Формула Байеса — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
(Пример)
(Пример)
Строка 20: Строка 20:
 
Рассмотрим вероятность гриппа при положительном анализе:
 
Рассмотрим вероятность гриппа при положительном анализе:
  
<math>P(B_1|A)</math>=<math>\frac{P(B_1 \wedge A)}{P(A)}</math>=<math>\frac{P(A|B_1)P(B_1)}{P(A|B_1)P(B_1)+P(A|B_2)P(B_2)}</math>=<math>\frac{100}{111}</math>
+
<math>P(B_1|A)=\frac{P(B_1 \wedge A)}{P(A)}</math>=<math>\frac{P(A|B_1)P(B_1)}{P(A|B_1)P(B_1)+P(A|B_2)P(B_2)}</math>=<math>\frac{100}{111}</math>

Версия 20:48, 9 декабря 2010

Определение:
Формула Байеса — одна из основных формул элементарной теории вероятностей, которая позволяет определить вероятность того, что произошло какое-либо событие, имея на руках лишь косвенные тому подтверждения, которые могут быть неточны.

Формулировка

[math]P(B_i|A)=\frac{P(A|B_i)P(B_i)}{\sum_{j=1}^N P(A|B_j)P(B_j)}[/math],

где

[math]P(A)[/math] — вероятность события A;
[math]P(A|B)[/math] — вероятность события A при наступлении события B;
[math]P(B|A)[/math] — вероятность наступления события B при истинности события A;
[math]P(B)[/math] — вероятность наступления события B.

Пример

Пусть событие А истинно, если анализ на грипп положительный, событие B1 отвечает за грипп, B2 отвечает за другую болезнь. Также предположим, что:

[math]P(A|B_1)[/math]=0,9,
[math]P(A|B_2)[/math]=0,001,
[math]P(B_1)[/math]=0,01,
[math]P(B_2)[/math]=0,99.

Рассмотрим вероятность гриппа при положительном анализе:

[math]P(B_1|A)=\frac{P(B_1 \wedge A)}{P(A)}[/math]=[math]\frac{P(A|B_1)P(B_1)}{P(A|B_1)P(B_1)+P(A|B_2)P(B_2)}[/math]=[math]\frac{100}{111}[/math]