คำถามติดแท็ก bayes

สมมติว่าฉันกำลังพยายามหาความน่าจะเป็นที่ไอศครีมที่ชื่นชอบของใครบางคนคือวานิลลา ฉันรู้ว่าคน ๆ นี้ก็ชอบดูหนังสยองขวัญด้วย ฉันต้องการหาความน่าจะเป็นที่ไอศครีมที่ชื่นชอบของบุคคลนั้นคือวานิลลาเนื่องจากพวกเขาเพลิดเพลินกับภาพยนตร์สยองขวัญ ฉันรู้สิ่งต่อไปนี้: 5%5%5\%ของผู้คนเลือกวานิลลาเป็นไอศครีมที่ชื่นชอบ (นี่คือของฉัน )P(A)P(A)P(A) 10%10%10\%ของผู้ที่ชื่นชอบไอศครีมวานิลลาก็ชอบภาพยนตร์สยองขวัญเช่นกัน (นี่คือของฉัน )P(B|A)P(B|A)P(B|A) 1%1%1\%ของคนที่ชื่นชอบไม่ใช่ไอศกรีมวานิลลาก็ชอบหนังสยองขวัญ (นี่คือของฉัน )P(B|¬A)P(B|¬A)P(B|\lnot A) ดังนั้นฉันคำนวณแบบนี้: ฉันพบว่า (ปัดเศษเป็นสิบหลักที่ใกล้ที่สุด) มีโอกาสที่ไอศครีมที่ชื่นชอบของแฟนหนังสยองขวัญคือวานิลลาP(A|B)=0.05×0.1(0.05×0.1)+(0.01×(1−0.05))P(A|B)=0.05×0.1(0.05×0.1)+(0.01×(1−0.05))P(A|B)=\frac{0.05\times0.1}{(0.05 \times 0.1)+(0.01 \times(1-0.05))}P(A|B)=0.3448P(A|B)=0.3448P(A|B) = 0.344834.48%34.48%34.48\% แต่แล้วฉันก็รู้ว่าบุคคลนั้นได้ดูหนังสยองขวัญในช่วง 30 วันที่ผ่านมา นี่คือสิ่งที่ฉันรู้: 34.48%34.48%34.48\%เป็นความน่าจะเป็นด้านหลังที่วานิลลาเป็นคนชื่นชอบไอศครีมรสชาติ -ในปัญหาต่อไปนี้P(A)P(A)P(A) 20%20%20\%ของผู้ที่ชื่นชอบไอศครีมวานิลลาได้ดูหนังสยองขวัญในช่วง 30 วันที่ผ่านมา 5%5%5\%ของผู้ที่ไม่ชอบไอศกรีมวานิลลาได้เห็นภาพยนตร์สยองขวัญในช่วง 30 วันที่ผ่านมา สิ่งนี้จะให้: เมื่อปัดเศษ0.3448×0.2(0.3448×0.2)+(0.05×(1−0.3448))=0.67790.3448×0.2(0.3448×0.2)+(0.05×(1−0.3448))=0.6779\frac{0.3448\times0.2}{(0.3448\times0.2)+(0.05\times(1-0.3448))} = 0.6779 ดังนั้นตอนนี้ฉันเชื่อว่ามีโอกาสที่แฟนหนังสยองขวัญชอบไอศกรีมเพราะพวกเขาเคยดูหนังสยองขวัญในช่วง 30 วันที่ผ่านมา67.79%67.79%67.79\% แต่เดี๋ยวก่อนมีอีกอย่างหนึ่ง ฉันได้เรียนรู้ด้วยว่าบุคคลนั้นเป็นเจ้าของแมว นี่คือสิ่งที่ฉันรู้: 67.79%67.79%67.79\%เป็นความน่าจะเป็นหลังที่ได้รับการปรับปรุงซึ่งวานิลลาเป็นคนชื่นชอบไอศกรีมรสชาติ -ในปัญหาต่อไปนี้P(A)P(A)P(A) 40%40%40\%ของผู้ที่ชื่นชอบไอศครีมวานิลลาก็มีแมวเป็นของตัวเอง …

9 probability  bayes 

สมมติว่าฉันมีตัวอย่างหนึ่งความถี่ของเหตุการณ์ที่เป็นไปได้ 4 เหตุการณ์: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 และฉันมีโอกาสที่จะเกิดเหตุการณ์ที่คาดหวัง: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 ด้วยผลรวมของความถี่ที่สังเกตได้จากเหตุการณ์ทั้งสี่ของฉัน (18) ฉันสามารถคำนวณความถี่ที่คาดหวังของเหตุการณ์ได้ใช่ไหม expectedE1 - 18 * 0.2 = 3.6 expectedE2 - 18 * 0.1 = 1.8 expectedE1 - 18 * 0.1 …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom