贝叶斯公式的介绍， 1.贝叶斯公式又称贝叶斯定理和贝叶斯规则，是概率统计中应用观察到的现象来修正概率分布的主观判断(即先验概率)的标准方法。

2.具体来说，当分析样本大到足以接近总体时，样本中事件发生的概率将接近总体中事件发生的概率。

拓展小知识：

贝叶斯公式计算示例

1.在过去的20年里，一栋别墅被盗了两次。别墅的主人养了一只狗，这只狗平均每周叫三次。小偷入侵时狗叫的概率估计是0.9。问题是：当狗叫的时候，入侵的概率是多少？

假设事件A是晚上狗叫，事件B是小偷入侵，那么P(A)=3/7，p (b)=2/(20.365)=2/7300，P(A | B)=0.9。

根据公式很容易得到结果：p(b | a)=0.9 *(2/7300)/(3/7)=0.00058。

2.分别有两个容器A和B。容器A中有七个红球和三个白球，容器b中有一个红球和九个白球，已知从这两个容器中随机抽取一个球，是一个红球。

这个红球来自容器A的概率有多大？

假设已经抽出的红球为事件B，从容器A中抽出的球为事件A，则有：P(B)=8/20，P(A)=1/2，P(B | A)=7/10。根据该公式，

然后就是：p(a | b)=(7/10)*(1/2)/(8/20)=0.875。

贝叶斯公式提供了一种利用收集到的信息来修正原有判断的有效手段。在抽样之前，经济主体对各种假设有一个判断(先验概率)，先验概率的分布通常可以根据经济主体的经验判断来确定。

可以使用更复杂和精确的方法，例如最大熵技术、边缘分布密度或互信息原理，来确定先验概率分布。

今天的分享到此结束。希望能帮到你！

贝叶斯公式的介绍，以上就是本文为您收集整理的贝叶斯公式的介绍最新内容，希望能帮到您！更多相关内容欢迎关注。