Теорема на Бейс: Разлика между версии
Изтрито е съдържание Добавено е съдържание
м обозначения |
м P->Pr |
||
Ред 3:
== Формулировка ==
: <math>\
където
: <math>\
: <math>\
: <math>\
: <math>\
== Извод ==
Ред 15:
За да изведем теоремата, трябва да напишем определението за [[условна вероятност]]. Вероятността за настъпване на събитието ''A'' при положение, че ''B'' вече е настъпило е:
:<math>
Аналогично, вероятността за настъпване на ''B'' при положение, че ''A'' се е сбъднало е:
:<math>
Като комбинираме двете уравнения, получаваме:
:<math>
Тази [[лема]] понякога се намира "правило за умножение на вероятности" Остава да разделим на P(''B''), при положение, че тази вероятност не е нулева, за да получим Теоремата на Бейс:
:<math>
== Примери ==
Ред 36:
''Решение'':
* Означаваме с
* Означаваме с
* Означаваме с
* Означаваме с
* Означаваме с
* Търсената вероятност е P(''B|+'') т.е. вероятността пациентът да е болен, ако теста е положителен
По теоремата на Бейс:
:<math>P(B|+) = \frac{
Вероятността
Или:
:<math>P(+) =
:<math>P(+) =
Или търсената вероятност е:
:<math>
:<math>
или в крайна сметка:
:<math>
Което означава, че вероятността даден пациент да е болен, ако теста е положителен е само около 33%, което не е практично за нуждите на медицината, т.е. въпреки впечатляващите вероятности в условието, тестът е слаб. Това означава, че тестовете за болести следва да се произвеждат с точност, много по-голяма от 99%.
|