标签：假设   数据结构   数据   接收   ext   lan   通过   独立   div   

[TOC] 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/

贝叶斯决策

一、贝叶斯决策理论

贝叶斯决策理论：在不完全情报下，对部分未知的状态用主观概率估计。

二、贝叶斯公式

2.1 从条件概率公式推导贝叶斯公式

若果$A$和$B$相互独立，则有$p(A,B) = p(A)p(B)$，并有条件概率公式

通过条件概率可得

\(p(A|B)\)：后验概率，B发生的情况下发生A的概率，需要计算的概率

\(p(B|A)\)：似然度，A假设条件成立的情况发生B的概率

\(p(A)\)：A的先验概率，也可以理解成一般情况下A发生的概率

\(p(B)\)：标准化常量，也可以理解成一般情况下B发生的概率

2.2 从全概率公式推导贝叶斯公式

全概率公式

通过全概率公式可得

三、贝叶斯公式应用

在数字通信中，由于随机干扰，因此接受的信号与发出的信号可能不同，为了确定发出的信号，通常需要计算各种概率。

如果发报机以0.6和0.4的概率发出信号0和1；

当发出信号0时，以0.7和0.2的概率收到信号0和1；

当发出信号1时，接收机以0.8和0.2收到信号1和0。

计算当接受机收到信号0时，发报机发出信号0的概率。

通过上述给出的数据可以得到以下推导

\(p(A_0) = 0.6\)：发报机发出信号0的概率

\(p(A_1) = 0.4\)：发报机发出信号1的概率

\(p(B)=p(A_0)p(B|A_0) + p(A_1)p(B|A_1)\)：发报机接收到信号0的概率

\(p(B|A_0) = 0.7\)：发报机发出信号0接收到信号0的概率

\(p(B|A_1) = 0.2\)：发报机发出信号1接收到信号0的概率

B-概率论-贝叶斯决策

标签：假设   数据结构   数据   接收   ext   lan   通过   独立   div   

原文地址：https://www.cnblogs.com/nickchen121/p/11686765.html