小蔣 發問時間: 科學其他:科學 · 1 0 年前

bayesian calculation什麼意思?

在分子病理中有運用到這個方法

bayesian calculation

請問這是什麼意思?是和貝氏定理一樣的嗎?

1 個解答

評分
  • 1 0 年前
    最佳解答

    貝氏定理(又被稱為貝葉斯法則)是機率論中的一個結果,它跟隨機變數的條件機率以及邊緣機率分佈有關。在有些關於機率的解說中,貝氏定理(貝葉斯更新)能夠告知我們如何利用新證據修改已有的看法。

    通常,事件A在事件B(發生)的條件下的機率,與事件B在事件A的條件下的機率是不一樣的;然而,這兩者是有確定的關係,貝氏定理就是這種關係的陳述。

    貝氏定理的陳述

    貝氏定理是關於隨機事件A和B的條件機率和邊緣機率的。

    \Pr(A|B) = \frac{\Pr(B | A)\, \Pr(A)}{\Pr(B)} \propto L(A | B)\, \Pr(A) \!

    其中L(A|B)是在B發生的情況下A發生的可能性。

    在貝氏定理中,每個名詞都有約定俗成的名稱:

    * Pr(A)是A的先驗機率或邊緣機率。之所以稱為"先驗"是因為它不考慮任何B方面的因素。

    * Pr(A|B)是已知B發生後A的條件機率,也由於得自B的取值而被稱作A的後驗機率。

    * Pr(B|A)是已知A發生後B的條件機率,也由於得自A的取值而被稱作B的後驗機率。

    * Pr(B)是B的先驗機率或邊緣機率,也作標準化常量(normalized constant).

    按這些術語,Bayes定理可表述為:

    後驗機率 = (相似度 * 先驗機率)/標準化常量

    也就是說,後驗機率與先驗機率和相似度的乘積成正比。

    另外,比例Pr(B|A)/Pr(B)也有時被稱作標準相似度(standardised likelihood),Bayes定理可表述為:

    後驗機率 = 標準相似度 * 先驗機率

    參考資料: wiki
還有問題?馬上發問,尋求解答。