貝氏定理:
設A1,A2,A3……Ar為樣本空間
中之一分割。 則對任意 i≧1 及任一事件B, 只要 P(B)>0,
這樣的定義乍看之下不好理解，但是如果把他們實例化(或是一般化)，就會比較容易看出貝氏定理的內含。
一般化:
當r = 1 時，已知事件A1=A，求在已知事件B之下取得樣本A的條件機率為多少?
2018年6月25日星期一
- Jun 25 Mon 2018 07:06
-
貝氏定理與其一般化
請先 登入 以發表留言。