Basitçe söylemek gerekirse, herhangi bir matematiksel simgeleri olmadan önce aracı olasılık dağılımı açısından bir etkinlikle ilgili ilk inançları . Daha sonra bir deney oluşturup bazı veriler elde edersiniz ve ardından deneyin sonucuna göre (posteriori olasılık dağılımı) inancınızı (ve dolayısıyla olasılık dağılımını) "güncellersiniz".
Örnek:
Bize iki bozuk para verildiğini varsayın. Ama hangi madalyonun sahte olduğunu bilmiyoruz. Madeni para 1 tarafsızdır (HEADS ve TAILS% 50 olasılıklıdır) ve Coin 2 önyargılıdır, diyelim ki, HEADS'a% 60 olasılık verdiğini biliyoruz. Matematiksel olarak:
KAFALARIMIZ varsa, bunun Coin 1 olma olasılığı 0.4 ve Coin 2 olma olasılığı 0.6 p ( H | C o i n 2 ) = 0.6
p ( H| Co ben n1) = 0,4
p ( H| Co ben n2) = 0,6
Yani, bir deney yapmadan önce bildiğimiz her şey bu.
Şimdi bir bozuk para seçeceğiz ve sahip olduğumuz bilgilere (H veya T) dayanarak, hangi parayı seçtiğimizi tahmin edeceğiz (Para 1 veya Para 2).
Başlangıçta p ( Co ben n1) = p ( Co ben n2) = 0,5
Şimdi rastgele bir bozuk para alıyoruz, fırlatıyoruz ve bir başımız var. Şu anda her şey oluyor. Bayes formülünü kullanarak posterior olasılık / dağılımı hesaplıyoruz :
p ( Co ben n1| 'H) = p ( H| Co ben n1) p ( Co ben n1)p ( H| Co ben n1) p ( Co ben n1) + p ( H| Co ben n2) p ( Co ben n2)= 0,4 × 0,50.4 × 0.5 + 0.6 × 0.5= 0.4
p ( Co ben n2| 'H) = p ( H| Co ben n2) p ( Co ben n2)p ( H| Co ben n1) p ( Co ben n1) + p ( H| Co ben n2) p ( Co ben n2)= 0,6 × 0,50.4 × 0.5 + 0.6 × 0.5= 0.6
0.5
Bu, Makine öğreniminde kullanılan Bayesci çıkarım ve istatistiklerin temel ilkesidir.