Cái này biết một chút, rất ít dùng.
Bayes
( Bayes ) là một vị môn thống kê gia, hắn phát minh Bayes môn thống kê ở kinh tế phân tích trung đang thịnh hành đã có bao nhiêu năm. Bayes môn thống kê trung có một cái cơ bản công cụ kêu “Bayes pháp tắc” ( Bayesian law ), cứ việc nó là một toán học công thức, nhưng này nguyên lý vô cần con số cũng có thể sáng tỏ. Nếu ngươi nhìn đến một người luôn là làm một ít chuyện tốt, tắc người kia hơn phân nửa sẽ là một cái người tốt. Đây là nói, đương ngươi không thể chuẩn xác biết một sự vật bản chất khi, ngươi có thể dựa vào cùng sự vật riêng bản chất tương quan sự kiện xuất hiện nhiều ít đi phán đoán này bản chất thuộc tính xác suất. Dùng toán học ngôn ngữ biểu đạt chính là: Duy trì mỗ hạng thuộc tính sự kiện phát sinh đến càng nhiều, tắc nên thuộc tính thành lập khả năng tính liền càng đại.
Bayes định lý
( lại bị xưng là Bayes pháp tắc ) là xác suất luận trung một cái kết quả, nó đi theo cơ biến lượng điều kiện xác suất cùng với bên cạnh xác suất phân bố có quan hệ. Ở có chút về xác suất giải thích trung, Bayes định lý ( Bayes đổi mới ) có thể báo cho chúng ta như thế nào lợi dụng tân chứng cứ sửa chữa đã có cái nhìn.
Thông thường, sự kiện A ở sự kiện B( phát sinh ) điều kiện hạ xác suất, cùng sự kiện B ở sự kiện A điều kiện hạ xác suất là không giống nhau; nhưng mà, này hai người là có xác định quan hệ, Bayes định lý chính là loại quan hệ này trần thuật.
Làm một cái quy phạm nguyên lý, Bayes định lý đối với sở hữu xác suất giải thích là hữu hiệu; nhưng mà, tần suất chủ nghĩa giả cùng Bayes chủ nghĩa giả đối với ở ứng dụng trung xác suất như thế nào bị phú giá trị có bất đồng cái nhìn: Tần suất chủ nghĩa giả căn cứ tùy cơ sự kiện phát sinh tần suất, hoặc là tổng thể hàng mẫu bên trong cái số tới phú giá trị xác suất; Bayes chủ nghĩa giả muốn căn cứ không biết mệnh đề tới phú giá trị xác suất. Một cái kết quả chính là, Bayes chủ nghĩa giả có nhiều hơn cơ hội sử dụng Bayes định lý.
Bayes định lý là về tùy cơ sự kiện A cùng B điều kiện xác suất cùng bên cạnh xác suất.
Trong đó L(A|B) là ở B phát sinh dưới tình huống A phát sinh khả năng tính.
Ở Bayes định lý trung, mỗi cái danh từ đều có ước định tục thành tên:
Pr(A) là A trước nghiệm xác suất hoặc bên cạnh xác suất. Sở dĩ xưng là \ "Trước nghiệm \" là bởi vì nó không suy xét bất luận cái gì B phương diện nhân tố.
Pr(A|B) là đã biết B phát sinh sau A điều kiện xác suất, cũng bởi vì đến tự B lấy giá trị mà bị gọi A sau nghiệm xác suất.
Pr(B|A) là đã biết A phát sinh sau B điều kiện xác suất, cũng bởi vì đến tự A lấy giá trị mà bị gọi B sau nghiệm xác suất.
Pr(B) là B trước nghiệm xác suất hoặc bên cạnh xác suất, cũng làm chuẩn hoá đại lượng không đổi ( normalized constant ).
Ấn này đó thuật ngữ, Bayes định lý nhưng thuyết minh vì:
Sau nghiệm xác suất = ( tương tự độ * trước nghiệm xác suất )/ chuẩn hoá đại lượng không đổi
Nói cách khác, sau nghiệm xác suất cùng trước nghiệm xác suất cùng tương tự độ tích số có quan hệ trực tiếp.
Mặt khác, tỉ lệ Pr(B|A)/Pr(B) cũng có khi bị gọi tiêu chuẩn tương tự độ ( standardised likelihood ), Bayes định lý nhưng thuyết minh vì:
Sau nghiệm xác suất = tiêu chuẩn tương tự độ * trước nghiệm xác suất
—— trở lên nội dung trích dẫn tự Bách Khoa Baidu.
Tác giả có chuyện nói
Chương 122 hôm nay học tập