贝叶斯公式

小莫神和他的的

于 2021-11-03 20:25:16 发布

阅读量718

点赞数

分类专栏：概率论文章标签：概率论

本文链接：https://blog.csdn.net/qq_40710190/article/details/121129764

版权

概率论专栏收录该内容

8 篇文章 0 订阅

订阅专栏

贝叶斯公式

设

$\subset S$
$B_1,B_2,...,B_n$ 为样本空间S的一个划分。 $P(B_i)>0$

则

$\displaystyle P(B_i|A) =\displaystyle \frac{P(B_iA)}{P(A)}\\ {\qquad}{\qquad}{\;}{\ }\displaystyle = \frac{P(B_i)P(A|B_i)}{\sum^{n}_{j=1}P(B_j)p(A|B_j)}$

其实不难发现这就是一个条件概率和全概率公式的展开。

在这里插入图片描述

贝叶斯公式的意义

贝叶斯公式是对事件 $P(B_i|A)$ 在事件 $A$ 已经发生的条件下对原因 $B_i$ 的重新度量，其实就是度量上图中的黄色部分

我们先来看一道理解题康康吧🤞并且在结束后会引出并解释先验概率和后验概率以及贝叶斯决策这3个概念。

理解题

在某个聊天软件的用户中，男性用户占2/3 ，女性用户占1/3 。男性用户真实填写性别的比例占1/2 ，女性用户真实填写性别的比例占3/4 ，现一男生随机选取一名标注为美女的成员聊天。求对方真的是女生的概率是多少?

首先我们思考一下，虽然一开始我们知道了男性用户和女性用户的占比，但是因为网络性别是任意填写的原因，我们无法确定其真实性别 。

那么我们该如何去度量这个用户是女用户的概率呢？

❗❗❗注意上面我用了度量这个词，我们是不是可以画1个这样的图？

首先我们

在这里插入图片描述

$记B：用户为女性。{\quad} 记A：用户信息显示为女性\\ 由条件：P(B)=\displaystyle{\frac{1}{3},P(A|\overline{B})=\frac{1}{2}},P(A|B)=\frac{3}{4}\\ 所求概率：P(B|A)\\ P(B|A)=\displaystyle{\frac{P(AB)}{P(A)}}$

根据最后的推导可以看到我们需要求的是 $\large \frac{黄色}{黄色+绿色}$

接下来我们继续展开，分子继续通过条件概率而分母则用全概率公式展开即可得

$P(B|A)=\displaystyle{\frac{P(AB)}{P(A)}}\\ =\displaystyle \frac{P(B)P(A|B)}{P(B)P(A|B)+P(B)P(A|\overline{B})}\\ =\large{\frac{\frac{1}{3}\times\frac{3}{4}}{\frac{1}{3}\times\frac{3}{4}+\frac{2}{3}\times\frac{1}{2}}=\frac{3}{7}}$