贝叶斯定理

要了解贝叶斯定理，我们必须先知道什么是条件概率
概率是什么我们大家都知道，它能够反映随机事件出现的可能性大小
那什么是条件概率，
现在有一位小明同学，上学总是迟到，迟到也是有概率的，
小明每次迟到当然也是有原因的，假设小明迟到就是因为晚上打游戏早上经常睡过，
如果前一天小明不玩游戏，第二天迟到的概率是20%
如果小明前一天玩游戏，那第二天迟到的概率是60%
这两个也就称之为条件概率，有条件的迟到
那到底这和贝叶斯有什么关系呢
贝叶斯就是首先知道一个概率，叫做先验概率，然后呢再收集一些信息，这些信息呢就是上面说的那些条件概率，通过贝叶斯定理就可以计算出一个后验的概率，这么说比较抽象，还是这个例子具体来讲
我们现在知道了小明玩游戏迟到的概率，那我们想翻过来推，小明第2天迟到了，他前一天玩游戏的概率是多少，这个就是我们想要通过贝叶斯定理来计算的后验概率
上述的两个条件概率就是我们收集到的信息，这还不够，要想知道后验概率（小明第2天迟到了，他前一天玩游戏的概率），我们还需要知道一些先验信息，那就是小明晚上玩游戏的概率，
接的假设小明晚上不玩游戏的概率是30%，玩游戏的概率是70%
其实看的很复杂一共也就四种情况

情况	结果的概率	值
玩游戏迟到	70%*60%	0.42
玩游戏不迟到	70%(1-60%)	0.28
不玩游戏迟到	30%*20%	0.06
不玩游戏不迟到	30%(1-20%)	0.24

0.42+0.28+0.06+0.24=1
所以得到小明迟到前一天玩游戏的概率是0.42/（0.42+0.06）*100%=87.5%
当然了，这也只是两事件情形的贝叶斯定理
贝叶斯定理还可能是有很多的情形，如下面的公式

贝叶斯还有一个例子
艾滋病患病率为万分之一，误诊率为5%，患有艾滋病者被诊断出来的概率为99%，请问在这样的设定下如果有一个人被诊断为艾滋病阳性，那么这个人患艾滋病的概率是多少

根据公式，不难算出
99%×1/10000/(99%×1/10000+5%×9999/10000)≈0.198%
看起来似乎不可思议，其实问题就出在了这个5%的误诊上面，5%的误诊，10000个人误诊就是500人，而这500人中也只要一个患病的，大概就是千分之2的概率

那么想要提高准确率，直接把误诊率缩小到和患病率一样，1/10000那么如下
99%×1/10000/(99%×1/10000+1/10000×9999/10000)≈49.8%
要让诊断结果的可靠性超过百分之五十，它的误诊率需要低于万分之一才行
也就是误诊率和患病率相同的情况下，可靠性才能接近百分之五十
主要原因还是患病率极低所导致
如果是正常的病，患病率是10%，那么即使误诊率在5%，可靠性是69%
99%×1/10/(99%×1/10+5%×9/10)≈69%