[G1-Sync] Manual knowledge update

10_Wiki/Topics/Statistics.md

@@ -1,5 +1,5 @@
 ---
-id: P-REINFORCE-AUTO-STAT-002
+id: [[P-Reinforce]]-AUTO-STAT-002
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, statistics, mathematical-foundation, probability, distribution, data-science]
@@ -16,14 +16,14 @@ last_reinforced: 2026-04-20
 
 1.  **3대 기본 개념**:
     *   **Distribution (분포)**: 데이터가 어떤 모양으로 퍼져 있는가 (예: 정규분포).
-    *   **Probability (확률)**: 특정 사건이 발생할 가능성. (Probabilistic-Reasoning와 연결)
+    *   **Probability (확률)**: 특정 사건이 발생할 가능성. ([[Probabilistic-Reasoning]]와 연결)
     *   **Sampling (표본 추출)**: 전체를 다 볼 수 없을 때 일부만 보고 전체를 추측하는 기술.
 2.  **왜 중요한가?**:
     *   통계 없이는 기상 예보도, 백신 개발도, AI 모델의 손실 함수(Loss function) 계산도 불가능함. 즉, 현대 과학의 모든 판단 근거는 통계에서 나옴. (Evidence-Based-Thinking의 기둥)
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌**: 과거에는 계산의 편리함을 위해 많은 가정을 전제로 했으나, 현대 정책은 컴퓨터의 미친 성능 정책을 활용해 복잡한 가정을 다 무시하고 데이터를 직접 때려 넣는 '계산 통계(Computational Statistics) 정책'이 주류가 됨(RL Update).
-- **정책 변화(RL Update)**: "전통 통계는 죽었다"는 과격한 주장 정책이 나올 정도로, 이제는 예측력 하나로 모든 것을 증명하는 '기계 학습적 통계 정책' 시대로 완전히 넘어옴. (Machine Learning (ML)와 연결)
+- **정책 변화(RL Update)**: "전통 통계는 죽었다"는 과격한 주장 정책이 나올 정도로, 이제는 예측력 하나로 모든 것을 증명하는 '기계 학습적 통계 정책' 시대로 완전히 넘어옴. ([[Machine Learning (ML)]]와 연결)
 
 ## 🔗 지식 연결 (Graph)
 - [[Probabilistic-Reasoning]], Evidence-Based-Thinking, [[Machine Learning (ML)]], [[Statistical-Analysis]], [[Scientific-Method]]