β€œν™•λ₯ κ³Ό 톡계(MATH230)” μˆ˜μ—…μ—μ„œ 배운 것과 κ³΅λΆ€ν•œ 것을 μ •λ¦¬ν•œ ν¬μŠ€νŠΈμž…λ‹ˆλ‹€. 전체 ν¬μŠ€νŠΈλŠ” Probability and Statisticsμ—μ„œ ν™•μΈν•˜μ‹€ 수 μžˆμŠ΅λ‹ˆλ‹€ 🎲

6 minute read

β€œν™•λ₯ κ³Ό 톡계(MATH230)” μˆ˜μ—…μ—μ„œ 배운 것과 κ³΅λΆ€ν•œ 것을 μ •λ¦¬ν•œ ν¬μŠ€νŠΈμž…λ‹ˆλ‹€. 전체 ν¬μŠ€νŠΈλŠ” Probability and Statisticsμ—μ„œ ν™•μΈν•˜μ‹€ 수 μžˆμŠ΅λ‹ˆλ‹€ 🎲

λ“€μ–΄κ°€λ©°

β€œμ§€μˆ˜ 뢄포(Exponential Distribution)β€œμ— λŒ€ν•œ ν¬μŠ€νŠΈμ—μ„œ μ΄μ–΄μ§€λŠ” λ‚΄μš© μž…λ‹ˆλ‹€.

μ²˜μŒμ— Waiting Time에 λŒ€ν•œ 뢄포λ₯Ό λ– μ˜¬λ¦¬λ©° μ§€μˆ˜ 뢄포 $\text{EXP}(\beta)$λ₯Ό λ– μ˜¬λ Έκ³ , λ‹¨μœ„ μ‹œκ°„λ‹Ή 이벀트 λ°œμƒ 횟수(Event Rate)에 λŒ€ν•œ 뢄포λ₯Ό λ– μ˜¬λ¦¬λ©° 푸아솑 뢄포 $\text{POI}(\lambda)$λ₯Ό λ– μ˜¬λ ΈμŠ΅λ‹ˆλ‹€. 그런데, 이 두 λΆ„ν¬λŠ” μ„œλ‘œ μŒλŒ€μ„±(Duality)λ₯Ό κ°–κ³  μžˆμŠ΅λ‹ˆλ‹€.

Duality with Poisson Distribution

평균 λŒ€κΈ° μ‹œκ°„ $\beta$λŠ” 사건이 ν•œ 번 λ°œμƒν•˜κΈ°κΉŒμ§€ κ±Έλ¦¬λŠ” 평균 μ‹œκ°„μ„ μ˜λ―Έν•©λ‹ˆλ‹€. 예λ₯Ό λ“€μ–΄, 5뢄에 ν•œ λŒ€μ”© μ§€ν•˜μ² μ΄ λ„μ°©ν•œλ‹€λ©΄, $\beta = 5$μž…λ‹ˆλ‹€. 이λ₯Ό β€œλ‹¨μœ„ μ‹œκ°„λ‹Ή 평균 λ°œμƒ 횟수(event rate)β€œλ‘œ λ³€ν™˜ν•˜λ©΄, 1λΆ„λ‹Ή 평균 0.2λŒ€μ˜ μ—΄μ°¨κ°€ λ„μ°©ν•˜κ²Œ λ©λ‹ˆλ‹€. 즉, $\lambda = 0.2$이며, μ΄λŠ” $\lambda = \frac{1}{\beta}$둜 λ‚˜νƒ€λ‚Ό 수 μžˆμŠ΅λ‹ˆλ‹€.

\[\beta = \frac{1}{\lambda} \quad \text{and} \quad \frac{1}{\beta} = \lambda\]

이것은 $\beta$와 $\lambda$ λ‘˜μ€‘ ν•˜λ‚˜λ§Œ μ•Œλ©΄ λ‹€λ₯Έ νŒŒλΌλ―Έν„°μ˜ 값은 μžμ—°μŠ€λŸ½κ²Œ μ•Œ 수 μžˆλ‹€λŠ” 것이죠.

κ·Έλž˜μ„œ μ§€μˆ˜ 뢄포λ₯Ό μ•„λž˜μ™€ 같이 μ •μ˜ν•  μˆ˜λ„ μžˆμŠ΅λ‹ˆλ‹€.

\[\text{EXP}(1/\lambda): P(X = x) = \lambda \cdot e^{-\lambda x}\]

그리고 푸아솑 뢄포도 μ΄λ ‡κ²Œ μ •μ˜ν•  μˆ˜λ„ μžˆμŠ΅λ‹ˆλ‹€.

\[\text{POI}(1/\beta): P(X = x) = \frac{(1/\beta)^x \cdot e^{-1/\beta}}{x!}\]

보면 μ§€μˆ˜ 뢄포 $\text{EXP}(1/\lambda)$λŠ” λΆ„μˆ˜μ‹ ν‘œν˜„ $1/\beta$κ°€ μ—†μ–΄μ§€λ©΄μ„œ 식이 κ½€ κΉ”λ”ν•΄μ‘ŒλŠ”λ°, $\text{POI}(1/\beta)$λŠ” 식이 μ•„μ£Ό κ΄΄λž„ν•΄μ‘ŒμŠ΅λ‹ˆλ‹€. κ·Έλž˜μ„œ μˆ˜μ—… λ•Œ κ΅μˆ˜λ‹˜μ€ $\text{EXP}(\lambda)$으둜 ν‘œκΈ°ν•˜κΈ°λ„ ν•˜μ…¨λŠ”λ°μš”. $\lambda$κ°€ Event Rate에 λŒ€ν•œ κ²ƒμ΄λ‹€λΌλŠ” λͺ…ν™•ν•œ ν•©μ˜μ™€ ν‘œκΈ°λ§Œ μžˆλ‹€λ©΄ μ΄λ ‡κ²Œ 써도 될 것 κ°™μŠ΅λ‹ˆλ‹€.

λ‹€λ§Œ, β€œExponential Distribution은 λŒ€κΈ° μ‹œκ°„μ— λŒ€ν•œ 뢄포닀!β€λΌλŠ” 사싀은 μ§κ΄€μ μœΌλ‘œ 받아듀이고 μ‹Άμ–΄μ„œ μ €μ˜ ν¬μŠ€νŠΈμ—μ„œλŠ” $\text{EXP}(\beta)$λ₯Ό ν‘œμ€€μœΌλ‘œ μ“°κ³ , $\lambda$κ°€ 주어진 경우라면 $\text{EXP}(\beta = 1/\lambda)$ μ΄λ ‡κ²Œ 적도둝 ν•˜κ² μŠ΅λ‹ˆλ‹€.

Relationship with Poisson Process

푸아솑 κ³Όμ •(Poisson Process) ${ N(t) }$λŠ” $t$μ‹œκ°„ λ™μ•ˆ λ°œμƒν•œ 총 μ‚¬κ±΄μ˜ κ°œμˆ˜μ— λŒ€ν•œ λͺ¨λΈλ§ μž…λ‹ˆλ‹€. μ΄λ•Œ, νŠΉμ • μ‹œμ  $t$μ—μ„œμ˜ $N(t)$λŠ” 포아솑 뢄포λ₯Ό λ”°λ¦…λ‹ˆλ‹€. 즉,

\[N(t) \sim \text{POI}(\lambda t)\]

μ—¬κΈ°μ„œ $\lambda$λŠ” λ‹¨μœ„ μ‹œκ°„λ‹Ή 평균 사건 λ°œμƒ 횟수이며, λ”°λΌμ„œ $t$μ‹œκ°„ λ™μ•ˆμ˜ 총 λ°œμƒ νšŸμˆ˜λŠ” ν‰κ· μ μœΌλ‘œ $\lambda t$κ°€ λ©λ‹ˆλ‹€. 푸아솑 과정에 λŒ€ν•΄μ„œλŠ” 별도 ν¬μŠ€νŠΈμ—μ„œ μžμ„Ένžˆ μ •λ¦¬ν•œ 것이 μžˆμŠ΅λ‹ˆλ‹€.

첫 번째 사건이 λ°œμƒν•  λ•ŒκΉŒμ§€ κ±Έλ¦° μ‹œκ°„

푸아솑 κ³Όμ •μ—μ„œ β€œμ–΄λ–€ 사건이 처음 λ°œμƒν•˜κΈ°κΉŒμ§€ κ±Έλ¦¬λŠ” μ‹œκ°„β€μ„ 생각해 λ΄…μ‹œλ‹€. μš°λ¦¬λŠ” 사건이 λ°œμƒν•˜λŠ” μ •ν™•ν•œ μ‹œκ°„μ„ μ•Œ 수 μ—†μœΌλ©°, 사건은 ν™•λ₯ μ μœΌλ‘œ μΌμ–΄λ‚˜λ―€λ‘œ, 이 μ‹œκ°„μ„ ν™•λ₯  λ³€μˆ˜(Random Variable) $T$둜 μ •μ˜ν•©μ‹œλ‹€.

이제 β€œμ²« 번째 사건이 $t$μ‹œκ°„ 이후에 λ°œμƒν•  ν™•λ₯ β€μ„ ꡬ해 λ΄…μ‹œλ‹€. 첫 번째 사건이 $t$ 이후에 λ°œμƒν•˜λ €λ©΄, 즉 $T > t$이렀면, $t$μ‹œκ°„ λ™μ•ˆ μ•„λ¬΄λŸ° 사건도 λ°œμƒν•˜μ§€ μ•Šμ€ μƒνƒœμ—¬μ•Ό ν•©λ‹ˆλ‹€. μ΄λŠ” 곧 푸아솑 κ³Όμ •μ—μ„œ $t$μ‹œκ°„ λ™μ•ˆ μ‚¬κ±΄μ˜ κ°œμˆ˜κ°€ 0κ°œλΌλŠ” μ˜λ―Έμ΄λ―€λ‘œ, λ‹€μŒκ³Ό 같이 ν‘œν˜„ν•  수 μžˆμŠ΅λ‹ˆλ‹€.

\[P(T > t) = P(N(t) = 0)\]

μš°λ¦¬λŠ” 아직 ν™•λ₯  λ³€μˆ˜ $T$κ°€ μ–΄λ–€ 뢄포λ₯Ό λ”°λ₯΄λŠ”지 λͺ¨λ¦…λ‹ˆλ‹€. ν•˜μ§€λ§Œ $P(T > t)$κ°€ 푸아솑 κ³Όμ •μ—μ„œ $P(N(t) = 0)$κ³Ό κ°™λ‹€λŠ” 것을 μ•Œκ³  있으며, 푸아솑 λΆ„ν¬μ˜ ν™•λ₯  μ§ˆλŸ‰ ν•¨μˆ˜(PMF)λŠ” λ‹€μŒκ³Ό κ°™μŠ΅λ‹ˆλ‹€.

\[P(N(t) = k) = e^{-\lambda t} \frac{(\lambda t)^k}{k!}\]

μ—¬κΈ°μ„œ $k = 0$을 λŒ€μž…ν•˜λ©΄,

\[P(N(t) = 0) = e^{-\lambda t} \frac{(\lambda t)^0}{0!} = e^{-\lambda t}\]

λ”°λΌμ„œ,

\[P(T > t) = e^{-\lambda t}\]

즉, 첫 번째 사건이 $t$ 이후에 λ°œμƒν•  ν™•λ₯ μ€ $e^{-\lambda t}$둜 λ‚˜νƒ€λ‚Ό 수 μžˆμŠ΅λ‹ˆλ‹€.

μœ„μ—μ„œ κ΅¬ν•œ $P(T > t)$λŠ” ν™•λ₯  λ³€μˆ˜ $T$의 꼬리 ν™•λ₯ (Tail Probability)μž…λ‹ˆλ‹€. 이λ₯Ό λˆ„μ  뢄포 ν•¨μˆ˜(CDF)의 ν˜•νƒœλ‘œ λ³€ν™˜ν•˜λ©΄,

\[P(T \le t) = 1 - P(T > t) = 1 - e^{-\lambda t}\]

이제 CDFλ₯Ό λ―ΈλΆ„ν•˜λ©΄ ν™•λ₯  밀도 ν•¨μˆ˜(PDF)λ₯Ό 얻을 수 μžˆμŠ΅λ‹ˆλ‹€.

\[f_T(t) = \frac{d}{dt} P(T \le t) = \frac{d}{dt} (1 - e^{-\lambda t}) = \lambda e^{-\lambda t}\]

πŸ‘€ μ΅μˆ™ν•œ ν˜•νƒœ μ•„λ‹Œκ°€μš”? λ°”λ‘œ μ§€μˆ˜ 뢄포(Exponential Distribution)의 ν™•λ₯  밀도 ν•¨μˆ˜(PDF)μž…λ‹ˆλ‹€! πŸŽ‰

\[T \sim \text{EXP}(\beta = 1/\lambda) \quad \Rightarrow \quad f_T(t) = \lambda e^{-\lambda t}\]

즉, μ§€μˆ˜ λΆ„ν¬λŠ” μ–΄λ–€ 사건이 처음 λ°œμƒν•  λ•ŒκΉŒμ§€ κ±Έλ¦¬λŠ” μ‹œκ°„μ— λŒ€ν•œ ν™•λ₯  뢄포라고 ν•  수 μžˆμŠ΅λ‹ˆλ‹€!

맺음말

  • μ–΄λ–€ μ‚¬κ±΄μ˜ λ°œμƒ νšŸμˆ˜κ°€ 포아솑 뢄포λ₯Ό λ”°λ₯Έλ‹€λ©΄, 사건 μ‚¬μ΄μ˜ λŒ€κΈ° μ‹œκ°„μ€ μ§€μˆ˜ 뢄포λ₯Ό λ”°λ₯΄κ²Œ λœλ‹€. (λ˜λŠ” 첫 사건이 λ°œμƒν•˜λŠ” λ°κΉŒμ§€ κ±Έλ¦¬λŠ” μ‹œκ°„μ€ μ§€μˆ˜ 뢄포λ₯Ό λ”°λ₯Έλ‹€.)
  • $\lambda$λŠ” Unit time λ™μ•ˆ Eventκ°€ 일어날 평균 횟수λ₯Ό μ˜λ―Έν•œλ‹€. 그리고 κ·Έ μ—­μˆ˜μΈ $\beta$λŠ” ν•œ 번의 Eventκ°€ λ°œμƒν•˜λŠ” 데 κ±Έλ¦¬λŠ” 평균 μ‹œκ°„μ„ μ˜λ―Έν•œλ‹€.


λ³Έ ν¬μŠ€νŠΈλŠ” β€œμ§€μˆ˜ 뢄포(Exponential Distribution)β€œμ— λŒ€ν•œ 포슀트 λ‚΄μš©μ΄ κΈΈμ–΄μ Έμ„œ λ³„λ„λ‘œ λΆ„λ¦¬ν•œ λ¬Έμ„œ μž…λ‹ˆλ‹€. μ§€μˆ˜ 뢄포와 κ΄€λ ¨λœ 전체 λͺ©λ‘μ€ μ•„λž˜μ—μ„œ 확인할 수 μžˆμŠ΅λ‹ˆλ‹€!

References