今天某人讲概率课,有个学生拿着一本“思考,快与慢”的书来问问题,里面提到一个例子
“例如,如果你相信有3%的研究生是被计算机科学专业录取的(基础比率),你还相信汤姆是该领域研究生的可能性是其他领域的4倍,贝叶斯定理就会认为,你必须相信汤姆是计算机科学家的概率是11%。此外,如果基础比率是80%,那你眼中的新概率就应该是94.1%,以此类推。”
某人不解,我拿到也非常不解,后来看到这本书是翻译的,我想很可能这个译者翻译错了,于是google到原文,豁然开朗。
“if you believe that 3% of graduate students are enrolled in computer science (the base rate), and you also believe that the description of Tom W is 4 times more likely for a graduate student in that field than in other fields, then Bayes’s rule says you must believe that the probability that Tom W is a computer scientist is now 11%. If the base rate had been 80%, the new degree of belief would be 94.1%.”
这个description译者估计理解错了,在这里,description实际上是说,tom非常有计算机方面的天赋,如果他学了computer science,那么他成为scientist的可能性是他学其他领域并成为scientist的可能性的4倍。个人觉得这个description有点天赋可能性描述的意思。这样理解,你就可以用贝叶斯来解释这个11%和94.1%了。
比如80%的研究生都去学了计算机,学生去学计算机是学其他专业的4倍。而tom又在计算机方面有天赋,学了计算机后成为专家的可能性是学其他专业成为专家的可能性的4倍。也就是说,tom既去学计算机又成为专家,是其他情况可能性的16倍。那么这种情况的可能性就是16/17=94.1%。