贝叶斯定理
@(DataAnalysis)[贝叶斯法则,贝叶斯定理]
产生来源
引入:
在贝叶斯创造这个理论之前,人们已经能够计算出
正向概率
,如:“假设某个袋子中有N个白球,M个黑球,摸出黑球的概率是多大?”,当然这是在已知数据的情况下才能计算的先验概率
。这个问题反过来:“如果我们事先并不知道袋子里面是什么球,而摸出一个(或者几个)球,观察球的颜色之后来推测袋子中球的比例”。这个问题就是逆向概率
问题,也就是贝叶斯定理解决的问题。
定义:(英语:Bayes’ theorem)是概率论中的一个定理,描述在已知一些条件下,某事件的发生几率。比如,如果已知某癌症与寿命有关,使用贝叶斯定理则可以透过得知某人年龄,来更加准确地计算出他罹患癌症的几率。————wiki解释
贝叶斯公式:
事件B发生的条件下,事件A发生的概率为:
P ( A ∣ B ) = P ( A B ) P ( B ) P(A|B)=\dfrac{P(AB)}{P(B)} P(A∣B)=P(B)P(AB)
事件A发生的条件下,事件B发生的概率为:
P ( B ∣ A ) = P ( A B ) P ( A ) P(B|A)=\dfrac{P(AB)}{P(A)} P(B∣A)=P(A)P(AB)
由此可得:
P ( A ∣ B ) P ( B ) = P ( A B ) = P ( B ∣ A ) P ( A ) P(A|B)P(B)=P(AB)=P(B|A)P(A) P(A∣B)P(B)=P(AB)=P(B∣A)P(A)
得贝叶斯公式如下:
P ( A ∣ B ) = P ( A ) P ( B ∣ A ) P ( B ) P(A|B)=P(A)\dfrac{P(B|A)}{P(B)} P(A∣B)=P(A)P(B)P(B∣A)
补充知识
- 全概率公式:这个公式的作用是计算贝叶斯定理中的P(B);
P ( B ) = P ( B ∣ A ) P ( A ) + P ( B