基于先验知识和新证据的更新方法,用于计算事件发生的概率
 
大胆假设,小心求证 —胡适
 

背景和适用性

正向概率/古典概率:抽奖桶里有10个球,其中2个白球,8个黑球,抽到白球就算你中奖。你伸手进去随便摸出1颗球,摸出中奖球的概率是多大
正向概率/古典概率:抽奖桶里有10个球,其中2个白球,8个黑球,抽到白球就算你中奖。你伸手进去随便摸出1颗球,摸出中奖球的概率是多大
 
逆向概率:同样以抽奖为例,我们并不知道抽奖桶里有什么,而是摸出一个球,通过观察这个球的颜色,来预测这个桶里里白色球和黑色球的比例。
逆向概率:同样以抽奖为例,我们并不知道抽奖桶里有什么,而是摸出一个球,通过观察这个球的颜色,来预测这个桶里里白色球和黑色球的比例。
生活中绝大多数决策面临的信息都是不完全的,我们手中只有有限的信息。既然无法得到全面的信息,我们就应该在信息有限的情况下,尽可能做出一个最优的预测。
 
总结下第1部分:贝叶斯定理有什么用?
→ 在有限的信息下,能够帮助我们预测出概率。
 

贝叶斯公式

 
notion image
 
notion image
先验概率:主观判断概率
 
可能性函数/调整因子:新信息出现带来的调整模型
 
后验概率:根据得到的新信息调整后的概率
 
 
 
 
 
 
具体操作包括:
确定要求解的问题,收集已知信息:就跟中学生做应用题一样
  1. 第一步是明确问题,
  1. 然后列出解决问题需要的条件,搞清楚哪些是已知,哪些未知
 
 
确定先验概率 → 求可能性函数 → 收集新证据 → 带入贝叶斯公式后更新后验概率
 
生活中的贝叶斯思维
  1. 机器学习
  1. 人脑工作机制:不知道新词是什么意思,根据场景上下文进行用先验概率猜测,在不同场合应用观察反应得到反馈,进行响应调整,重复调整和验证优化判断
 
知乎那部分参考。 没调整完,有空再处理下吧
  1. 用经过信息处理后的后验概率来恒量信念的程度
  1. 用后验概率做想法的比较和判断
  1. 数据是如何改变信念想法的?
 
实际的4 种应用场景
  1. 后验概率可以恒量信念的坚定程度
  1. 用后验概率进行对比 A:B 可以比较想法的优劣
  1. 反过来,通过后验概率胜率能计算出需要有怎样的数据能让我们相信假设
  1. #置信区间 ??→ 如果先验概率足够大,那调整因子无论如何也动摇不了我们的信念
Will_Li
Will_Li
混迹过大厂拧螺丝,加入过天使轮初创公司,以COO身份管理国内外业务和供应链百余人,创业三年活了下来,年过三十而未立,送自己一份礼物,搭建一份网站以建立知识体系和个人思考。既然无法快速暴富,那就聚焦长线收益,选择复利能有丰厚回报的项目,一点点积累起来吧~ 👊💪
公告
type
status
date
slug
summary
tags
category
icon
password
🎉知识空间测试版🎉
-- 感谢您的支持 ---
Oct 23, 2023
会逐步上架知识体系和跨境电商垂直领域的经验分享,聚焦商业
所有商业模式会在闭环之后加杠杆,稳步前进,只要净收益是正的,坡道和长度足够,时间放长一定会有高于期望的结果呈现的。