2.2 KiB
2.2 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | ||||||
|---|---|---|---|---|---|---|---|---|---|---|
| P-REINFORCE-AUTO-STAT-002 | 10_Wiki/💡 Topics/AI | 0.98 |
|
2026-04-20 |
Statistics
📌 한 줄 통찰 (The Karpathy Summary)
"현대 문명의 문법: 모호한 세상을 숫자와 확률이라는 정교한 언어로 재정의하고, 불확실성 속에서도 '가장 높은 확률의 정답'을 선택할 수 있게 돕는 데이터 지능의 가장 단단한 수학적 뿌리."
📖 구조화된 지식 (Synthesized Content)
통계학(Statistics)은 데이터의 수집, 분석, 해석, 시각화를 다루는 수학의 한 분야입니다.
- 3대 기본 개념:
- Distribution (분포): 데이터가 어떤 모양으로 퍼져 있는가 (예: 정규분포).
- Probability (확률): 특정 사건이 발생할 가능성. (Probabilistic-Reasoning와 연결)
- Sampling (표본 추출): 전체를 다 볼 수 없을 때 일부만 보고 전체를 추측하는 기술.
- 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)
🔗 지식 연결 (Graph)
- Probabilistic-Reasoning, Evidence-Based-Thinking, Machine Learning (ML), Statistical-Analysis, Scientific-Method
- Modern Intersection: Data Science = Statistics + Programming + Domain Knowledge.