Wzór Bayesa

Wzór Bayesa odwraca warunek. Znasz szansę skutku w każdym przypadku, P(A∣Bi)P(A|B_i), a pytasz, z którego przypadku pochodzi skutek, który już widzisz: P(Bi∣A)P(B_i|A). Na drzewku to jedna ścieżka do AA podzielona przez wszystkie.

P(Bi∣A)=P(A∣Bi)⋅P(Bi)∑j=1nP(A∣Bj)⋅P(Bj)P(B_i|A) = \frac{P(A|B_i) \cdot P(B_i)}{\sum_{j=1}^{n} P(A|B_j) \cdot P(B_j)}

na drzewku

sˊciez˙ka przez Biwszystkie sˊciez˙ki do A\displaystyle \frac{\text{ścieżka przez } B_i}{\text{wszystkie ścieżki do } A}

mianownik to P(A)

∑jP(A∣Bj)⋅P(Bj)\displaystyle \sum_{j} P(A|B_j) \cdot P(B_j)

na przykład fabryka II

0,0200,038=1019\displaystyle \frac{0{,}020}{0{,}038} = \frac{10}{19}
B1,…,BnB_1, \ldots, B_n to przypadki (przyczyny), parami rozłączne i razem obejmujące wszystkie wyniki. AA to skutek, który zaobserwowano. Mianownik to prawdopodobieństwo całkowite P(A)P(A).

Skąd się bierze wzór Bayesa?

Fabryka I produkuje 60% żarówek, fabryka II 40%. Wadliwych jest 3% żarówek z fabryki I i 5% z fabryki II. Wylosowana żarówka okazała się wadliwa. Z której fabryki prędzej pochodzi?

0,6 0,03 0,97 B1 A A′ 0,018 0,4 0,05 0,95 B2 A A′ 0,020
B1B_1 i B2B_2 to fabryki, AA to żarówka wadliwa. Niebieskie ścieżki prowadzą do AA, a na ich końcach stoją iloczyny gałęzi.

Wiesz, że zaszło AA, więc liczą się tylko dwie niebieskie ścieżki: razem 0,018+0,020=0,0380{,}018 + 0{,}020 = 0{,}038. Ścieżka przez fabrykę II to 0,0200{,}020 z tego. Zgodnie z prawdopodobieństwem warunkowym:

  1. P(B2∣A)=P(B2∩A)P(A)=0,0200,038\displaystyle P(B_2|A) = \frac{P(B_2 \cap A)}{P(A)} = \frac{0{,}020}{0{,}038}

Licznik to jedna ścieżka, czyli P(A∣B2)⋅P(B2)P(A|B_2) \cdot P(B_2). Mianownik to suma wszystkich ścieżek do AA. Po wstawieniu tych dwóch wyrażeń wychodzi wzór Bayesa. Fabryka II produkuje mniej, ale ma więcej braków, więc to ona jest trochę bardziej prawdopodobnym źródłem: 1019≈0,53\frac{10}{19} \approx 0{,}53.

Jak korzystać ze wzoru Bayesa krok po kroku

Choroba dotyka 1% ludzi. Test wykrywa ją u 95% chorych, ale daje też wynik dodatni u 10% zdrowych. Ktoś dostał wynik dodatni. Jakie jest prawdopodobieństwo, że naprawdę jest chory? Policzymy to w czterech krokach.

Dane 1%, 95%, 10%1\%, \ 95\%, \ 10\% P(A)=0,1085P(A) = 0{,}1085 P(B1∣A)≈0,088P(B_1|A) \approx 0{,}088
  1. Nazwij przypadki i skutek

    Przypadki to stan zdrowia: B1B_1, osoba chora, i B2B_2, osoba zdrowa. Skutek, który widzisz, to AA: wynik dodatni. Szukasz P(B1∣A)P(B_1|A).

    1. P(B1)=0,01,P(B2)=0,99P(B_1) = 0{,}01, \quad P(B_2) = 0{,}99
    2. P(A∣B1)=0,95P(A|B_1) = 0{,}95
    3. P(A∣B2)=0,10P(A|B_2) = 0{,}10

    P(Bi∣A)P(B_i|A) znasz skutek, szukasz przyczyny

    Nasze dane: wynik dodatni\text{wynik dodatni}

    Podziel ścieżkę przez BiB_i przez sumę ścieżek do AA.

    P(A)P(A) szukasz szansy skutku

    ∑iP(A∣Bi)⋅P(Bi)\displaystyle \sum_{i} P(A|B_i) \cdot P(B_i)

    To sam mianownik wzoru Bayesa, czyli prawdopodobieństwo całkowite.

    Więcej: prawdopodobieństwo całkowite

    P(Bi)=1nP(B_i) = \tfrac{1}{n} przypadki równie możliwe

    Wagi P(Bi)P(B_i) się skracają i zostają same prawdopodobieństwa warunkowe.

    Przykład: urny wybierane monetą

  2. Narysuj drzewko i policz ścieżki

    Najpierw rozgałęź na chorych i zdrowych, potem na wynik dodatni i ujemny. Na końcu każdej ścieżki do wyniku dodatniego zapisz iloczyn jej gałęzi.

    0,01 0,95 0,05 B1 A A′ 0,0095 0,99 0,10 0,90 B2 A A′ 0,099
    B1B_1 to osoba chora, B2B_2 zdrowa, AA wynik dodatni. Ścieżka przez zdrowych jest ponad dziesięć razy większa, bo zdrowych jest dużo więcej.
    1. B1 ⁣: 0,01⋅0,95=0,0095B_1 \colon \ 0{,}01 \cdot 0{,}95 = 0{,}0095
    2. B2 ⁣: 0,99⋅0,10=0,099B_2 \colon \ 0{,}99 \cdot 0{,}10 = 0{,}099
  3. Dodaj wszystkie ścieżki do A

    Wynik dodatni dostają chorzy i zdrowi z fałszywym alarmem. Suma obu ścieżek to P(A)P(A).

    1. P(A)=0,0095+0,099P(A) = 0{,}0095 + 0{,}099
    2. P(A)=0,1085P(A) = 0{,}1085
  4. Podziel ścieżkę przez sumę

    Podziel ścieżkę przez chorych przez P(A)P(A). Pomnóż licznik i mianownik przez 10 000, żeby pozbyć się przecinków.

    1. P(B1∣A)=0,00950,1085=951085\displaystyle P(B_1|A) = \frac{0{,}0095}{0{,}1085} = \frac{95}{1085}
    2. P(B1∣A)=19217\displaystyle P(B_1|A) = \frac{19}{217}
    3. P(B1∣A)≈0,088P(B_1|A) \approx 0{,}088

    Odpowiedź: osoba z wynikiem dodatnim jest chora z prawdopodobieństwem 19217≈0,088\frac{19}{217} \approx 0{,}088, czyli około 9%.

Więcej przykładów

Najpierw rozwiąż każde zadanie sam, a dopiero potem porównaj wynik z rozwiązaniem.

Przykład 1. Wadliwa żarówka

Fabryka I produkuje 60% żarówek, fabryka II 40%. Wadliwe są 3% żarówek z fabryki I i 5% z fabryki II. Wylosowana żarówka jest wadliwa. Jakie jest prawdopodobieństwo, że pochodzi z fabryki II?

Przykład 2. Trzy urny

Urna I ma 5 kul białych i 1 czarną, urna II 3 białe i 3 czarne, urna III 1 białą i 5 czarnych. Urnę wybierasz z prawdopodobieństwami 12\frac{1}{2}, 13\frac{1}{3} i 16\frac{1}{6}, a potem losujesz z niej kulę. Kula jest biała. Jakie jest prawdopodobieństwo, że pochodzi z urny I?

Przykład 3. Przyczyna spóźnienia

Uczeń jeździ do szkoły autobusem w 70% dni, a rowerem w 30%. Autobusem spóźnia się z prawdopodobieństwem 0,20, rowerem 0,05. Dziś się spóźnił. Jakie jest prawdopodobieństwo, że jechał autobusem?

Przykład 4. Urny wybierane monetą

W urnie I są 3 kule białe i 2 czarne, w urnie II 1 biała i 4 czarne. Urnę wybierasz rzutem monetą. Wylosowana kula jest biała. Jakie jest prawdopodobieństwo, że pochodzi z urny I?

Najczęstsze błędy

Unikaj ich w każdym zadaniu ze wzorem Bayesa.

Przypadki szczególne

W tych sytuacjach wzór się upraszcza.

Dwa przypadki P(B∣A)=P(A∣B)⋅P(B)P(A)\displaystyle P(B|A) = \frac{P(A|B) \cdot P(B)}{P(A)}
Przypadek i jego przeciwieństwo, jak chory i zdrowy, to najczęstsza wersja w zadaniach. W mianowniku stoją wtedy dwie ścieżki: P(A∣B)⋅P(B)P(A|B) \cdot P(B) i P(A∣B′)⋅P(B′)P(A|B') \cdot P(B').
Przypadki równie możliwe P(Bi∣A)=P(A∣Bi)∑jP(A∣Bj)\displaystyle P(B_i|A) = \frac{P(A|B_i)}{\sum_{j} P(A|B_j)}
Gdy wszystkie P(Bi)P(B_i) są równe, skracają się. Tak liczysz urny wybierane monetą.
Skutek niezależny od przyczyn P(Bi∣A)=P(Bi)\displaystyle P(B_i|A) = P(B_i)
Gdy P(A∣Bi)P(A|B_i) jest takie samo w każdym przypadku, obserwacja AA nic nie mówi o przyczynie.
Porównanie dwóch przyczyn P(B1∣A):P(B2∣A)\displaystyle P(B_1|A) : P(B_2|A)
Ten stosunek jest równy stosunkowi samych ścieżek przez B1B_1 i B2B_2, bo mianownik P(A)P(A) się skraca. Dla fabryk: 0,018:0,020=9:100{,}018 : 0{,}020 = 9 : 10.

Powiązane wzory

Pytania i odpowiedzi

Masz pytanie do tego wzoru albo przykładu? Zadaj je tutaj. Odpowiadają inni użytkownicy i redakcja.

Twoje pytanie

Szukaj wzoru

Wpisz nazwę wzoru. Polskie znaki są opcjonalne. Strzałkami wybierzesz wynik, Enter go otworzy.