贝叶斯定理
贝叶斯定理也称贝叶斯推理，早在18世纪，英国学者贝叶斯(1702～1763)曾提出计算条件概率的公式用来解决如下一类问题：假设H[,1],H[,2]…,H[,n]互斥且构成一个完全事件，已知它们的概率P(H[,i]),i=1,2,…,n,现观察到某事件A与H[,1],H[,2]…,H[,n]相伴随机出现，且已知条件概率P(A/H[,i])，求P(H[,i]/A)。贝叶斯公式如下： P(H[,i]/A)=P(H[,i])*P(A│H[,i])/{P(H[,1])*P(A│H[,1])+P(H[,2])*P(A│H[,2])+…+P(H[,n])*P(A│H[,n])}
这就是著名的“贝叶斯定理”，一些文献中把P(H[,1])、P(H[,2])称为基础概率，P(A│H[,1])为击中率，P(A│H[,2])为误报率。
掌握了这个定理，你就能像福尔摩斯一样用极少的信息推理出一些真相。
举个例子吧——如果你知道一所公司的随机两个工号和总人数的区间那么你将能推理出这所公司的确切人数。
它还有个别名——条状概率公式。 吃老本，吃老本。 nb
页:
[1]