음악의 힘: 토르: 라그나로크

퇴근길이었다. 책을 읽기는 그렇고, 유튜브를 켰는데, 유튜브 알고리즘에 이끌려서 나온 영상을 생각없이 보게 되었다. 바로 토르 라그나로크에서 토르가 죽음의 신인 누나에게 연달아 패하고 죽기 직전, 자신이 어떤 신인지 알고 나는 장면이다. 이 장면을 전환점으로 영화 내용 전개가 바뀌게 된다.

Source: Youtube

<토르 각성 전투 장면 | 토르: 라그나로크 (Thor: Ragnarok, 2017)>

너무나도 유명한 Led zeppelin의 Immigrant song에 이 장면이 오버랩되는 이 영상을 보는데, 괜시리 마음이 오랜만에 흥분되는 느낌이었다. 최근 들어 체력이 급강하하고 이로 인해서 다소 지친 퇴근 길이었다.

그런데 음악의 비트와 함께 심장이 빠르게 뛰면서 다시 활력이 몸의 곳곳에 스며드는 것을 느꼈다. 잠깐이었지만, 10대 말 20대 초때 블라인드 가디언이라든가, 할로윈 등 멜로딕스피드메탈에 꽂혔던 기억이 났다. 드럼의 빠른 비트 속에, 싱크가 간만에 맞춰지는 느낌이라고 해야할까?

"상자밖에 있는 사람"이라는 책을 보면 "자기배반"이라는 말이 나온다.  "자기배반"이란 다른 사람을 위해 내가 해줘야 한다고 느끼는 것에 반하는 행위를 말한다. 쉽게 생각하면 본능적으로 느낀 감정을 무시하기 위해서 하는 자기합리화를 의미한다. 누군가를 도와줘야 하는데, 그러기 싫어서 또다른 이유를 만드는 것이다. 여기서는 가까이 있는 내 자신을 위로하지 않고 "어쩔 수 없잖아 해야만 살아내"라고 하는게 자기배반처럼 느껴졌다.

이런 상황을 마음 속 깊숙히 묻어두고 살고 있었는데, 음악은 이런 마음을 한번에 꺼내 올리니, 삼국지5에 이어서 음악의 힘을 다시 한 번 느낀 하루였다.

Read more

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성(Multi Collinearity) * **Multi-Collinearity(다중공선성)**는 독립 변수들 간의 강한 상관관계가 존재할 때 발생합니다. 즉, 한 독립 변수가 다른 독립 변수에 의해 설명될 수 있을 정도로 상관관계가 높은 상황을 의미합니다. * 이 문제는 주로 회귀 분석에서 나타나며, 변수들 간의 관계를 해석하는 데 있어 큰 장애물이 될 수 있습니다. * 일반적인 회귀식을 $Y=

Bayesian P-Value는 불확실성을 감안하여 모델의 적합도를 평가합니다.

Bayesian P-Value는 불확실성을 감안하여 모델의 적합도를 평가합니다.

Bayesian P- Value * Bayesian P-Value는 **모델의 적합도(goodness-of-fit)**를 평가하는 데 사용됩니다. * 사후 분포(posterior distribution)를 이용하여 실제 데이터와 모델이 생성한 예상 데이터를 비교함으로써, 관측된 데이터가 모델에 의해 얼마나 잘 설명되는지를 평가합니다. * 빈도주의 p-값은 "관찰된 데이터보다 극단적인 데이터가 나올 확률"을 계산하지만, Bayesian P-Value는 "모델이 실제

Non-Identifiability는 Model Parameter를 고유하게 식별할 수 없는 현상입니다.

Non-Identifiability는 Model Parameter를 고유하게 식별할 수 없는 현상입니다.

Non Identifiability * Non-Identifiability는 주어진 데이터와 모델에 대해 특정 파라미터를 고유하게 식별할 수 없는 상황을 의미합니다. 즉, 여러 파라미터 값들이 동일한 데이터를 생성할 수 있으며, 이로 인해 특정 파라미터 값을 확정적으로 추정하기 어렵게 됩니다. * 베이지안 추론에서 Non-Identifiability는 사후 분포가 특정 파라미터 값에 대해 명확하게 수렴하지 않고, 여러 값들에 대해 비슷한 확률을

Rootgram은 큰 분산을 갖거나 비정규 형태의 데이터를 위한 히스토그램입니다.

Rootgram은 큰 분산을 갖거나 비정규 형태의 데이터를 위한 히스토그램입니다.

Rootgram * 히스토그램의 변형으로 데이터가 비정규적이거나 큰 분산을 가지는 경우, 정확한 분포를 파악하기 위해 사용됩니다. * 일반적으로 히스토그램은 데이터의 빈도를 직접적으로 나타내기 때문에, 큰 값이 빈번하게 발생하는 경우 상대적으로 작은 값을 잘 드러내지 못하는 경향이 있습니다. 반면, Rootgram은 빈도를 제곱근 형태로 변환하여, 데이터 분포의 차이를 더 잘 시각화할 수 있도록 돕습니다 * 여기서