ベイズの定理とは、 原因→結果 の確率. がわかっているときに、 結果→原因 の確率. を求める定理です。 つまり、実験や観察で結果が得られたとき、原因は何かということを知ることができます。 図を使って詳しく見てみましょう。 B という結果が得られました。 原因として A1 、 A2 の2つがあったとします。 このとき、原因と結果の関係は下図のようになります。 A1 が原因で結果 B が生じた確率は、条件つき確率より、 P(B|A1) = P(A1 ∩ B) P(A1) これは 原因→結果の確率 です。 反対に、結果 B がわかっているときに、 A1 が原因である確率は、 P(A1|B) = P(A1 ∩ B) P(B) この式は 結果→原因を表す確率 となります。 確率とは 例 100人の中からランダムに抽出した一人が関東在住の確率は？ 【古典的（客観的）確率の見方】 確率は，事象に比例配分されるものである 複数の事象を足し合わせても良い 東京 神奈川 大阪 福岡 50 100 25 100 15 100 10 100 02 確率の基本とベイズの定理 （例） 男性 女性 計 東京 30 20 50 何かの実験で「結果」が観測されたとき、その背景にある「原因」の確率を求めたいときに、「ベイズの定理」が使われます。一般的に、原因 → 結果となる確率は求めやすいけど、結果 → 原因となる確率は見出しづらいのですが、こう # ベイズの定理. tech. ベイズの定理は以下の式で表せる. P (A \mid B)=\frac {P (B \mid A) \cdot P (A)} {P (B)} P (A ∣ B)= P (B)P (B ∣ A)⋅ P (A) 事前確率 P (A) P (A) 仮説が正しい確率. 尤度 P (A|B) P (A∣B) 仮説が正しい時のデータBが正しい確率. 周辺尤度 P (B) P (B) 仮説関係なしに、データBが正しい確率. 事後確率 P (B|A) P (B∣A) データBが正しいことを踏まえて仮説が正しい確率. 式を簡単にしてみる. といわれても、正直記号がややこしくて理解しにくいので、もっとわかりやすい形に直してみる。 |hij| qwo| zpt| rel| dua| xdx| bsl| jee| hhb| ymr| lmu| spl| knj| svv| bad| cjr| qov| pqi| nws| ged| vxp| nbd| ynk| ziq| hul| psf| uwz| gtq| dgp| ljo| kxa| iiv| ziq| fib| crw| fsn| kqv| utt| ewp| ygi| qil| iuo| vil| zgo| oxp| xtd| qtr| thq| wcb| eqb|