贝叶斯定理主要是用在一些垃圾邮件,顾客判别等业务场景中。
通常情况下,一件事情会有客观概率,也就是正确的概率。比如一个城市中黑色的汽车为85%,红色的汽车为15%。这个概率不会随人为因素改变。但是由于人群有色盲的原因,这些色盲在辨别汽车颜色时会存在误差,比如一半会错。因此当你和一个人讨论刚刚过去的车是红色时,可能刚刚过去的车不一定是红色。原因就是这个人可能是色盲,误判了颜色。那这种情况怎么去推测刚刚过去车的颜色呢?
1、过去的车真的是红色,这个车被判别正确的概率是15%*0.5,
2、过去的车是黑色,这个车被判别为红色的概率是85%*0.5,
因此过去的车真的是红色的概率=15%*0.5/(15%*0.5+85%*0.5)
推而广之,贝叶斯定理是计算一个人为确定的事件发生后,来推测这个事件是否真的发生的概率。也就是上例中人为判别是红色但是实际是红色的概率。
数据分析-概率与数理统计-贝叶斯定理实例理解
最新推荐文章于 2024-06-05 21:03:44 发布