CampusDownWiki
累计引用 9,895한국어KO 2,675EnglishEN 5,061日本語JA 722中文ZH 1,437
CampusDown(韩语)↗
简体中文

贝叶斯定理

➗ 数学与统计 作者 CampusDown 维基编辑部 最后更新
贝叶斯定理是一个条件概率公式,告诉我们在获得新证据后,如何把原有信念(先验概率)更新为后验概率。
目录
  1. 1. 公式是什么意思?
  2. 2. 检测阳性就一定患病吗?
  3. 3. 常见问题
  4. 4. 参考文献

公式是什么意思?

P(A)是看到证据前的先验概率,P(B|A)是A为真时出现证据B的似然,P(A|B)是看到证据后的后验概率。即“后验∝似然×先验”,每有新信息就更新一次信念。

检测阳性就一定患病吗?

假设某病患病率1%,检测灵敏度90%、假阳性率9%。1000人中10名患者有9人阳性,990名健康人中约89人也阳性。因此阳性者真正患病的概率只有9/98≈9%。忽视先验概率的错误称为基率谬误。

常见问题

贝叶斯学派与频率学派有何不同?
频率学派把概率看作长期频率,贝叶斯学派看作信念程度。
心算有什么技巧?
把百分比换成“1000人中有多少人”的自然频数。

来源核查日期:2026-10-25

参考文献

  1. Bayes, T. (1763). An essay towards solving a problem in the doctrine of chances. Philosophical Transactions, 53, 370–418.
  2. Gigerenzer, G., & Hoffrage, U. (1995). How to improve Bayesian reasoning without instruction. Psychological Review, 102(4), 684–704.

运用该理论的报告与资料(韩语)

目前还没有专门讨论该理论的资料,但你可以在 CampusDown 资料库(韩语)中搜索相关报告。

查找更多报告 · 查看“베이즈 정리”搜索结果 →

推荐阅读的理论

最新文章查看全部 ›

大学学习与作业实用新文章(韩语)

本文最后更新于2026年10月26日。内容依据公认的原著和教科书整理;在报告中引用时,请务必核对下方参考文献中的原始出处。