贝叶斯公式算法

1、第七节贝叶斯公式、整体概率公式和贝叶斯公式主要用于计算更复杂事件的概率。基本上，综合使用加法公式和乘法公式时，综合使用加法公式p(a b)=p(a) p(b) a，b互斥，乘法公式p(ab)=p(a)p(b|a)有人从3个箱子里取出一个箱子随机取出一个，求出红球的概率。解决方案：ai=球在i框中，i=1，2，3；b=导入红球，即b=a1b a2b a3b和a1b、a2b、a3b互斥时，b引用始终与a1、a2、a3之一一起发生，p(b)=p(a1b) p(a2b)得到了概率计算中常用的全概率公式。对于总和中的每个项目，使用乘法公式取得p(b)=p(a1b) p(a2b) p(a3b)。p(b)=

2、8/15、a1、a2、an是两个互斥事件，而p(ai)0、i=1，2、n、其他事件b始终与a1、a2、an之一同时发生。将总体概率公式：s设置为随机实验的样本空间，a1，a2，an是两个互斥事件，p(ai)0，i=1，2，n，总体概率公式3360，满足上述条件的a1，a2，an对于所有事件b，在一些教科书中，如果整体概率公式更复杂，直接计算p(b)并不容易。但是b总是和ai一起出现。正确配置这些ai组可以简化计算。很容易看出，整体概率公式为：“全部”概率p(b)分解为多个部分的和。其理论意义和现实意义为：事件b的发生是由多个可能的原因(i=1，2，n)，b是由原因ai引起的，那么b的发生概率，

3、每个原因都可能发生在b，因此b发生的概率是每个原因发生b的概率之和，即总概率公式，p(bai)=p()因此，整体概率公式可以可视化为“按原因推送到结果”，每个原因对结果的出现都具有一定的“作用”。结果发生的可能性与多种原因的“作用”大小有关。整体概率公式表达了它们之间的关系。原因b是结果。例3:在特定场所，成人体重肥胖者(a1)为0.1，中等(a2)为0.82，瘦者(a3)为0.08，肥胖，中等，瘦者患高血压的概率分别为0.2，0.1，0.05。正在寻找该地区成人高血压的概率。解决方案：b患有高血压(显然b是复杂的事件)，a是体重的特征(，)b形成完整的组，b只能同时发生在其中之一。因此，通过

4、总体概率公式计算。，p(b)=0 . 10 . 2 0 . 820 . 1 0 . 080 . 05=0.106，p (b)=p (a1) p (b | a1) p (a2) p (b |)另一个问题是“知道结果，寻找原因”。这种问题实际上更常见。条件概率是在知道会发生什么结果的情况下，求出某个原因发生的可能性的大小。从任何一个箱子里取出任何一个球，如果发现是红色的球，问它从1号箱子里出来的概率，或者问：这个公式是由bayes (bayes)在1763年给出的。这是观察到事件b发生的条件时找出b的每个原因的概率。bayes公式：a1，a2，an是两个互斥事件，p(ai)0，i=1，2，n，假定

5、其它事件b始终与其中一个a1，a2，an同时发生，则ai可能发生随机事件b如果您知道随机事件b会发生此新信息，则可以使用它来重新估计事件ai发生的概率。事件p(ai|b)是在知道新信息“a发生”后重新识别概率的概率，称为随机事件ai的后概率的bayesian公式，bayesian公式：bayesian“thomas bayes，一位伟大的数学硕士，他的理论照亮了今天的计算领域，与他的同事不同，上帝的存在可以通过方程证明他最重要的作品是由别人发行的，他已经去世了241年。”例一个选择地是5个，其中一个是对的。假设考生知道正确答案的概率是p。他问如果最后选择对的话，确定知道答案的概率是多少。解决方

6、法如下：设置a=知道答案，b=选择正确答案。从问题中可以看出：总体概率公式：中获得：例如，显示了老师是根据考试成绩来衡量学生平时的学习状态，还是科学根据。例2某地区得癌症的人为0.005，患者对一项实验积极反应的概率为0.95，正常人对该实验积极反应的概率为0.04。现在我选择了一个人，问他测试反应为正值，意味着“检查的人不会得癌”，已知的p (c)=0.005，p ()=0.995，p (a | c)=0.95，p (a |)可以知道检查的阳性是否需要癌症。1.这个实验对诊断人是否得了癌症有意义吗？如果不做检查就抽出一个人，则患者的概率p(c)=0.005，患者的阳性反应概率为0.95，如果

7、测试后出现阳性反应，则该人的概率p(ca)=0.1066，表明是否有诊断一个人得了癌症的意义。从0.005增加到0.1066，增加到0.1066，几乎增加了21倍。这个实验对诊断一个人是否得了癌症有意义吗？阳性检测应该得癌症吗？检查结果是阳性的，这个人实际上得癌症的概率是p(ca)=0.1066，即使被确定为阳性，得癌症的可能性也只有10.66%(平均每1000人中大约有107人实际得了癌症)，这时医生经常通过再测试来确认。例3:特定地区的成人体重肥胖人(a1)为0.1，中间人(a2)为0.82，0.08的瘦人(a3)，肥胖人、中间人、瘦人患高血压的概率分别为0.2，0.1，0.05。如果知道有高血压的人，最有可能属于什么样的体型。解决方案：b患有高血压(显然b是复杂的事件)，a是体重的特征(，)b形成完整的组，b只能同时发生在其中之一。因此，通过总体概率公式计算。，p(b)=0 . 10 . 2 0 . 820 . 1 0 . 080 . 05=0.106，p (b)=p (a1) p (b | a1) p (a2) p (b |)我们可以看到贝叶斯公式(称为贝叶斯统计)的影响。第8节独立考试和贝努利摘要在相同的条件下进行第二次