빅데이터, AI 등의 적극적 활용과 함께 베이지안 정리(Baye’s Theorem)가 새롭게 주목받고 있습니다. 지금까지의 통계분석은 대부분 빈도주의 관점에서 반복적으로 선택된 표본이 어떤 사건의 원소가 될 경향, 즉 사건의 확률을 산출하는데 초점을 맞추어 왔습니다. 그러나 이는 어떤 가설의 신뢰도를 제시하지 못할 뿐만 아니라 새로운 정보를 반영하여 확률을 조정하는 것에도 매우 미흡하여 실제적 해결책을 찾는데 커다란 제약을 가지고 있습니다. 베이지안 정리는 이런 문제점을 극복하고 실제적인 문제해결책을 찾는데 초점을 맞춥니다.

베이지안 정리는 ‘조건부 확률’이라고도 하는데 다음과 같은 특장점을 가지고 있습니다,

• 확률을 상황에 따라 변할 수 있는 것이라고 생각했다. 이는 기존의 개념과 다른 것으로 추가되는 새로운 증거에 따라 확률을 새로 계산 및 개선한다.
• ‘이전의 경험과 현재의 증거를 토대로 어떤 사건의 확률을 추론한다’. 즉, 사전 정보를 바탕으로 어떤 사건이 일어날 확률을 토대로 의사결정을 할 때 활용된다.
• 다시 말해, 우리의 관심이 되는 확률을 알기 어려울 때 알고 있는 것을 바탕으로 거꾸로 계산하여 답을 찾는다.

베이지안 네트워크나 추론을 손쉽게 활용하여 보다 나은 의사결정/정책결정을 하고 성과를 높일 수 있도록 지원하는 소프트웨어, Bayesian Doctor를 한글화하여 출시하게 되었습니다. 누구나 쉽게 Bayesian Network와 Bayesian Inference를 활용할 수 있기를 기대합니다.

• 배우자가 바람을 피울 확률, 프로젝트나 사업이 성공할 확률을 과학적으로 산출하면?
• 코로나 19(우한 폐렴)에 감염되었을 확률은 얼마나 될까?
• 실종자와 선박을 찾으려면 어느 지역을 탐색해야 할까?