计算P(事故= 1 |交通= 1)和P(事故= 1 |交通= 1,总统= 1)。
我有答案P(事故= 1 |交通= 1,总统= 1),这是0.15。但是在为P(Accident = 1 | Traffic = 1)应用相同的场景时,它似乎不起作用。
我为P(事故= 1 |交通= 1)所尝试的是P(A = 1 | T = 1)==> [P(A = 1)* P(T = 1 | A = 1)] / P( T = 1)但我没有得到正确的答案。不确定我错过了什么和哪里。
任何有助于解决P(事故= 1 |交通= 1)的帮助将受到高度赞赏
请解释P的计算(事故= 1 |交通= 1)
伊兰曼的设置是正确的,但是他的数字略有混淆,导致错误的计算。
P(T = 1)
实际上应该等于0.1449
,而P(A = 1, T = 1)
应该等于0.0504
,并且当它们分开时
0.0504/0.1449 = 0.3478
当P(Traffic = 1| President = 1, Accident = 0)
和P(Traffic = 1| President = 0, Accident = 1)
的概率混淆时会产生错误。所以P(T = 1)
的最终计算应该是,
=(0.9*0.01*0.1) + (0.6*0.01*0.9) + (0.5*0.99*0.1) + (0.1*0.99*0.9) = 0.1449
并且P(A = 1, T = 1)
的计算是
= (0.01*0.1*0.9) + (0.1*0.99*0.5) = 0.0504
我建议写出完整的联合发行版:
P(A,T,P) = P(P) * P(A) * P(T|P,A)
并使用它来计算您需要的数量。我们想要P(A = 1 | T = 1)。使用条件概率:
P(A = 1 | T = 1) = P(A = 1, T = 1) / P(T = 1)
P(T = 1)
= SUM_{over A, over P}
= P(A, P, T = 1)
= SUM_{over A, over P} P(P)*P(A)*P(T=1|P,A)
= P(T=1 | A=1, P=1)*P(A=1)*P(P=1)
+ P(T=1 | A=1, P=0)*P(A=1)*P(P=0)
+ P(T=1 | A=0, P=1)*P(A=0)*P(P=1)
+ P(T=1 | A=0, P=0)*P(A=0)*P(P=0)
= 0.9*0.01*0.1 + 0.6*0.1*0.99 + 0.5*0.9*0.01 + 0.1*0.99*0.9
= 0.1539
P(A = 1, T = 1)
= SUM_{over P} P(A=1, T=1, P)
= P(A=1, T=1, P=1) + P(A=1, T=1, P=0)
= P(A=1)*P(P=1)*P(T=1|A=1,P=1) + P(A=1)*P(P=0)*P(T=1|A=1,P=0)
= 0.01*0.1*0.9 + 0.1*0.99*0.6
= 0.0603
因此:
P(A = 1 | T = 1) = P(A = 1, T = 1) / P(T = 1)
= 0.0603 / 0.1539
= 0.3918
假设我们有一个先验,学生乔治有30%的机会聪明。现在,如果我们看一下他在班上的成绩,我们就会看到成绩很低。因此,鉴于等级,乔治智能的概率很低。
P(i1|g3)=0.079
现在我们去检查课程的课程,并意识到课程很难。因此,考虑到成绩,乔治聪明的可能性很低而且阶级很难增加:
P(i1|g3,d1)=0.11
现在假设乔治等级为B(g2)。因此,鉴于g2等级增加,乔治智能的可能性
P(i1|g2)=0.175
现在,如果我们认为这个课程也很艰难,那么考虑到成绩为g2并且阶级变得艰难,乔治成为聪明人的可能性就会增加
P(i1|g2,d1)=0.34
因此在某种程度上,我们已经解释了乔治在课堂上的难度。解释是一个称为因对推理的一般推理模式的实例,其中相同效果的原因可以相互作用。这种为证据提供替代解释的直觉可以非常精确。
资料来源:Daphne Koller关于Coursera的课程