확률과 랜덤변수가 사용되는 두가지 분야

2018144047 전준영

1. 머신 러닝과 확률과 랜덤변수: 일단 머신 러닝의 정의부터 생각해보면 기계학습, 말

그대로는 인간과 같이 기계를 학습시키는 것을 의미합니다. 경험적인 수많은 데이터들을 기반으로
학습을 하고 학습을 통해 일련의 사건의 예측을 하고 자기 스스로 성능을 향상시키는 시스템과
이러한 시스템을 위한 알고리즘을 연구하고 구축하는 기술입니다.
우리가 알고 싶어하는 사건의 실제 확률 분포를 안다면, 실제 확률 분포에 특정 확률 변수를 넣어서
확률을 계산할 수 있습니다. 하지만 현실에선 쏟아지는 수많은 데이터들 뿐 아니라 데이터 차원이
높은 경우가 많아 실제 확률 분포를 알아내는 것은 쉽지가 않습니다. 우리는 머신 러닝을 통해
어떠한 사건의 발생 확률을 예측하는 것이 목표입니다. 따라서 머신 러닝의 학습은 방대한 양의 학습
데이터들이 주어졌을 때, 그 데이터들의 패턴을 가장 잘 나타내는 확률 모델을 설계하는 것입니다.
머신 러닝의 목표는 원하는 실제에 해당하는 값과 예측값(모델에 값을 넣었을 때 나오는 출력값)의
오차를 줄이는 방향으로 확률 모델의 모수 파라미터들을 조정하면서 최대한 알맞은 확률 모델을
찾아내는 것이라고 할 수 있습니다. 이러한 머신 러닝의 목표를 이루기 위한 한가지로 최대 우도
추정법이라는 것이 자주 사용되고 있습니다. 최대 우도 추정법은 간단하게 말해서 모수 파라미터가
미지의 θ 인 확률 분포에서 뽑은 표본들을 바탕으로 θ 를 추정하는 기법입니다. 우도(likelihood)란
이미 주어진 여러 표본들을 봤을 때 모집단의 모수 파라미터 θ 에 대한 추정이 그럴듯한 정도를
뜻합니다. 최대 우도 추정법을 통해 θ 를 업데이트하면서 최대한 실제와 같은 확률 분포를 찾아낼 수
있게 됩니다. 아주 간단하게 하나의 예시를 설명했지만, 불확실한 세상에서 나오는 방대한
데이터들을 다루는 만큼, 불확실성을 다루는 수많은 확률 이론들과 모델들이 머신 러닝에 이용되고
있습니다.

2. 통신 시스템과 확률과 랜덤변수: 통신 분야에서도 여러 곳에서 확률을 다룹니다.

확률 개념이 통신에 쓰이는 대표적인 하나의 예시로 검파 과정이 있습니다. 검파는 신호를 전송할 때
신호의 유무를 판단하는 과정입니다. 이동 통신에서 RACH 을 수신하는 것도 검파라고 할 수
있습니다. RACH 는 휴대폰과 같은 이동 통신에서 통신을 했을 때 기지국에 신호를 보내는 채널이라
볼 수 있는데, 기지국에서 신호를 판단합니다. 신호의 유무를 판단할 때 기지국에서는 수신 신호의
세기나 SNIR 을 구하고 일정 역치를 넘어서면 신호가 있다고 판단합니다. 여기서 SNIR 은 신호 대
잡음+간섭 비입니다.  RACH 가 없을 때 기지국에서 수신한 신호의 확률분포와 RACH 가 있을 때
수신 신호 확률분포가 있다고 하면 두 확률분포 곡선이 완전히 분리되어 있다면, 검파 성능이 최고로
좋겠지만, 중첩되는 구역이 있을 때 RACH 가 있다고 판단하려면 역치 값을 설정해야 합니다. 역치를
낮추면 RACH 를 검파하는 확률은 높아지지만, 잘못된 오류 알람이 많이 발생하므로 꼭 좋은 것이
아닙니다. 반대로 역치를 높이면 제대로 신호를 판단할 확률이 낮아집니다. 결국 역치를 어떻게
잡느냐에 따라 dection 의 확률이 달라져 검파 성능이 달라집니다. 검파 성능은 수신 성능과
직접적으로 연결되어 있기 때문에 두 개의 확률분포를 정확히 분석하고 역치를 어떻게 잡을지
고민하는게 중요합니다. 이렇게 간단하게 통신 시스템에서 확률 분포를 사용하는 하나의 과정을
알아보았는데 이것 이외에도 가우시안 정규분포를 가지는 백색잡음 등 다양한 곳에서 확률과
랜덤변수는 사용이 되고 있습니다.