1. 如何使用贝叶斯公式
贝叶斯公式
P ( A , B ) = P ( A ∣ B ) P ( B ) = P ( B ∣ A ) P ( A ) P(A,B)=P(A|B)P(B)=P(B|A)P(A)
P(A,B)=P(A∣B)P(B)=P(B∣A)P(A)
P ( B ∣ A ) = P ( A , B ) P ( A ) P(B|A)=\frac{P(A,B)}{P(A)}
P(B∣A)=
P(A)
P(A,B)
全概率公式
P ( A ) = ∑ i = 1 n P ( A ∣ B i ) P ( B i ) P(A)=\sum_{i=1}^nP(A|B_i)P(B_i)
P(A)=
i=1
∑
n
P(A∣B
i
)P(B
i
)
2. 贝叶斯公式怎么来的
贝叶斯(1702-1763) Thomas Bayes，英国数学家.1702年出生于伦敦，做过神甫。1742年成为英国皇家学会会员。1763年4月7日逝世。贝叶斯在数学方面主要研究概率论。他首先将归纳推理法用于概率论基础理论，并创立了贝叶斯统计理论，对于统计决策函数、统计推断、统计的估算等做出了贡献.1763年发表了这方面的论著，对于现代概率论和数理统计都有很重要的作用。贝叶斯的另一著作《机会的学说概论》发表于1758年。贝叶斯所采用的许多术语被沿用至今。
贝叶斯决策理论是主观贝叶斯派归纳理论的重要组成部分。
贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。
贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是：
1、已知类条件概率密度参数表达式和先验概率。
2、利用贝叶斯公式转换成后验概率。
3、根据后验概率大小进行决策分类。
他对统计推理的主要贡献是使用了"逆概率"这个概念，并把它作为一种普遍的推理方法提出来。贝叶斯定理原本是概率论中的一个定理，这一定理可用一个数学公式来表达，这个公式就是著名的贝叶斯公式。 贝叶斯公式是他在1763年提出来的：
假定B1,B2,……是某个过程的若干可能的前提，则P(Bi)是人们事先对各前提条件出现可能性大小的估计，称之为先验概率。如果这个过程得到了一个结果A，那么贝叶斯公式提供了我们根据A的出现而对前提条件做出新评价的方法。P(Bi∣A)既是对以A为前提下Bi的出现概率的重新认识，称 P(Bi∣A)为后验概率。经过多年的发展与完善，贝叶斯公式以及由此发展起来的一整套理论与方法，已经成为概率统计中的一个冠以“贝叶斯”名字的学派，在自然科学及国民经济的许多领域中有着广泛应用。
3. 什么情况下需要用贝叶斯公式
贝叶斯定理是关于随机事件A和B的条件概率(或边缘概率)的一则定理。
其中P(A|B)是在B发生的情况下A发生的可能性。在Excel中可轻松方便地用贝叶斯公式计算后验概率。
4. 贝叶斯公式是干什么的
贝叶斯方法是统计推断的基本方法之一。贝叶斯公式进人20世纪以来.该方法在统计决策论、信息论以及各种社会科学问题中得到了广泛的应用。贝叶斯方法在保索赔频率是计算风险保险费的基本依据，对贝叶斯公式它的估计是否梢确将直接影响对保险费的估计精度。
贝叶斯公式如果保险公司具有丰富的保险经验，积累有大最的损失数据，贝叶斯公式则有可能获得索赔频率的比较精确的估计，尽管如此，贝叶斯公式它仍是一种估计而巳，贝叶斯公式再考虑到索赔频率还存在着不稳定性，贝叶斯公式因此当保险公司进一步掌握了某些损失数据之后，贝叶斯公式需要对其估计值进行校正。
5. 什么情况下用贝叶斯公式
贝叶斯判别是根据最小风险代价判决或最大似然比判决，是根据贝叶斯准则进行判别分析的一种多元统计分析法。
贝叶斯判别的基本思想
贝叶斯判别法的基本思想是：设有两个总体，它们的先验概率分别为q1、q2，各总体的密度函数为f1（x）、f2（x），在观测到一个样本x的情况下，可用贝叶斯公式计算它来自第k个总体的后验概率为：
一种常用判别准则是：对于待判样本x，如果在所有的P（Gk / x）中P（Gh / x）是最大的，则判定x属于第h总体。通常会以样本的频率作为各总体的先验概率。
6. 怎么理解贝叶斯公式
贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。
7. 各种形式的贝叶斯公式
贝叶斯公式预测的核心思想就5个字——“看起来更像”。 在贝叶斯看来,世界不是静止和绝对的,而是动态和相对的,希望利用已知经验来进行判断。
8. 贝叶斯公式用法
1.全概公式：首先建立一个完备事件组的思想,其实全概就是已知第一阶段求第二阶段,比如第一阶段分A B C三种,然后A B C中均有D发生的概率,最后让你求D的概率
P(D)=P(A)*P(D/A）+P(B)*P(D/B）+P(C)*P(D/C）
2.贝叶斯公式,其实原本应该叫逆概公式,为了纪念贝叶斯这样取名而已.在全概公式理解的基础上,贝叶斯其实就是已知第二阶段反推第一阶段,这时候关键是利用条件概率公式做个乾坤大挪移,跟上面建立的A B C D模型一样,已知P(D),求是在A发生下D发生的概率,这就是贝叶斯
P(A/D)=P(AD)/P(D)=P(A)*P(D/A)/P(D)
- 相关评论
- 我要评论
-