[Statistiques pour les programmeurs] Théorème de Bayes

table des matières

Statistiques pour les programmeurs - Table des matières

supposition

Nous vous recommandons de lire à l'avance les articles suivants.

Théorème de Bayes

Sous la condition que l'événement A se produise, la probabilité conditionnelle lorsque l'événement de type i B se produit est calculée comme suit. L'événement B de type K est défini comme «B_1, B_2, B_3 ... B_i», et l'un l'autre est exclu.

La probabilité conditionnelle que l'événement «Bi» se produise sous la condition que l'événement A se produise est calculée par la formule suivante.

P(B_i|A) = \frac{P(A∩B_i)}{P(A)}

Dans la partie de P (A∩B_i), Théorème du multiplicateur(P(A∩B)=P(A)×P(A|B))Enutilisant,P(A)×P(A|B)Remplacer. Ensuite, il sera remplacé par la formule suivante.

P(B_i|A) = \frac{P(B_i) \cdot P(A|B_i)}{P(A)}

C'est le théorème de Bayes. Chaque variable a la signification suivante.

variable La description
P(A) Probabilité qu'un A se produise
P(B) Probabilité que B se produise (pré-probabilité)
P(A|B) Probabilité que A se produise après B (probabilité conditionnelle, vraisemblance)
P(B|A) Probabilité que B se produise après A (probabilité conditionnelle, probabilité postérieure)

Preuve du théorème de Bayes

Pour plus de détails, veuillez vous référer à Preuve du théorème de Bayes.

La probabilité que A se produise après B (probabilité conditionnelle) × la probabilité que B se produise La probabilité que B se produise après A (probabilité conditionnelle) × la même que la probabilité que A se produise.

En d'autres termes

P(B_i|A) \cdot P(A) = P(A|B_i) \cdot P(B_i)

Cela signifie que. Diviser les deux côtés de ceci par «P (A)» donne la forme suivante.

P(B_i|A) = \frac{P(B_i) \cdot P(A|B_i)}{P(A)}

Développer le théorème de Bayes

De plus, le théorème de Bayes est souvent utilisé de cette manière.

P(B_i|A) = \frac{P(B_i)\cdot P(A|B_i)}{\sum_{j=1}^{k}P(B_j)\cdot P(A|B_j)} 

référence

Recommended Posts

[Statistiques pour les programmeurs] Théorème de Bayes
[Statistiques pour les programmeurs] Box whiskers
[Statistiques pour les programmeurs] Moyenne, médiane et la plus fréquente
[Statistiques pour les programmeurs] Qu'est-ce qu'un événement?
[Statistiques pour les programmeurs] Table des matières-Science des données
[Statistiques pour les programmeurs] Probabilité conditionnelle et théorème du multiplicateur
[Statistiques pour les programmeurs] Courbe de Lorenz et coefficient de Gini
Programme d'étude des statistiques
[Statistiques pour les programmeurs] Dispersion, écart type et coefficient de fluctuation
[Statistiques pour les programmeurs] Variables de probabilité, distributions de probabilité et fonctions de densité de probabilité
Orientation des objets Prolog pour les programmeurs Python
Statistiques de mouvement pour la prédiction de séries chronologiques