Page 30 -

즉, 미지수 벡터는 2와 -1의 값을 갖고, 원래 알고자 한 미지수 x는 2, 미지수 y는 -1이 됨을 알
수 있다. 결과적으로는 행렬을 활용하여 일차방정식이 해결된 셈이다.

행렬의 곱셈과 역행렬을 사용해 일차방정식의 해를 구하는 것은 대표적으로 행렬을 활용한 방법이
다. 다음 절에서는 이러한 행렬의 성질이 데이터 분석에서 어떻게 사용되는지 살펴보겠다.

2.5.1 분석모형 응용 - 마르코프 체인

러시아의 수학자 안드레이 안드레예비치 마르코프는 1907년에 재미있는 확률 모형을 제안하였

다. 예를 들어 오늘 비가 왔는데, 내일 비가 오거나 안 오는 경우가 있다. 모든 경우는 확정적이지
않고 확률적(stochastic)으로 발생한다. 이제 내일로 넘어가보자. 내일도 모레도 비가 오거나 안 오
는 경우가 있다. 과거의 경험으로 오늘 비가 왔을 때 내일 비가 올 확률은 0.6, 안 올 확률은 0.4
로, 오늘 비가 안 왔을 때 내일 비가 올 확률은 0.5, 안 올 확률도 0.5로 가정했다.

그림 2-13 어제부터 내일까지 비 오는 경우의 수

Rain
0.6

Rain Fine
0.6 0.4
Rain
0.40.4
Fine Rain
0.5

0.5 Fine
어제 오늘 내일

이때 우리가 관심을 갖는 비가 오거나, 안 오는 것을 ‘상태(state)’라고 부를 수 있다. 이처럼 연쇄적
으로 어떤 상태를 확률 모형화한 것을 마르코프 체인(Markov Chain)이라 한다. 마르코프 체인은 현

실 세계에서 상태 변환이 확률적으로 이뤄지는 시스템에 많이 적용된다.
이러한 마르코프 체인을 좀 더 쉽게 사용하려면 앞의 그림 2-13을 좀 더 간결하게 표현하는 것이

유리하다. 물론 어제, 오늘, 내일의 모든 상태 간 관계를 나타낼 수는 없지만, 매일매일 상태가 전
이(transition)되는 관계를 그림 2-14처럼 표현할 수 있다.

90

수학통계_06.indd 90 2020-08-13 오후 4:29:34