احتمالات بیزی

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به: ناوبری، جستجو

احتمالات بیزی استدلال بیزی روشی بر پایه احتمالات برای استنتاج کردن است. اساس این روش بر این اصل استوار است که برای هر کمیتی یک توزیع احتمال وجود دارد که با مشاهده یک داده جدید و استدلال در مورد توزیع احتمال آن میتوان تصمیمات بهینه ای اتخاذ کرد.

این قضیه از آن جهت مفید است که می‌توان از طریق آن احتمال یک پیشامد را با مشروط کردن نسبت به وقوع و یا عدم وقوع یک پیشامد دیگر محاسبه کرد. در بسیاری از حالت‌ها، محاسبهٔ احتمال یک پیشامد به صورت مستقیم کاری دشوار است. با استفاده از این قضیه و مشروط کردن پیشامد مورد نظر نسبت به پیشامد دیگر، می‌توان احتمال مورد نظر را محاسبه کرد.

فرض می کنیم P(B|A) را به راحتی می توانیم حساب کنیم.آنگاه از رابطه ی بیز استفاده کرده و P(A|B) را حساب می کنیم.

رابطه ی بیز[ویرایش]

فرض می کنیم A_1,A_2,...,A_n فضای نمونه را افراز کند.همچنین برای هر i=1,2,...,n داشته باشیم A_1,A_2,...,A_n ،آن گاه داریم :

P(A_i|B) = \frac{P(A_i) \, P(B|A_i)}{\sum_{j=1}^k P(A_j) \,P(B|A_j)}

اثبات[ویرایش]

با استفاده از قانون ضرب احتمال :

P(B \cap A_i) =P(B|A_i)P(A_i)=P(A_i|B)P(B)

یک مثال[ویرایش]

مثال رادار :

  • احتمال اینکه یک هواپیما وجود داشته باشد 0.05 است. (P(A
  • اگر هواپیما وجود داشته باشد،رادار با احتمال 0.99 هواپیما را پیدا میکند. (P(B|A
  • اگر هواپیما وجود نداشته باشد،رادار با احتمال 0.1 وجود هواپیما را اعلام میکند. ('P(B|A

احتمال اینکه هواپیما وجود داشته باشد،به شرط اینکه رادار نقطه ای را نشان دهد :

P(A|B) = \frac{P(A) \, P(B|A)}{\ P(A) \,P(B|A)+\ P(A') \,P(B|A')}=\frac{0.05* \, 0.99}{\ 0.05* \,0.99+\ 0.95* \,0.1}=0.34

مثالی دیگر[ویرایش]

مثال تست بیماری :

  • در یک جامعه 0.1% افراد بیمارند. (P(A
  • اگر شخص بیمار باشد،تست به احتمال 95% مثبت می آید. (P(B|A
  • اگر شخص سالم باشد،تست به احتمال 95% منفی ما آید. ('P(B'|A

حال اگر یک نفر به طور تصادفی از این جامعه انتخاب کنیم و تست مثبت بیاید،احتمال آنکه آن شخص بیمار باشد برابر است با :

P(A|B) = \frac{P(A) \, P(B|A)}{\ P(A) \,P(B|A)+\ P(A') \,P(B|A')}=\frac{0.001* \, 0.95}{\ 0.001* \,0.95+\ 0.999* \,0.05}=0.018

منابع[ویرایش]

  • A First Course In Probability 8Edition-Sheldon Ross
  • Athanasios Papoulis-probability and statistics