Decision theory = utility theory + probability theory
Ω: the sample space
ω ∈ Ω: a sample point/possible world/atomic event
event A: any subset of Ω (ex. 주사위에서 짝수 눈이 나올 확률)
샘플 포인트에서 어떠한 range로 가는 함수
ex. Odd(1) = true
명제를 명제가 참인 이벤트로 생각하자.
ex. a = A(ω)가 참인 이벤트(샘플포인트들의 집합)
AI 응용에서, 샘플포인트들은 random variables의 집합의 값으로 정의된다. 샘플스페이스는 변수들의 범위들의 카테시안곱이다.
Boolean 변수들에서 샘플포인트는 명제논리모델이다. ex. A = true, B = false는 a ∧ ¬b
명제 = 그 명제가 참이 되는 atomic events의 논리합(OR)
Propositional or Boolean random variables
Discrete random variables (finite or infinite)
값들이 포괄적(모든 상황이 값들로 설명되어야 함)이고 상호 배타적이어야 한다
Continuous random variables (bounded or unbounded)
ex. Temp = 21.6; Temp < 22.0 도 가능!
Arbitrary Boolean combinations of basic propositions