가우시안 프로세스 모형은 저차원 공간에서 회귀분석이나 함수근사를 위해 사용할 경우 특정 조건에서 최적의 예측모형을 제공하므로 공간통계분석과 비모수 베이지안 방법에서 널리 활용되어왔다. 본 강의에서는 가우시안 프로세스 모형의 기본이 되는 다변량 정규분포, 가능도함수, 조건부 분포를 소개하고, 또한 가우시안 프로세스를 정의하는데 핵심이 되는 머턴 공분산 모형의 정의와 성질을 다룬다. 그리고 가우시안 프로세스를 실제 자료에 적합할 때 가장 유용한 방법인 베이지안 추론에 대해 논의하고, 가우시안 프로세스를 예시로 하여 베이지안 추론의 주요 개념과 실제 문제 적용시에 주의할 점 등을 소개한다.
가우시안 프로세스 모형은 저차원 공간에서 회귀분석이나 함수근사를 위해 사용할 경우 특정 조건에서 최적의 예측모형을 제공하므로 공간통계분석과 비모수 베이지안 방법에서 널리 활용되어왔다. 본 강의에서는 가우시안 프로세스 모형의 기본이 되는 다변량 정규분포, 가능도함수, 조건부 분포를 소개하고, 또한 가우시안 프로세스를 정의하는데 핵심이 되는 머턴 공분산 모형의 정의와 성질을 다룬다. 그리고 가우시안 프로세스를 실제 자료에 적합할 때 가장 유용한 방법인 베이지안 추론에 대해 논의하고, 가우시안 프로세스를 예시로 하여 베이지안 추론의 주요 개념과 실제 문제 적용시에 주의할 점 등을 소개한다.