首頁 > 資訊 > 經(jīng)驗 > 貝葉斯公式例題，條件概率中

貝葉斯公式例題，條件概率中

來源：整理時間：2024-09-20 20:46:51 編輯：智能門戶手機版

1，條件概率中

A=p(易發(fā)|索賠） B=p(偶發(fā)|索賠)

條件概率中

2，用貝葉斯公式解個題

可以先籠統(tǒng)的了解一下，比如雙方各射10槍，甲中6，乙中5.則總共有11槍射中，則對于其中任一一槍來說，被甲射中的概率為6/11=0.55

用貝葉斯公式解個題

3，貝葉斯公式遇到例題時想不明白

沒錯，0.2%是從個體單獨出發(fā)得出的，沒有考慮之前總結出來的經(jīng)驗，也就是先驗概率（已知某城市成年居民患肺結核的概率是0.001）而貝葉斯公式正式為了融入先驗概率而設計的，隱含的意思是之前的經(jīng)驗和現(xiàn)在發(fā)生的事情是完全相關的

各次射擊相互獨立 ,貝努里概型標準的條件概率,p(首發(fā)命中|命中)p(首發(fā)命中)=0.5 , p(命中)=1一p(三發(fā)都不中)你的思考就是混亂的.

貝葉斯公式遇到例題時想不明白

4，求問用貝葉斯公式求下列題目

5，求一道概率題答案用的是貝葉斯公式

先利用全概率公式得P(A)=0.96*0.98+0.04*0.05 后利用貝葉斯公式得P=0.98*0.96/（0.96*0.98+0.04*0.05）=0.9978

=0.96*0.98/(0.96*0.98+0.04*0.05)

癌癥+陽性: 1/68 * 79.2% = 99/68*125 沒癌癥+陽性: 67/68 * 9.6% = 12*67/68*125 陽性的條件下,癌癥的概率為: 99/68*125 / ( 99/68*125 + 12*67/68*125) = 99 / (99 + 12 * 67) = 33/(33+4*67) = 33/301

6，貝葉斯公式應用實例

寫作話題: 貝葉斯預測模型在礦物含量預測中的應用貝葉斯預測模型在氣溫變化預測中的應用貝葉斯學習原理及其在預測未來地震危險中的應用基于稀疏貝葉斯分類器的汽車車型識別信號估計中的貝葉斯方法及應用貝葉斯神經(jīng)網(wǎng)絡在生物序列分析中的應用基于貝葉斯網(wǎng)絡的海上目標識別貝葉斯原理在發(fā)動機標定中的應用貝葉斯法在繼電器可靠性評估中的應用相關書籍: Arnold Zellner 《Bayesian Econometrics: Past, Present and Future》 Springer 《貝葉斯決策》黃曉榕《經(jīng)濟信息價格評估以及貝葉斯方法的應用》張麗 , 閆善文 , 劉亞東《全概率公式與貝葉斯公式的應用及推廣》周麗琴《貝葉斯均衡的應用》王輝 , 張劍飛 , 王雙成《基于預測能力的貝葉斯網(wǎng)絡結構學習》張旭東 , 陳鋒 , 高雋 , 方廷健《稀疏貝葉斯及其在時間序列預測中的應用》鄒林全《貝葉斯方法在會計決策中的應用》周麗華《市場預測中的貝葉斯公式應用》夏敏軼 , 張焱《貝葉斯公式在風險決策中的應用》臧玉衛(wèi) , 王萍 , 吳育華《貝葉斯網(wǎng)絡在股指期貨風險預警中的應用》黨佳瑞 , 胡杉杉 , 藍伯雄《基于貝葉斯決策方法的證券歷史數(shù)據(jù)有效性分析》肖玉山 , 王海東《無偏預測理論在經(jīng)驗貝葉斯分析中的應用》嚴惠云 , 師義民《Linex損失下股票投資的貝葉斯預測》卜祥志 , 王紹綿 , 陳文斌 , 余貽鑫 , 岳順民《貝葉斯拍賣定價方法在配電市場定價中的應用》劉嘉焜 , 范貽昌 , 劉波《分整模型在商品價格預測中的應用》《Bayes方法在經(jīng)營決策中的應用》《決策有用性的信息觀》《統(tǒng)計預測和決策課件》《貝葉斯經(jīng)濟時間序列預測模型及其應用研究》《貝葉斯統(tǒng)計推斷》《決策分析理論與實務》

疾病診斷. 假設有一臺癌癥診斷儀，通過對它以往的診斷記錄的分析，如果患者確實患有癌癥它的確診率為90%，若果患者沒有癌癥，被診斷成癌癥的概率為10%。問題：如果一個人被這臺診斷儀確診成癌癥，這個人患有癌癥的概率是多少？設 A：癌癥診斷儀給出癌癥診斷。B1：病人是癌癥患者。B2 病人不是癌癥患者。 P(A|B1) = 90%； P(A) = 90%*P(B1) + 10%*P(B2)；則: P(B1|A) = P(B1)*90% / (90%*P(B1) + 10%*P(B2))；我們知道人群中癌癥患者的比重是很小了，假設為1%，則 P(B1) = 1%；P(B2) = 99%；可以算出： P(B1|A) = 8% 看出什么問題了嗎？如果醫(yī)生僅僅根據(jù)癌癥診斷儀給出的確診信息就認為病人有很大可能性患有癌癥(醫(yī)生經(jīng)常這么做)，那就太不付責任了！因為即使這樣，這個病人得癌癥的概率還是只有8%! 對公式P(B1|A) = P(B1)*90% / (90%*P(B1) + 10%*P(B2))做一下簡單的變形，得: P(B1|A) =1 / (1 + (10%*P(B2))/(P(B1)*90%)) 在結果中只有一個變量 P(B2))/(P(B1)，這個比率也叫做基礎比率。基礎比率越大，P(B1|A)的值越小。在本例中P(B2))/(P(B1) = 99：1。在推理中基礎比率起到的至關重要的作用。可是大部分人在生活中做判斷的時候卻忽略了它,從而對于必然的小概率事件的發(fā)生深信不疑。