标签：概率 检测 定理 贝叶斯 事件 吸毒 雇员 阳性

概率是度量某件事发生可能性的数量指标，概率的度量范围在0~1之间

对立事件：如果一个事件，A’包含所有A不包含的可能性，那么我们称A’和A是互为对立事件。既：P(A)+P(A’)= 1

互斥事件：如何A和B为互斥事件，那么A和B没有任何交集，既：P（A ∩ B）= 0表示事件A和事件B同时发生的概率为0

独立事件：如果A件事的结果不会影响B事件结果的概率分布那么A和B互为独立事件。

相关事件：如果A件事的结果会影响B事件结果的概率分布那么A和B互为独立事件。
例：10个球，随机抽一个，不放回去还是10个球，第二次随机抽是9选1，那么第一次和第二次抽球的事件就是相关的。

贝叶斯定理

P(A ∩ B) = P(B) x P( A | B ) 且 P(A ∩ B) =P(A)xP(B|A)

P(B)=P(A ∩ B) +P(A’∩ B)
=P(A) x P( B | A )+P(A’∩ B)
=P(A) x P( B | A ) +P(A’) x P( B | A’ )

例题：
实际应用场景：假设研制出某吸毒检测试剂，其可靠度为99%，也就是说当被检者吸毒时，每次检测呈阳性概率为99%，而被检测这不吸毒时，每次检验呈阴性的概率为99%。从检测结果的概率看，检测结果比较准确。已知某公司要对全体雇员进行一次吸毒检测，已知0.5%的雇员吸毒，用贝叶斯定理求检测呈阳性的雇员，他确实吸毒的概率有多高？

p(吸毒|阳性)

=P(吸毒) x P(阳性|吸毒) / P(吸毒) x P(阳性|吸毒) +P(不吸毒) x P(阳性|不吸毒)
=0.005 x 0.99 / 0.005 x 0.99 + 0.995 x 0.01
=0.00495 / 0.00495 + 0.00995 = 0.00495 / 0.0149 = 0.332
检测呈阳性的雇员，他确实吸毒的概率仅为33.2%

标签：概率,检测,定理,贝叶斯,事件,吸毒,雇员,阳性
来源： https://blog.csdn.net/jasonbourne97/article/details/117420951

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。