引例
贝叶斯公式是考虑某事件已经发生,要考察引发该事件的各种原因的可能性大小。
贝叶斯公式是决策中具有重要作用的公式
公式
在上面这个公式中,如果我们把 Ai 看成是造成结果 B 发生的各种原因(或条件),则贝叶斯公式的实际含义:
要找出各个原因 Ai 出现后导致结果 B 发生的可能性大小。
P(Ai) 称为原因的先验概率 它是在没有进一步信息(不知道事件 B 是否发生)的情况下各事件发生的概率
P(Ai | B) 称为原因的后验概率 它是在获得新的信息(知道 B 发生)后,人们对各事件发生的概率有了新的估计
应用
贝叶斯公式代表的是“贝叶斯”学派,在自然科学等领域有着广泛的应用。
举例
以疾病诊断为例,介绍贝叶斯决策的基本思想。
根据往年病例统计可得出某个城市在指定时间内患感冒(A1),结核(A2),风湿(A3)等疾病的概率,这便是先验概率 P(Ai)(i = 1, 2, 3, … n)。
再根据病历资料,可以确定患有上述疾病的患者出现“发烧”(事件 B)症状的概率 P(B | Ai)(i = 1, 2, 3, … n)。
于是,利用贝叶斯公式,可得出各种病因 Ai 的后验概率 P(Ai | B),它表示的意义是,当医生面对一个有发烧(也就是事件 B 发生)症状的人时,他就可以根据已经算出的 P(Ai | B)选择其中概率较大者对疾病做出判断。