贝叶斯定理计算器
使用贝叶斯定理计算条件概率。给定 P(A)、P(B|A) 和 P(B)，求 P(A|B)。
如何使用贝叶斯定理计算器
- 输入先验概率 P(A)、似然度 P(B|A) 和证据 P(B)。
- 点击"计算"以求得后验概率 P(A|B)。
- 所有值必须在 0 到 1 之间。
快速参考
| 从 | 到 |
|---|---|
| P(A)=0.01, P(B|A)=0.9, P(B)=0.05 | P(A|B) = 0.18 |
| P(A)=0.5, P(B|A)=0.8, P(B)=0.5 | P(A|B) = 0.8 |
| P(A)=0.1, P(B|A)=0.95, P(B)=0.1 | P(A|B) = 0.95 |
| P(B|A)/P(B) 越大 | 证据越强 |
使用场景
- •计算阳性检测结果后的疾病概率。
- •更新垃圾邮件分类概率。
- •在不确定信息下做出明智决策。
公式
P(A|B) = P(B|A) × P(A) / P(B)。后验概率将先验信念与新证据相结合。
常见问题
什么是贝叶斯定理？
一个根据新证据更新假设概率的公式。
什么是先验概率和后验概率？
先验概率 P(A) 是您的初始信念。后验概率 P(A|B) 是观察到证据 B 后更新的信念。
贝叶斯定理用在哪里？
用于医疗诊断、垃圾邮件过滤、机器学习以及不确定情况下的决策。