는 n+k-1개의 위치에 원과 구분선을 배열하는 것과 같다. 원의 위치를 먼저 정하면 구분선의 위치도 결정되고, 그 반대도 성립하기 때문에, 다음과 같은 등식이 성립함을 확인할 수 있다.
  • $(\genfrac{}{}{0ex}{}{n+k-1}{n-1})=(\genfrac{}{}{0ex}{}{n+k-1}{k})$

k개의 원과 n-1개의 구분선을 배열하는 것과 같다.

Story Proof

• 상황 해석을 통한 증명 (대수적 방법으로 접근하는 것보다 훨씬 쉬울 때가 있음!)
  1) $(\genfrac{}{}{0ex}{}{n}{k})=(\genfrac{}{}{0ex}{}{n}{n-k})$
  2) $n\ast (\genfrac{}{}{0ex}{}{n-1}{k-1})=k\ast (\genfrac{}{}{0ex}{}{n}{k})$
  • n명 중에서 k명 뽑기, k명 중에서 한 명을 회장으로 뽑는 문제로 해석
  • 회장을 먼저 뽑고 나머지 k명에 들어갈 사람 뽑기 ⇔ k명을 뽑고 그 중에서 회장 뽑기
    3) $(\genfrac{}{}{0ex}{}{m+n}{k})={\displaystyle \sum _{j=0}^k(\genfrac{}{}{0ex}{}{m}{j})(\genfrac{}{}{0ex}{}{n}{k-j})}$
  • 방데르몽드 항등식이라고 불림
  • m+n개에서 k개뽑기

각 사건은 모두 독립이기에 전부 더하면 됨.

Non-naïve definition of probability

• 모든 경우의 확률이 각각 다른 경우
• 확률공간(Probability space) : S와 P로 구성
  • S : 표본공간 (어떤 사건 A는 S의 부분집합)
  • P : 함수 (어떤 사건 A를 입력으로 하는 함수)
• 공리
  • 아래 세 가지 공리로부터 대부분의 식을 유도할 수 있음
  1. 공집합에 대한 확률은 0이다 (불가능하기 때문에)
     • $P(S)=1P(\varphi )=0$
  2. 전체 표본 공간의 확률(적어도 사건 A가 발생할 확률)은 1이다.
     • P(S)=1
  3. 합사건의 확률은 모든 확률의 합과 같다. (A1, A2.... 가 모두 서로소 일 경우만)
     • $P(\bigcup _{n=1}^{\mathrm{\infty }}{A}_n)={\displaystyle \sum _{n=1}^{\mathrm{\infty }}P(A_n)}$
     • $A_i,A_j는서로소이다$