能让生活变得更美好的“贝叶斯定理”是什么?( 二 )


概率是个本家儿不雅值 , 完全就是我们本身的判定 , 我们可以先估量一个初始概率  , 然后每次按照呈现的新环境 , 把握的新信息 , 对这个初始概率进行批改 , 跟着信息的增多 , 慢慢迫近真实的概率 。 这个方式完美的解决了信息少的问题 , 我们不消等样本累积到必然水平 , 先猜一个就步履起来了 。
让我们回到李雷和韩梅梅身上 。 韩梅梅若何猜测李雷喜好本身的概率呢?起首 , 韩梅梅只能本家儿不雅想出一个初始概率 , 在没发生B(李雷零丁找韩梅梅聊天)之前 , 韩梅梅猜测李雷喜好本身的概率很低 , 只有5%(P(A)) 。
假设若是一小我喜好另一小我 , 那么他经常找对方聊天的概率是80%;一小我不喜好别的一小我 , 他经常找对方聊天的概率只有20% 。 即P(B|A)=0.8 , P(B|非A)=0.2 。
注重经常找对地契独聊天的环境存在两种:喜好并零丁聊天或不喜好也零丁聊天 , 是以P(B)=P(B|A)×P(A)+P(B|非A)×P(非A)=0.8×0.05+0.2×0.95=0.23 。
在李雷喜好找韩梅梅聊天的环境下 , 李雷喜好韩梅梅的概率涨到了:P(A|B)=P(A)×P(B|A)/0.23=0.05×0.8÷0.23=17.4% 。
若是跟着韩梅梅后来的不雅察 , 她又发现了此外“蛛丝马迹” , 如李雷经常偷看本身 , 那么操纵贝叶斯定理 , 李雷喜好韩梅梅的概率必定还会进一步上升 。
别忘了先决前提
或许有人会说 , 这不就是常识嘛 , 新环境(信息)和本身本来预期得一致 , 就强化本来的观点 , 不然就弱化 , 用得着弄这么复杂吗?
简直 , 人脑思维的体例和贝叶斯定理是一致的 。 可是我们的大脑有一种证实倾标的目的 , 即我们往往会高估了新环境的感化 , 可是贝叶斯定理不会 , 它会改正我们的认知误差 。
我们再举一个贝叶斯定理的经典例子 。 此刻的医药检测手段越来越进步前辈 , 某种罕有病检测成果的精确度为99% 。 若是小张去病院做查抄 , 检测成果为阳性 , 那么小张真的抱病了的概率是几多呢?
若是贫乏贝叶斯思维 , 你必定会想当然地说出来 , 不是99%吗?可是你别忘了 , 该疾病是一种罕有病 。
我们利用贝叶斯定理 , A暗示“真的患病” , B暗示“检测呈阳性” 。 按照现有前提 , P(B|A)=99%,P(B|非A)=1% 。 假设一般人群中罕有病患者的比例为0.5% , 即P(A)=0.005 。 代入公式:

能让生活变得更美好的“贝叶斯定理”是什么?



尽管检测的精确度高达99% , 但贝叶斯定理告诉我们 , 哪怕这小我真的被检测到阳性 , 他真的患病的可能性也只有33%摆布 , 没有患病的可能性比力大 。 在医学中 , 没病 , 可是检测成果显示有病的环境称为假阳性 。 一般 , 像艾滋病等罕有疾病检测第一次呈阳性的人 , 还需要做第二次检测 , 第二次依然为阳性的还需做第三次检测 。
同样地 , 我们也可以从中获得一些启迪 , 贝叶斯定理可不仅仅是计较 , 更是一种思虑体例 。
起首 , 初始概率其实很主要 , 初始概率越精确 , 获得真实的概率就越快速、越轻易 。
其次 , 我们在糊口中 , 碰到一些问题 , 不该该反映过度 , 因为工作可能并没有我们想象得那么糟 。 在思虑时 , 不要健忘将客不雅环境考虑在内 。

猜你喜欢