Likelihood, P(Y|X) , 개인적으로 우도란 단어를 별로 좋아하지 않는다.
이것이 의미하는 것은 어떤 의도가 주어졌을 때 현상이 일어날 확률이다.
예를 들면 슬플 경우 꽤나 높은 확률로 울 것이다.

테니스 선수가 서브를 넣으면 상대발 코트의 어느 곳에 떨어질까?
선행정보는 보라색  영역(Historical data)으로,
현재의 정보를 분석한 결과는 붉은색 영역(likelihood, 우도)으로
이럴경우 테니스 공은 하얀색 영역으로 갈 확률이 높다.

어떤 가설 (hypothesis) H 에 대한 우도 (尤度, likelihood) 란,
어떤 시행의 결과 (Evidence) E 가 주어졌다 할 때, 만일 주어진 가설 H 가 참이라면,
그러한 결과 E 가 나올 정도는 얼마나 되겠느냐 하는 것이다.
즉  결과 E 가 나온 경우, 그러한 결과가 나올 수 있는 여러 가능한 가설들을 평가할 수 있는 척도가

곧 우도인 셈이다.

우도(尤度)는 확률 분포의 모수가, 어떤 확률변수의 표집값과 일관되는 정도를 나타내는 값이다.
구체적으로, 주어진 표집값에 대한 모수의 우도는 이 모수를 따르는 분포가 주어진 관측값에 대하여 부여하는 확률이다.
우도 함수는 확률 분포가 아니며, 합하여 1이 되지 않을 수 있다.
 

우도의 개념을 최대한 단순하게 정의하면 확률과 정확하게 대칭되는 것이라 생각하면 맞을 것 같다.
다시 말하면 확률에서는 모비율이 특정되어 있고 불변인데 그 위에서 관찰된 값이 나오는 반면
예를 들어, 동전을 던질 때 앞면이 나올 확률은 일반적으로 1/2이며 그것을 바탕으로

특정 관찰이 나올 확률을 계산한다.
우도의 개념에서는 역으로 관찰치는 고정되어 있고,

그것이 가장 잘 그럴 듯하게 나오는 모수값을 찾아나가는 것이다.

이를 2차원 그래프로 나타내면 확률분포곡선에서 특정한 포인트를 찍어서 확률을 계산하는 확률과는 정반대로,
우도의 개념에서는 특정한 관찰값이 이미 주어져 있고,
확률분포곡선 자체를 움직이면서 그 관찰값이 가장 잘 나오는 위치를 찾는 것이다.