利用贝叶斯公式分析狼来了的故事

在日常生活中我们常常有这种感觉,如果一个人骗了我们一次,我们对他的信任度就会大大折扣;如果他骗了我们两次,那么我们基本就不会信任他了。那么在狼来了的故事中,我们可以更明显的感觉到这一点。村民经过两次被骗后,当小孩第三次呼叫“狼来了”时,村民就不相信他了。这是我们直观上的感受,那具体而言,可不可以量化这一过程中村民对小孩的信任度呢?借助贝叶斯公式就可以做到这一点。

设 A = “孩子说谎”,B = “孩子可信”,不妨假设村民过去对这个孩子的印象(先验概率)为

即村民认为孩子的可信度为80%。假设可信的孩子说谎的概率只有10%,而不可信的孩子说谎的概率为50%,即

于是,村民第一次被骗(A发生后),根据贝叶斯公式,该小孩的可信度调整为

这表明村民第一次被骗后,小孩的可信度从0.8下降到了0.444

再次基础上,小孩再说一次谎,则村民对它的可信度会进一步下降为

这表明村民进过两次被骗后,小孩的可信度从0.8下降到了0.138。在如此低的可信度的情况下,当小孩第三次喊“狼来了”时,村民自然不会相信他了。


不过还有一种有趣的可能,就是第2次小孩不撒谎。这是他的可信度会发生怎样的变化呢?这里我就不写出了,但是我自己算了一遍得到的是0.58的可信度。这告诉我们,失去信任很快,想要找回别人的信任却很难哦。

  • 0
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
贝叶斯理论可以用来分析狼来了”的概率。我们可以将问题分解为以下几个步骤: 1. 定义事件:假设有一个村庄,有一天晚上有人喊“狼来了”,我们将这个事件定义为A。 2. 先验概率:在没有任何证据的情况下,村庄里真的有狼的概率是多少?这个概率可以称为先验概率,通常用P(A)表示。我们可以根据以往的经验和相关数据来估计这个概率。例如,如果这个村庄以前没有发生过狼袭击的事件,我们可以认为P(A)很小,比如说0.1。 3. 证据:有人喊“狼来了”是一个证据,它增加了狼袭击事件发生的可能性。我们可以根据这个证据来更新我们的信念,计算出后验概率P(A|B),其中B表示有人喊“狼来了”。 4. 贝叶斯公式:我们可以使用贝叶斯公式来计算后验概率: P(A|B) = P(B|A) * P(A) / P(B) 其中,P(B|A)表示在狼真的来了的情况下,有人喊“狼来了”的概率;P(B)表示有人喊“狼来了”的概率。 5. 估计概率:我们需要估计P(B|A)和P(B)。P(B|A)表示在狼真的来了的情况下,有人喊“狼来了”的概率。我们可以假设这个概率比较高,比如说0.8。P(B)表示有人喊“狼来了”的概率,它包括两种情况:狼真的来了但没人喊和狼没来但有人喊。我们可以假设这个概率比较低,比如说0.2。 6. 计算结果:根据贝叶斯公式,我们可以得出后验概率: P(A|B) = 0.8 * 0.1 / 0.2 = 0.4 这意味着,在有人喊“狼来了”的情况下,狼袭击事件发生的概率为40%。虽然这个概率比较高,但我们仍然不能确定是否真的有狼,因为这个概率只是一个估计值,可能存在误差。如果我们有更多的证据,比如看到了狼的踪迹或听到了狼的嗥叫声,我们可以再次使用贝叶斯理论来更新我们的信念。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

诺坎普的风间

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值