주관적 확률: 기능, 응용 및 예

소개

주관적 확률은 당신의 판단이나 경험에 기초하여 특정한 결과가 일어날 가능성이 있는 확률의 한 유형입니다. 지금까지 배운 내용을 참조하거나 자신의 경험을 바탕으로 이벤트의 결과를 예측하는 데 도움이 됩니다.

수집된 데이터 또는 기록된 관찰의 이력을 측정하여 이벤트가 발생할지 여부를 예측하는 객관적 확률의 정반대입니다. 주관적 확률은 수학적 계산이나 데이터 분석을 사용하지 않습니다. 결과를 예측하는 것은 오히려 직감에 달려 있습니다.

주관적 확률 결과는 각 사람이 특정 사건에 대해 다른 의견이나 생각을 가질 수 있으므로 두 사람에게 결코 동일하지 않을 것입니다. 예를 들어, 두 사람이 특정 상황에서 어떻게 반응할지 예측하라는 요청을 받았다면 분명히 다른 대답을 듣게 될 것입니다.

당신과 가까운 사람이 당신을 더 잘 알기 때문에 그/그녀는 성격에 따라 대답할 것입니다. 상대방은 당신의 반응을 예측하는 동안 다른 요인을 고려할 수 있습니다.

주관적 확률은 어떻게 작동합니까?

주관적 확률은 개인의 편향이 높고 확률의 결과는 사람마다 다릅니다. 일반적으로 확률은 정량적 정보나 데이터를 수집한 다음 수학적 계산이나 공식을 사용하여 출력을 해석하여 얻습니다. 그러면 일반적으로 더 정확한 답을 얻을 수 있습니다.

예를 들어, 동전 던지기의 결과를 예측할 수 있습니다. 동전이 앞면과 뒷면이 위로 향하게 떨어질 확률은 항상 50%-50%입니다.

반면 주관적인 확률은 매우 유동적이며 개인의 판단에 따라 크게 좌우되기 때문에 정답을 제시하지 못할 수 있습니다. 판단은 개인의 경험과 견해를 기반으로 합니다. 주관적이고 주어진 상황을 어떻게 해석하느냐에 따라 사람마다 차이가 나는 경우가 많습니다.

통계적 분석이나 수학적 계산을 사용하지 않지만 주관적인 확률은 다음과 같이 설명할 수 있습니다.

확률(x) = x가 참이라는 개인적인 믿음의 정도

여기서 x는 이벤트, 상황 또는 조건입니다.

읽기: R의 로지스틱 회귀

주관적 확률의 사용

주관적인 확률이 매우 유연하고 논리적인 추론이 없을 때 어디에 사용하는지 궁금할 것입니다. 일부 산업에서는 유용하다고 생각하고 이러한 예측을 사용하여 비즈니스 목표를 달성합니다.

주관적 확률 접근법은 마케팅, 경제, 비즈니스 등과 같은 의사 결정을 위해 여러 산업에서 사용됩니다. 예를 들어 영업 관리자는 자신의 회사가 입찰한 주문을 받을 확률이 70%라고 예측합니다. 반복된 테스트 또는 계산은 이 백분율을 평가할 수 없습니다.

주관적 확률을 사용하는 몇 가지 실제 예는 다음과 같습니다.

• 면접 결과
• 직원 승진
• 성과 인센티브
• 비즈니스 판매
• 주관적 확률의 단점

주관적 확률은 사건의 가능성에 대한 개인의 믿음이나 판단에 의해 크게 영향을 받습니다. 주관적 확률의 단점은 다음과 같습니다.

• 예측은 논리적 추론이나 통계적 계산에 의해 뒷받침되지 않습니다. 그것은 항상 높은 수준의 편견을 기반으로 합니다.
• 주관적인 확률은 복잡한 계산을 충족하지 못합니다.
• 결과는 사건이나 상황에 대해 결코 동일하지 않습니다. 예를 들어, 동일한 상황에서 두 명 이상의 개인이 다른 결과에 도달할 수 있습니다. 즉, 동일한 이벤트에 대해 개인이 고려하는 다른 요소가 있을 수 있습니다.
• 작동하려면 몇 가지 조건을 따라야 합니다. 예를 들어, 이벤트의 백분율을 예측할 때 발생 여부에 관계없이 합계는 100%가 되어야 합니다.

반드시 읽어야 할 사항: 회귀 모델의 유형

주관적 확률의 예

다음 예는 주관적 확률 결과가 사람마다 어떻게 다른지 명확하게 나타냅니다.

실시예 1

당신은 Virat Kohli의 열렬한 팬이며 월드컵 크리켓 시리즈가 며칠 후에 시작됩니다. 인도가 월드컵 시리즈에서 우승할 가능성을 예측하라는 요청을 받았습니다. 예측을 뒷받침하는 수학적 계산이나 데이터는 없지만, 여전히 실제 백분율로 좋아하는 선수나 팀을 보증할 것입니다. 예를 들어, 인도가 월드컵 시리즈에서 우승할 확률은 90%입니다.

실시예 2

앞면이 위로 오든 뒷면이 위로 오든 동전 던지기의 결과를 예측하라는 요청을 받았습니다. 그러나 수학적 계산에 따르면 머리 위로 떨어질 확률은 50%이고 꼬리 위로 떨어질 확률은 50%입니다. 주관적인 확률에서 예측의 백분율은 이전 플립을 기반으로 변경될 수 있습니다.

같은 동전을 과거에 15번 던졌고 앞면이 10번, 뒷면이 5번 나왔다면. 당신은 75%의 확률로 헤드업을 한다고 말할 것입니다. 수학적으로는 정확하지 않지만 경험으로 인해 주관적 확률을 사용하여 예측해야 하는 상황이 발생했습니다.

실시예 3

기상청은 바람 패턴, 기상 상황 및 소프트웨어 분석을 기반으로 앞으로 2시간 동안 비가 올 것으로 예측하고 있습니다. 그러나 날씨나 비에 대한 경험을 바탕으로 향후 2시간 동안 동일한 비 예보가 있을 수 있습니다.

실시예 4

당신은 병에 걸려 가정의를 방문하고 싶습니다. 의사를 방문하는 동안 얼마나 많은 비용을 지불해야 하는지 예측하려고 합니다. 마지막으로 방문했을 때 의사는 진료비로 500루피를 청구했다.

그러나 가족 중 한 명이 사무실을 업그레이드하여 시설을 추가했기 때문에 상담 비용이 올랐을 수 있다고 알려줍니다. 이제 두 가지 옵션이 남았습니다. 예산대로 가거나 비용이 얼마인지에 대한 생각 없이 가다가 결국 더 많은 돈을 지출하게 됩니다. 직감에 따라 첫 번째 옵션을 선택합니다.

결론

요약하자면 주관적 확률은 사건의 가능성에 대한 개인의 지식, 이해 및 경험에 기반한 확률 유형입니다. 이러한 예측은 편향되지 않고 논리적 추론을 제시하는 경우 사실일 수 있습니다. 그러나 이 글 전체에서 설명하는 것처럼 계산보다는 판단이나 경험이 필요한 상황이 있습니다.

기계 학습에 대해 자세히 알아보려면 IIIT-B 및 upGrad의 기계 학습 및 AI PG 디플로마를 확인하세요. 이 PG 디플로마는 일하는 전문가를 위해 설계되었으며 450시간 이상의 엄격한 교육, 30개 이상의 사례 연구 및 과제, IIIT- B 동문 자격, 5개 이상의 실용적인 실습 캡스톤 프로젝트 및 최고의 기업과의 취업 지원.