Что такое теорема Байеса?

Теорема Байеса — это фундаментальное правило теории вероятностей, которое позволяет вычислить условную вероятность события A при условии события B, используя известные вероятности P(B|A), P(A) и P(B). Формула выглядит так:

[ P(A|B) = \frac{P(B|A) \times P(A)}{P(B)} ]

Где:

• (P(A|B)) — вероятность события A при условии B (апостериорная вероятность)
• (P(B|A)) — вероятность события B при условии A (правдоподобие)
• (P(A)) — априорная вероятность события A
• (P(B)) — полная вероятность события B

Пример применения: в машинном обучении наивный байесовский классификатор использует теорему Байеса для определения вероятности принадлежности объекта к классу на основе признаков.

Пример на Python:

# Предположим, у нас есть вероятность заболеть гриппом (A) и вероятность иметь кашель (B)
P_A = 0.01  # вероятность заболеть гриппом
P_B_given_A = 0.8  # вероятность кашля при гриппе
P_B = 0.1  # общая вероятность кашля

# Вычислим вероятность заболеть гриппом при наличии кашля
P_A_given_B = (P_B_given_A * P_A) / P_B
print(f"Вероятность гриппа при кашле: {P_A_given_B:.2f}")

Теорема Байеса помогает обновлять наши знания о вероятностях на основе новых данных.