Probability

 

확률에 관한 학문적 탐구가 시작된 18 세기이래 다양한 이론들이 등장했다. 그리고 이러한 이론에 대한 분류도 여러 가지 방법으로 제시되었다.  확률에 관한 이론은 고전적 이론(classical theory), 선험적 이론(a priori theory), 상대빈도 이론(relative frequency theory), 그리고 주관주의 이론(subjectivist theory)으로 나뉜다. (송하석 1998)

대표적인 확률적 이론으로는 논리적 해석에 기반을 두고 있는 카르납의 이론, 성향적 해석에 기반을 두고 있는 포퍼 (Popper) 의 이론, 주관적 해석에 기반을 두고 있는 베이즈주의 (Bayesianism), 그리고 빈도적 해석에 기반을 두고 있는 라이헨바하 (Reichenbach) 의 이론, 기어리 (Giere) 의 이론, 메이요 (Mayo) 의 오차통계학 등이 있다. ... 이러한 이론들은 확률에 관한 서로다른 해석에 기반을 두고 있기 때문에 과학적 추리의 본성과 특징을 각자 다른 방식으로 파악한다. (이영의 2003)

paper   site

... 확률 이 어떻게 이해되고 설명될 수 있는가 라는 질문은 논리학이나 수학의 문제일뿐만 아니라 일상언어의 의미론의 문제와도 관련된다고 할 수 있겠다. 또한 자연과학 이론이 의존하는 귀납적 일반화는 궁극적으로 확률의 문제이기 때문에 과학철학에 있어서도 확률 이론은 대단히 중요한 문제가 아닐 수 없다.

확률론 및 통계학 (Statistics) 의 응용은 인접 학문 분야들 중 하나인 전산학에서도 오랫동안 다양하게 이루어져 왔다. 특히 인공지능 (Artificial Intelligence) 분야에서는 초창기부터 불확실한 지식의 표현과 처리에 확률 및 통계적 이론들을 응용하고 있다. 예를들어, 전문가시스템 (Expert System) 중에서 초기 시스템에 해당되는 PROSPECTOR 및 MYCIN 은 각각 베이즈확률 (Bayesian Probability) 과 Stanford Certainty Theory (확신도 (Certainty Factor)) 라는 독자적인 방법을 이용하였으며, 그 외에도 많은 시스템들이 Zadeh 의 Fuzzy 이론이나 Dempster 와 Shafer 의 Dempster-Shafer 증거이론 (Theory of Evidence) 등을 사용하여 지식의 불확실성 (Uncertainty) 문제를 해결하고 있다 (신양규 1995).

term :

수학 (Mathematics)   논리학 (Logic)   철학 (Philosophy)   통계학 (Statistics)   인공지능 (Artificial Intelligence)   전문가시스템 (Expert System)    PROSPECTOR    MYCIN    베이즈확률 (Bayesian Probability)   확신도 (Certainty Factor)   퍼지 (Fuzzy)   Dempster-Shafer 이론 (Dempster-Shafer Theory)   불확실성 (Uncertainty)   귀납법 (Induction)