当前位置: 首页 > article >正文

先验概率和后验概率

先验概率(prior probability):是指根据以往经验和分析得到的概率。先验概率不用贝叶斯公式计算。
后验概率(posterior probability):指某个事件已经发生,想要计算这个事件是由于某个因素引起的概率,是根据已经发生的结果进行修正后的概率。后验概率用贝叶斯公式计算。

在下面的全概率公式和贝叶斯公式中,P(B_{i})称为先验概率,P(B_{i}|A)称为后验概率,P(A|B_{i})称为条件概率(这个条件概率本质上也是先验概率,但一般称呼为条件概率)。

P(A)=P(A|B_{1})P(B_{1})+P(A|B_{2})P(B_{2})+\cdots +P(A|B_{n})P(B_{n})

P(B_{i}|A)=\frac{P(A|B_{i})P(B_{i})}{\sum_{j=1}^{n}P(A|B_{j})P(B_{j})}

举个例子:

假设两个代工厂Fac1和Fac2,生产同一批产品,工厂Fac1的次品率为\frac{1}{100},生产这批产品的\frac{70}{100};工厂Fac2的次品率为\frac{2}{100},生产这批产品的\frac{30}{100}。现在委托厂家抽查某个产品不合格,那么这个不合格的产品来自Fac1厂家的概率是多少?

这个就是一个求后验概率的问题。

假设不合格事件为A,根据贝叶斯公式,抽查的不合格产品来自工厂Fac1的概率为:

P(Fac1|A)=\frac{P(A|Fac1)P(Fac1)}{P(A|Fac1)P(Fac1)+P(A|Fac2)P(Fac2)}

计算上式的分子:

P(A|Fac1)P(Fac1)=\frac{1}{100}*\frac{70}{100}

计算上式的分母:

P(A|Fac1)P(Fac1)+P(A|Fac2)P(Fac2)=\frac{1}{100}*\frac{70}{100}+\frac{2}{100}*\frac{30}{100}

将分子、分母的计算结果代入,化简得

P(Fac1|A)=\frac{1*70}{1*70+2*30}=\frac{70}{130}=0.538


http://www.kler.cn/news/161143.html

相关文章:

  • KubeSphere Marketpalce 上新!Databend Playground 助力快速启动数据分析环境
  • 交叉验证以及scikit-learn实现
  • axios创建实例对象,发送ajax请求,配置baseUrl
  • 2024 年前端技术发展大趋势一览
  • idea本地调试hadoop 遇到的几个问题
  • 【灰度发布】APP如何实现灰度发布
  • 网络运维与网络安全 学习笔记2023.12.3
  • 2023.12.7
  • Angular 由一个bug说起之三:为什么时不时出现额外的水平/垂直滚动条?怎样能更好的防止它的出现?
  • 配置应用程序监听器[org.springframework.web.context.ContextLoaderListener]错误
  • 简单实现Spring容器(一)
  • shell命令学习(1)——(待完善)
  • pycharm使用Anaconda中的虚拟环境【我的入门困惑二】
  • ros来保存图像和保存记录视频的方法---gmsl相机保存视频和图片
  • java--枚举
  • (十五)Flask覆写wsgi_app函数实现自定义中间件
  • 关于优雅的使用SQL多行转多列的记录(doris)
  • 如何使用phpStudy本地快速搭建网站并内网穿透远程访问
  • 如何使用内网穿透工具实现公网访问GeoServe Web管理界面
  • LeetCode刷题--- 计算布尔二叉树的值
  • 这些Java并发容器,你都了解吗?
  • 手写VUE后台管理系统7 - 整合Less样式
  • Inno Setup使用
  • supervisor杀死不掉程序的问题分析
  • (动手学习深度学习)第13章 实战kaggle竞赛:树叶分类
  • 4G基站BBU、RRU、核心网设备
  • VUE+THREE.JS 点击模型相机缓入查看模型相关信息
  • 云计算生成式 -给你不一样的音乐推荐新体验
  • 英伟达显卡系列与架构、代表产品
  • 基于JavaScript的jimp库处理图片,添加绘制点