연속적인 베이즈 업데이트

40번 베이즈 정리 는 한 번의 관측 으로 posterior 를 구했죠. 실전엔 관측이 여러 개 들어옵니다. 각 관측마다 이전 posterior 를 다음 prior 로 재사용해서 반복 업데이트:

$P_0 \;\xrightarrow{L_1}\; P_1 \;\xrightarrow{L_2}\; P_2 \;\xrightarrow{L_3}\; \dots$

각 단계: $P_k \propto P_{k-1} \cdot L_k$

관측이 독립 이라면 단순히 likelihood 의 곱이 되고, 순서는 결과에 영향 없음 (교환법칙).

과제

함수 sequential_bayes(prior, likelihoods) 를 완성하세요.

• prior: shape (n_classes,) 초기 분포.
• likelihoods: shape (K, n_classes) — K번 관측 각각의 likelihood.
• 반환: K 번 업데이트 후 최종 posterior (shape (n_classes,), 합 = 1).

테스트 케이스

#	이름	검증
1	K=1 → 40번과 동일	한 번만 업데이트
2	K=0 → prior 그대로	관측 없음
3	합 = 1	posterior 는 확률
4	순서 독립	likelihoods 셔플해도 같은 결과
5	증거 누적	같은 가설 지지하는 관측 많을수록 확신 증가