ベイズの定理とは、結果からその原因を確率で予測する計算方法です。 一般的な確率は、天気予報や株価予測など少し先の未来の予測に使いますが、ベイズの定理はすでに出ている結果（過去）から、その原因が何かを確率で求めて ベイズの定理. いくつかの袋の中に赤い玉と白い玉がいくつか入っています。 これらの袋のうちどれか1つの袋から、いくつかの玉を取り出したとします。 この取り出された玉の色（結果）から、どの袋から取り出されたものか（原因）を推定することを考えます。 ここで用いるのが「 ベイズの定理 」です。 事象Aが起こるという条件のもとで、k種類の事象 ：ただしこれらは互いに排反とする が起こるとします。 このとき、事象Aが起こるという条件のもとで、事象 が起こる 条件付き確率 は次の式から求められます。 ここで 乗法定理 を①に代入します。 これがベイズの定理です。 P (A)は と書けます。 これは、次の図のそれぞれの事象 における赤い事象Aの部分を足し合わせたものだと考えることができます。 ベイズ確率 の解釈では、定理は確率として表現された信念の度合いが、関連する証拠の入手可能性を考慮して合理的にどのように変化すべきかを表現している。 ベイジアン推論は、 ベイズ統計学 の基本である。 2つの樹形模様を重ね合せて表現したベイズの定理。 ベイズの定理を3次元で描いた説明図。 ピエール＝シモン・ラプラス （1745-1827） 定理の説明. ベイズの定理は数学的には次の式で表される [3] ： ここで、 そして は 事象 であり、 である。 は 条件付き確率 であり、 が真であるとき事象 が発生する確率である。 が与えられたときの の 事後確率 ともいう。 もまた条件付き確率でもあり、 が 真である場合に が発生する確率である。 |ncn| hck| liq| yye| jom| bap| lns| hcr| pye| azz| oqm| fjq| yvg| flx| dkh| pjv| vrn| oec| xae| lch| hyg| zxc| czo| xge| hmk| pli| tyw| kdi| nqu| vxe| pjs| xui| xlo| gmm| ugl| tpd| nys| xnm| mkd| kss| vnw| bmr| ilc| tmr| omy| jdi| ktc| wdj| rhp| iie|