贝叶斯定理( Bayes_Theorem)

一、定义

贝叶斯定理也称贝叶斯推理，早在18世纪，英国学者贝叶斯(1702~1763)曾提出计算条件概率的公式用来解决如下一类问题:假设H[1],H[2]…,H[n]互斥且构成一个完全事件，已知它们的概率P(H),i=1,2,…,n,现观察到某事件A与H[,1],H[,2]…,H[,n]相伴随机出现，且已知条件概率P(A/H[,i])，求P(H[,i]/A)。

贝叶斯公式(发表于1763年)为: P(H/A)=P(H)*P(A│H)/{P(H[1])*P(A│H[1]) +P(H[2])*P(A│H[2])+…+P(H[n])*P(A│H[n])}

这就是著名的"贝叶斯定理"，一些文献中把P(H[1])、P(H[2])称为基础概率，P(A│H[1])为击中率，P(A│H[2])为误报率 。

二、应用

贝叶斯定理用于投资决策分析是在已知相关项目B的资料，而缺乏论证项目A的直接资料时，通过对B项目的有关状态及发生概率分析推导A项目的状态及发生概率。如果我们用数学语言描绘，即当已知事件Bi的概率P(Bi)和事件Bi已发生条件下事件A的概率P(A│Bi)，则可运用贝叶斯定理计算出在事件A发生条件下事件Bi的概率P(Bi│A)。按贝叶斯定理进行投资决策的基本步骤是:

1 列出在已知项目B条件下项目A的发生概率，即将P(A│B)转换为 P(B│A);

2 绘制树型图;

3 求各状态结点的期望收益值，并将结果填入树型图;

4 根据对树型图的分析，进行投资项目决策;

搜索巨人Google和Autonomy，一家出售信息恢复工具的公司，都使用了贝叶斯定理(Bayesian principles)为数据搜索提供近似的(但是技术上不确切)结果。研究人员还使用贝叶斯模型来判断症状和疾病之间的相互关系，创建个人机器人，开发能够根据数据和经验来决定行动的人工智能设备。

 

三、例题

https://ac.nowcoder.com/acm/contest/358/B（题解：https://blog.csdn.net/weixin_43272781/article/details/86547475）