Kebarangkalian Terdahulu
Apakah Kebarangkalian Terdahulu?
Kebarangkalian terdahulu, dalam statistik Bayesian, ialah kebarangkalian sesuatu peristiwa sebelum data baharu dikumpul. Ini adalah penilaian rasional terbaik tentang kebarangkalian hasil berdasarkan pengetahuan semasa sebelum eksperimen dilakukan.
Kebarangkalian terdahulu boleh dibandingkan dengan kebarangkalian posterior.
Memahami Kebarangkalian Terdahulu
Kebarangkalian awal sesuatu peristiwa akan disemak apabila data atau maklumat baharu tersedia, untuk menghasilkan ukuran yang lebih tepat bagi hasil yang berpotensi. Kebarangkalian yang disemak itu menjadi kebarangkalian posterior dan dikira menggunakan teorem Bayes. Dalam istilah statistik, kebarangkalian posterior ialah kebarangkalian kejadian A berlaku memandangkan peristiwa B telah berlaku.
Contoh
Sebagai contoh, tiga ekar tanah mempunyai label A, B dan C. Satu ekar mempunyai rizab minyak di bawah permukaannya, manakala dua yang lain tidak. Kebarangkalian awal minyak ditemui di ekar C ialah satu pertiga, atau 0.333. Tetapi jika ujian penggerudian dijalankan di ekar B, dan keputusan menunjukkan bahawa tiada minyak hadir di lokasi, maka kebarangkalian posterior minyak ditemui di ekar A dan C menjadi 0.5, kerana setiap ekar mempunyai satu daripada dua peluang.
Teorem Bayes sering digunakan untuk perlombongan data dan pembelajaran mesin.
Teorem Bayes
Jika kita berminat dengan kebarangkalian sesuatu peristiwa yang kita ada pemerhatian terdahulu; kita panggil ini kebarangkalian terdahulu. Kami akan menganggap peristiwa ini A, dan kebarangkaliannya P(A). Jika terdapat peristiwa kedua yang mempengaruhi P(A), yang kita panggil peristiwa B, maka kita ingin tahu apakah kebarangkalian A diberi B telah berlaku. Dalam tatatanda kebarangkalian, ini ialah P(A|B), dan dikenali sebagai kebarangkalian posterior atau kebarangkalian disemak. Ini kerana ia telah berlaku selepas kejadian asal, justeru jawatan di posterior. Beginilah cara unik teorem Baye membolehkan kami mengemas kini kepercayaan terdahulu kami dengan maklumat baharu.
Sorotan
Dari segi statistik, kebarangkalian terdahulu adalah asas untuk kebarangkalian posterior.
Kebarangkalian terdahulu, dalam statistik Bayesian, ialah kemungkinan ex-ante sesuatu peristiwa berlaku sebelum mengambil kira sebarang maklumat baharu (posterior).
Kebarangkalian posterior dikira dengan mengemas kini kebarangkalian terdahulu menggunakan teorem Bayes.
Soalan Lazim
Bagaimanakah Teorem Bayes Digunakan dalam Pembelajaran Mesin?
Teorem Bayes menyediakan kaedah yang berguna untuk memikirkan hubungan antara set data dan kebarangkalian. Oleh itu, ia berguna dalam menyesuaikan data dan algoritma latihan, di mana ini dapat mengemas kini kebarangkalian posterior mereka diberikan setiap pusingan latihan.
Apakah Perbezaan Antara Kebarangkalian Sebelum dan Posterior?
Kebarangkalian terdahulu mewakili apa yang pada asalnya dipercayai sebelum bukti baharu diperkenalkan, dan kebarangkalian posterior mengambil kira maklumat baharu ini.
Bagaimanakah Teorem Bayes Digunakan dalam Kewangan?
Dalam kewangan, teorem Bayes boleh digunakan untuk mengemas kini kepercayaan sebelumnya setelah maklumat baharu diperoleh. Ini boleh digunakan untuk pulangan saham, turun naik yang diperhatikan, dan sebagainya. Teorem Bayes juga boleh digunakan untuk menilai risiko meminjamkan wang kepada bakal peminjam dengan mengemas kini kemungkinan mungkir berdasarkan pengalaman lalu.