😎 한 줄 요약(잘난 척용)
“우도는 ‘이 가설이 데이터를 얼마나 잘 설명하느냐’를 보는 기준이다.”
우도(Likelihood)란 무엇인가?
통계에서 ‘그럴듯함’을 수치로 보는 방법
1. 우도를 한 문장으로 설명하면
우도는 ‘이미 관측한 데이터가 주어졌을 때, 어떤 가설(모수)가 얼마나 그럴듯한지’를 나타내는 값이다.
아주 쉽게 말하면, “이 설명이 지금 데이터에 잘 맞나?”를 보는 것이다.
2. 확률과 우도, 뭐가 다를까? (가장 헷갈리는 부분)
이 둘은 비슷해 보여도 질문이 완전히 다르다.
- 확률(Probability): 가설이 주어졌을 때, 이런 데이터가 나올 가능성은?
- 우도(Likelihood): 데이터가 주어졌을 때, 이 가설이 얼마나 그럴듯한가?
예시
동전을 10번 던져서 앞면이 8번 나왔다고 하자.
- 확률 질문: “앞면이 나올 확률이 0.8일 때, 이런 결과가 나올 확률은?”
- 우도 질문: “이 결과를 가장 잘 설명하는 앞면 확률은 얼마일까?”
👉 같은 수식이라도, ‘무엇을 고정하고 무엇을 바꾸느냐’가 다르다.
3. 우도는 어떻게 생겼을까?
우도는 보통 함수로 표현한다.
- 가로축: 가설(모수)
- 세로축: 우도 값
이 그래프에서 가장 높은 지점이 바로 “가장 그럴듯한 가설”이다.
4. 최대우도추정(MLE)이란?
우도를 이야기할 때 빠지지 않는 개념이 있다.
최대우도추정 (Maximum Likelihood Estimation)
우도를 가장 크게 만드는 모수를 선택하는 방법이다.
쉽게 말해, “이 데이터가 나오게 만든 원인을 하나 고르라면, 뭐가 제일 말이 되지?”
동전 예시로 돌아가면,
- 10번 중 8번 앞면
- 가장 그럴듯한 앞면 확률 → 0.8
5. 우도는 왜 중요한가?
1️⃣ 데이터 기반 판단의 핵심
우도는
- 감이 아니라
- 데이터로 가설을 비교하게 해준다.
2️⃣ 머신러닝과 바로 연결
- 선형회귀
- 로지스틱 회귀
- 확률 모델
👉 많은 모델이 우도를 최대화하는 방향으로 학습된다.
3️⃣ 추론의 출발점
- “어떤 설명이 더 말이 되나?”
- “이 모델이 데이터에 잘 맞나?”
👉 이 질문의 출발점이 바로 우도다.
6. 우도는 값이 크면 무조건 좋은 걸까?
여기서 중요한 오해 하나.
- 우도 값 자체는 절대적인 의미가 없다
- 서로 비교할 때만 의미가 있다
그래서 실제로는
- 로그 우도(log-likelihood)
- 정보 기준(AIC, BIC)
같은 도구를 함께 쓴다.
7. 초보자가 기억하면 딱 좋은 정리
- 우도 = 가설의 그럴듯함
- 데이터는 고정, 가설을 바꿔본다
- 가장 큰 우도를 주는 가설을 고른다
이 정도만 이해해도 통계·머신러닝 글이 훨씬 잘 읽힌다.
8. 마무리
우도는 수식보다 질문 방식이 핵심이다.
“이 데이터가 이미 나왔을 때, 어떤 설명이 가장 말이 될까?”
이 질문을 이해하는 순간,
통계는 계산 문제가 아니라 설명력을 비교하는 도구로 보이기 시작한다.
참고 자료 (한국어)
✅ 개념 정리
- 위키백과(한국어) – 우도
https://ko.wikipedia.org/wiki/우도 - KOCW(대학 공개강의) – 확률·통계 강의 자료
https://www.kocw.net
KOCW
www.kocw.net
✅ 입문 글
- Velog / Tistory – “우도 최대우도추정” 검색 추천
- 데이터 분석·머신러닝 기초 블로그 글
참고 유튜브 영상 (한국어)
🔹 개념 이해용
- 우도(Likelihood) 쉽게 설명
https://www.youtube.com/watch?v=9z1QpXy7HkM - 확률 vs 우도 차이 한 번에 정리
https://www.youtube.com/watch?v=5p8Zy8nQx6Y
- YouTube
www.youtube.com
- YouTube
www.youtube.com
🔹 통계·머신러닝 연계
- 최대우도추정(MLE) 개념 설명
https://www.youtube.com/watch?v=HjZ0pZ1E8A4 - 머신러닝에서 우도의 역할
https://www.youtube.com/watch?v=Y7KpZ4v6k9M
- YouTube
www.youtube.com
- YouTube
www.youtube.com
반응형