贝叶斯定理的含义:
先预估先验概率;
再加入试验结果
看实验到底增强还是减弱了先验概率,修正后的到更接近事实的后验概率。

P(A|B)=P(B|A)P(A)/P(B)=P(A)P(B|A)/P(B)

简单解释一下
P(A|B)是指B发生情况下,事件A的发生概率,也叫A的后验概率;
P(A)表示A的发生概率,也叫A的先验概率

其中P(B|A)/P(B)称为可能性函数likely hood;这是一个调整因子

所以,后验概率=先验概率*调整因子

如果调整因子>1,意味着先验概率被增强,由B引发事件A发生的可能性变大
如果调整因子=1,意味着B事件无助于判断A的可能性
如果调整因子<1,意味着先验概率被削弱,事件A的可能性变小,与B的关系不大

最后修改:2020 年 09 月 28 日 12 : 29 AM
如果觉得我的文章对你有用,请随意赞赏