Формула Байеса — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
(Пример)
Строка 4: Строка 4:
 
}}
 
}}
 
== Формулировка ==
 
== 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>,
+
:<tex>P(B_i|A)=\frac{P(A|B_i)P(B_i)}{\sum_{j=1}^N P(A|B_j)P(B_j)}</tex>,
 
где
 
где
: <math>P(A)</math> — вероятность события ''A'';
+
: <tex>P(A)</tex> — вероятность события ''A'';
: <math>P(A|B)</math> — вероятность события ''A'' при наступлении события ''B'';
+
: <tex>P(A|B)</tex> — вероятность события ''A'' при наступлении события ''B'';
: <math>P(B|A)</math> — вероятность наступления события ''B'' при истинности события ''A'';
+
: <tex>P(B|A)</tex> — вероятность наступления события ''B'' при истинности события ''A'';
: <math>P(B)</math> — вероятность наступления события ''B''.
+
: <tex>P(B)</tex> — вероятность наступления события ''B''.
 
== Пример ==
 
== Пример ==
 
Пусть событие А истинно, если анализ на грипп положительный, событие B<sub>1</sub> отвечает за грипп, B<sub>2</sub> отвечает за другую болезнь.
 
Пусть событие А истинно, если анализ на грипп положительный, событие B<sub>1</sub> отвечает за грипп, B<sub>2</sub> отвечает за другую болезнь.
 
Также предположим, что:
 
Также предположим, что:
: <math>P(A|B_1)</math>=0,9,
+
: <tex>P(A|B_1)</tex>=0,9,
: <math>P(A|B_2)</math>=0,001,
+
: <tex>P(A|B_2)</tex>=0,001,
: <math>P(B_1)</math>=0,01,
+
: <tex>P(B_1)</tex>=0,01,
: <math>P(B_2)</math>=0,99.
+
: <tex>P(B_2)</tex>=0,99.
  
 
Рассмотрим вероятность гриппа при положительном анализе:
 
Рассмотрим вероятность гриппа при положительном анализе:
  
<math>P(B_1|A)=\frac{P(B_1 \cap A)}{P(A)}=\frac{P(A|B_1)P(B_1)}{P(A|B_1)P(B_1)+P(A|B_2)P(B_2)}=\frac{100}{111}</math>
+
<tex>P(B_1|A)=\frac{P(B_1 \cap A)}{P(A)}=\frac{P(A|B_1)P(B_1)}{P(A|B_1)P(B_1)+P(A|B_2)P(B_2)}=\frac{100}{111}</tex>
  
  

Версия 17:22, 10 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 \cap A)}{P(A)}=\frac{P(A|B_1)P(B_1)}{P(A|B_1)P(B_1)+P(A|B_2)P(B_2)}=\frac{100}{111}[/math]


ЮЗАЙ ТЕХ

См. также