贝叶斯定理的一种流行解释

贝叶斯定理的一种流行解释
当我还是一个贝叶斯定理的初学者时，我总是忘记每一项的含义，以及什么是先验后验，然后我又回去学习这个概念，几乎是再背一遍，p(a|b)=p(b|a)p(a)/p(b)。至于应用实例，我只记得癌症测试结果和真正癌症的概率。后来，我读了一些材料，总结了一套容易理解的逻辑。
开始之前，想想这一幕:我有一个朋友，他是一个安静而专注的人。他是程序员还是产品经理？
这篇文章将试图用通俗的方式解释贝叶斯理论。如果你没有主修统计学，然后觉得你以前不能理解贝叶斯定理，请继续阅读。
那么答案是什么？我猜他是个程序员。现在原因是什么已经不重要了。
第二个问题是，他成为程序员的概率是多少？p=0.7？p=0.8？如何定量分析？
我认为，程序员大多是安静和专注的，所以让那些70%的程序员安静和专注吧。可能有30%的产品经理。那么比率是7:3，所以他是程序员的概率是p=0.7。
等等，但是产品经理太多了，所以程序员不应该有这么多的产品经理。如果这位朋友碰巧是一位安静而专注的产品经理呢？我的朋友中有这么多产品经理(这不是重点)。如果我认识100个产品经理和10个程序员，我的朋友成为产品经理的概率不次元世界突破之乐园王者最新章节是很高！在这100人中，有100*0.3=30个安静而专注的产品经理。十分之七的人是安静而专注的程序员。那么我的朋友是程序员的概率是7/(30+7)=18.9%！
我相信这些例子是受欢迎的和清楚的，所以当你回到公式时很容易记住。在上面的问题中，我们首先提出了一个假设:我的朋友是一个程序员，然后这个概率是基于证据的:这个人是安静和专注的。什么是p(h|e)？
符号| a |表示a的数字。
p (h | e) = |安静且专注的程序员|/[|安静且专注的程序员|+|安静且专注的产品经理|]
= [|我的程序员朋友| * p(e| h)]/[|我的程序员朋友| * p(e|h)+[|我的产品经理朋友| * p(e| h)
= |朋友| * p (h) * p(e| h)/[|朋友| * p (e | h)+|朋友| * p(不是h) * p(e|不是h)]
= p(h) * p(e|h)/[p(h) * p(e|h)+p(非h) * p(e|非h)]
通常分母简化为p(e)，即:
p(h|e) = p(h) * p(e|h) / p(e)
我希望这个例子能帮助你理解贝叶斯定理。
最后，p(h)被称为先验，它可以被简单地理解为没有提供任何证据证明e和h的分布，或者朋友的特征，我的程序员和产品经理的朋友的分布。
p(e)是一个归一化常数
p(e|h)是可能性，即e在不同h分布中的可能性/相关性。或者在不同类型的朋友中，人格的分布。
文章来源：www.atolchina.com