Posterior Probability Definition là gì?

20

Xác suất trước sau là gì?

Xác suất hậu nghiệm, trong thống kê Bayes, là xác suất được sửa đổi hoặc cập nhật của một sự kiện xảy ra sau khi xem xét thông tin mới. Xác suất sau được tính bằng cách cập nhật xác suất trước bằng cách sử dụng định lý Bayes. Theo thuật ngữ thống kê, xác suất hậu là xác suất của sự kiện A xảy ra cho rằng sự kiện B đã xảy ra.

Tóm tắt ý kiến chính

  • Xác suất hậu nghiệm, trong thống kê Bayes, là xác suất được sửa đổi hoặc cập nhật của một sự kiện xảy ra sau khi xem xét thông tin mới.
  • Xác suất sau được tính bằng cách cập nhật xác suất trước bằng cách sử dụng định lý Bayes.
  • Theo thuật ngữ thống kê, xác suất hậu là xác suất của sự kiện A xảy ra cho rằng sự kiện B đã xảy ra.

Công thức Định lý Bayes

Công thức tính xác suất xảy ra sau của A khi B xảy ra:

P ( Một B ) = P ( Một B ) P ( B ) = P ( Một ) × P ( B Một ) P ( B ) ở đâu: Một , B = Sự kiện P ( B Một ) = Xác suất xảy ra B cho rằng A là đúng P ( Một ) P ( B ) = Các xác suất của A xảy ra và B xảy ra độc lập với nhau begin {align} & P (A mid B) = frac {P (A cap B)} {P (B)} = frac {P (A) times P (B mid A)} {P (B)} & textbf {where:} & A, B = text {Sự kiện} & P (B mid A) = text {Xác suất xảy ra B cho rằng A} & text {is true} & P (A) text {và} P (B) = text {Khả năng xảy ra của A} & text {và B xảy ra độc lập với nhau} end {align}

P ( A B ) = P ( B ) P ( A B ) = P ( B ) P ( A ) × P ( B A )ở đâu:A , B = Sự kiệnP ( B A ) = Xác suất xảy ra B cho rằng Alà đúngP ( A ) P ( B ) = Xác suất của A xảy ravà B xảy ra độc lập với nhau

Do đó, xác suất sau là phân phối kết quả, P (A | B).

Một Xác Suất Bí Mật Cho Bạn Biết Điều Gì?

Định lý Bayes có thể được sử dụng trong nhiều ứng dụng, chẳng hạn như y học, tài chính và kinh tế. Trong tài chính, định lý Bayes có thể được sử dụng để cập nhật niềm tin trước đó khi thu được thông tin mới. Xác suất trước đại diện cho những gì được tin tưởng ban đầu trước khi bằng chứng mới được đưa ra và xác suất sau có tính đến thông tin mới này.

Phân phối xác suất sau phải phản ánh tốt hơn sự thật cơ bản của một quá trình tạo dữ liệu so với xác suất trước vì phân bố sau bao gồm nhiều thông tin hơn. Xác suất hậu nghiệm sau đó có thể trở thành xác suất hậu nghiệm mới được cập nhật khi thông tin mới phát sinh và được đưa vào phân tích.

Nguồn tham khảo: investmentopedia