概率论-贝叶斯决策

贝叶斯决策

贝叶斯决策理论

  贝叶斯决策理论：在不完全情报下，对部分未知的状态用主观概率估计。

贝叶斯公式

从条件概率公式推导贝叶斯公式

若果$A$和$B$相互独立，则有$p(A,B)=p(A)p(B)$，并有条件概率公式
$$\begin{gathered} p(A|B)=\frac{p(A,B)}{p(B)} \\ p(B|A)=\frac{p(A,B)}{p(A)} \end{gathered}$$
通过条件概率可得
$$\begin{gathered} p(A,B)=p(B|A)p(A) \\ p(A|B)=\frac{p(B|A)p(A)}{p(B)}\text{简写的贝叶斯公式} \end{gathered}$$
  $p(A|B)$：后验概率，B发生的情况下发生A的概率，需要计算的概率

  $p(B|A)$：似然度，A假设条件成立的情况发生B的概率

  $p(A)$：A的先验概率，也可以理解成一般情况下A发生的概率

  $p(B)$：标准化常量，也可以理解成一般情况下B发生的概率

从全概率公式推导贝叶斯公式

全概率公式
$$p(B)=\sum _{i=1}^{n}p(B|A=A_i)p(A_i)\text{其中}\sum _{i=1}^{n}p(A_i)=1$$
通过全概率公式可得
$$p(A|B)=\frac{p(B|A)p(A)}{{\sum }_{i=1}^{n}p(B|A=A_i)p(A_i)}\text{完整的贝叶斯公式}$$

贝叶斯公式应用

  在数字通信中，由于随机干扰，因此接受的信号与发出的信号可能不同，为了确定发出的信号，通常需要计算各种概率。

    如果发报机以0.6和0.4的概率发出信号0和1；

    当发出信号0时，以0.7和0.2的概率收到信号0和1；

    当发出信号1时，接收机以0.8和0.2收到信号1和0。

    计算当接受机收到信号0时，发报机发出信号0的概率。

  通过上述给出的数据可以得到以下推导

    $p(A_0)=0.6$：发报机发出信号0的概率

    $p(A_1)=0.4$：发报机发出信号1的概率

    $p(B)=p(A_0)p(B|A_0)+p(A_1)p(B|A_1)$：发报机接收到信号0的概率

    $p(B|A_0)=0.7$：发报机发出信号0接收到信号0的概率

    $p(B|A_1)=0.2$：发报机发出信号1接收到信号0的概率

KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ p(A_0|B) & = {…