결합 확률

결합확률질량함수는 두 개 이상의 이산확률변수가 특정한 값을 동시에 가질 확률을 나타내는 함수이다. 확률변수 X와 Y가 각각 x와 y라는 값을 가질 때의 확률을 P(X = x, Y = y)로 표기하며, 이를 함수 f_{X, Y}(x, y)로 표현한다. 이 함수는 결합확률분포를 이산형의 경우에 기술하는 핵심 도구이다.

결합확률질량함수의 주요 성질 중 하나는 모든 가능한 (x, y) 쌍에 대한 함수값의 합이 1이어야 한다는 점이다. 이는 표본 공간에서 발생할 수 있는 모든 사건의 확률을 합치면 1이 되어야 한다는 확률의 공리에 기반한다. 또한, 이 함수를 통해 주변확률분포를 구할 수 있는데, 예를 들어 확률변수 X의 주변확률질량함수는 f_X(x) = Σ_y f_{X, Y}(x, y)로 계산된다. 이는 다른 변수 Y의 모든 가능한 결과를 합산하여 X의 분포를 도출하는 과정이다.

이 함수는 조건부확률을 계산하는 데도 필수적이다. 확률변수 Y가 주어졌을 때 X의 조건부확률질량함수는 P(X=x | Y=y) = f_{X, Y}(x, y) / f_Y(y)와 같이 정의된다. 여기서 분모는 Y의 주변확률분포이다. 더 나아가, 두 확률변수 X와 Y가 독립일 경우, 결합확률질량함수는 각 주변확률질량함수의 곱으로 분해된다. 즉, f_{X, Y}(x, y) = f_X(x) * f_Y(y)가 성립한다. 이 성질은 변수 간 관계를 분석하는 데 중요한 기준이 된다.

결합확률밀도함수는 두 개 이상의 연속형 확률 변수들의 결합 확률 분포를 나타내는 함수이다. 이 함수는 확률 변수가 특정 구간 내의 값을 가질 확률을 밀도로 표현한다. 예를 들어, 두 연속형 확률 변수 X와 Y에 대한 결합확률밀도함수는 f_{X, Y}(x, y)로 표기한다.

이 함수의 핵심 성질은, 확률 변수 X가 a에서 b 사이의 값을, Y가 c에서 d 사이의 값을 가질 확률이 이중 적분을 통해 계산된다는 점이다. 즉, 확률 P(a ≤ X ≤ b, c ≤ Y ≤ d)는 함수 f_{X, Y}(x, y)를 x에 대해 a부터 b까지, y에 대해 c부터 d까지 적분한 값과 같다. 이는 연속형 확률 변수에서 단일 점의 확률이 0이므로, 항상 특정 구간에 대한 확률을 계산해야 하기 때문이다.

결합확률밀도함수는 주변확률분포와 조건부확률을 구하는 데 기초가 된다. 예를 들어, X의 주변확률밀도함수 f_X(x)는 결합확률밀도함수 f_{X, Y}(x, y)를 가능한 모든 y 값에 대해 적분하여 얻는다. 또한, 두 확률 변수가 독립 (확률론)일 경우, 결합확률밀도함수는 각 확률 변수의 주변확률밀도함수의 곱으로 표현된다는 중요한 성질을 가진다.

두 확률변수 독립은 결합확률분포에서 중요한 성질을 정의한다. 두 확률변수 X와 Y가 통계적으로 독립이라는 것은 한 변수의 결과가 다른 변수의 확률에 전혀 영향을 미치지 않음을 의미한다. 이는 결합확률이 각 변수의 주변확률분포의 단순 곱으로 표현될 수 있다는 조건으로 수학적으로 정의된다.

이산형 확률변수의 경우, 두 변수가 독립일 필요충분조건은 모든 x와 y에 대해 결합확률질량함수가 P(X=x, Y=y) = P(X=x) * P(Y=y)를 만족하는 것이다. 연속형 확률변수의 경우, 독립일 필요충분조건은 결합확률밀도함수가 f_{X,Y}(x, y) = f_X(x) * f_Y(y)를 만족하는 것이다. 여기서 f_X(x)와 f_Y(y)는 각각 X와 Y의 주변확률밀도함수이다.

이러한 독립성 조건은 확률 계산을 크게 단순화한다. 예를 들어, 독립인 두 사건이 동시에 발생할 확률은 각 사건의 확률을 곱하기만 하면 된다. 또한, 독립성은 공분산과 상관계수가 0이 되는 조건이지만, 그 역은 일반적으로 성립하지 않는다. 즉, 공분산이 0이라고 해서 항상 독립인 것은 아니다.

독립성의 개념은 두 개 이상의 확률변수로 자연스럽게 확장된다. 세 개 이상의 확률변수가 상호 독립이려면, 모든 가능한 부분 집합에 대해 결합확률이 해당 주변확률들의 곱과 같아야 한다. 이 성질은 베이즈 정리나 복잡한 확률 모형을 분석할 때 기본적인 전제 조건으로 자주 활용된다.