베이지안 사고로 뉴스를 읽기

베이지안 사고로 생각하기 위해 사용하는 간단한 형식

P(가설|데이터) ∝ (가설) x P(데이터|가설) 
사후 믿음 ∝ 사전 믿음 x 우도(경향)
Posterior Belief ∝ Prior Beliefs x Likelihood

이것은 이렇게 말할 수도 있다.
제시된 증거로 조정도는 나의 믿음은 내가 처음에 얼마나 강하게 믿고 있는지와 제시된 증거가 얼마나 잘 설득력이 있는지에 비례 한다.

사후 믿음 (Posterior Belief)

뉴스 기사를 예로 보자면, 사후는 기사가 말하고자 하는 것이다.
기사의 요점( 데이터)를 읽고, 기사로 그려지는 결론(가설)이라는고 볼 수 있다.

가설은 보통 제목이나 첫 번째 단락에서 찾을 수 있고, 데이터는 뉴스 전반에 제시 될것이다.
그리고 뉴스 기사의 저자는 기사를 읽으면서 제시된 가설에 대한 독자의 믿음이 조정되기를 바란다.

사전 믿음 (Prior Beliefs)

뉴스 기사를 읽을 때 가장 중요한 것은 자신의 사전 믿음이다. 이것은 누적된 경험적인 지식이고 때로는 신념과 같을 수도 있다.
이것은 'P(가설) = 사실에 대한 약한 기대 or 사실에 대한 강한 기대'가 있다고 말할 수 있다.
사전에 강력한 정보를 가지고 있다면, 미미한 데이터만으로도 확고한 사후 믿음을 얻을 수 있지만, 약한 정보를 가지고 있다면 약한 '사후 믿음'을 얻게 된다.

P(가설|데이터)

뉴스 기사를 읽기 전에 이렇게 질문을 할 수 있다.

기사의 말이 사실이라면 데이터는 얼마나 잘 뒷받침하고 있는가? 

기사의 주장이 사실이라는 것을 통해 주장을 얼마나 잘 설명 되는지를 확인해야 한다.

대립 가설과 우도비

기사의 데이터를 통해 대립가설의 아이디어를 만들어 낼 수 있고, 본래의 가설과 대립가설로 우도비를 이끌어 낼 수 있다.
이러한 우도비는 하나의 가설이 다른 가설보다 데이터를 잘 설명하는지를 고려할 수가 있고, 흥미로운 결론을 도출해 낼 수 있게 된다.

---

출처: COUNT BAYESIE
URL: https://www.countbayesie.com/blog/2022/2/19/how-to-read-the-news-like-a-bayesian