1. 贝叶斯由来
贝叶斯为了解决“逆概”问题提出的
2. 贝叶斯要解决的问题
正向概率 袋子里装着N个黑球和M个白球,伸手取摸球,摸到黑球和白球的概率有多大
逆向概率 袋子里前提不知道有黑白球的比例,而是闭着眼睛摸球统计后推测黑球和白球的比例
3. why贝叶斯
现实世界本身不确定,人类观察是有局限的
我们日常所观察只是表面,很多东西都是推测。
4. 贝叶斯举例
男生总是穿长裤,女生则一半长裤一半短裙。男生百分之六十,女生百分之四十。
正向概率:一个学生(他/她)穿长裤和穿长裙的的概率是多少。
逆向概率:一个穿长裤的学生迎面走来,你能确定他(或者她)是男生还是女生,并且确定概率。
假设学校总人数是U
穿长裤的(男生): U * P(boys)* P(pants|boys)
P(boy)是男生的概率
P(pants|boy 是在该同学是男生的条件下穿长裤的概率。这里必然是100%。
穿长裤的(女生): U * P(girls)* P(pants|girls)
现在求穿长裤里面有多少女生。(由上面的得到)
穿长裤总人数: U * P(boys)* P(pants|boys) + U * P(girls)* P(pants|girls)
穿长裤的(女生): U * P(girls)* P(pants|girls)
穿长裤里面有多少女生 P(pants|girls) : U * P(girls)* P(pants|girls)/ [ U * P(boys)* P(pants|boys) + U * P(girls) * P(pants|girls)]
化简:
- 而且与总人数没有关系,U可以消去。
- P(pants|girls) = P(girls)* P(pants|girls)/ [ P(boys)* P(pants|boys) + P(girls) * P(pants|girls)]
- 分母是 P(pants)
- 分子是P(pants, girls)