---
id: MATH-BAYES-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [math, probability, bayesian, prior, posterior, likelihood, bayes-theorem]
last_reinforced: 2026-04-26
---

# Posterior and Prior Probability (사후 및 사전 확률)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "어제의 믿음(Prior)에 오늘의 증거(Likelihood)를 더해, 내일의 더 정확한 확신(Posterior)을 설계하라" — 새로운 증거를 목격하기 전의 신념과, 목격한 후 업데이트된 신념 사이의 관계를 규명하는 베이즈 추론의 핵심 개념.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** "Belief Update and Recursive Learning" — 세상을 바라보는 기존의 틀(Prior)이 새로운 데이터(Data)와 만났을 때, 데이터가 가르키는 방향(Likelihood)으로 틀을 수정하여 최종적인 결론(Posterior)에 도달하는 확률적 학습 패턴.
- **주요 구성 요소:**
    - **Prior (사전 확률):** 사건 발생 전 우리가 가진 배경지식 혹은 믿음.
    - **Likelihood (우도):** 가설이 참일 때 현재 데이터가 관찰될 확률.
    - **Posterior (사후 확률):** 데이터를 보고 난 후 업데이트된 사건 발생 확률.
- **의의:** AI가 단순히 현재 데이터에만 매몰되지 않고, 과거의 경험(지식)을 바탕으로 불확실한 상황에서도 합리적인 추론을 내리게 하는 수학적 엔진.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 고정된 확률값만을 다루던 빈도주의(Frequentist) 관점과 달리, 베이즈 관점은 새로운 정보가 들어올 때마다 끊임없이 확률을 업데이트하는 '동적 지능'의 토대가 됨.
- **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 성공률 예측 시, 과거의 평균 성공률(Prior)을 기반으로 현재 작업의 난이도와 피드백(Likelihood)을 결합하여 실시간 신뢰 점수(Posterior)를 산출함.

## 🔗 지식 연결 (Graph)
- [[Probability-Theory-Foundations|Probability-Theory-Foundations]], [[Naive-Bayes-Classifiers|Naive-Bayes-Classifiers]], Maximum-Likelihood-Estimation-MLE, Bayesian-Inference
- **Raw Source:** 10_Wiki/Topics/AI/Posterior-and-Prior-Probability.md