ベイズの定理と3種類のコインケーススタディの問題
- ベイズの定理を用いて、3種類のコインケーススタディの問題に取り組みます。
- コインの出る確率が0.4, 0.5, 0.6の3種類のコインがあり、観測事象は「10回投げて5回表が出る」という条件です。
- 先験確率を一様に設定し、選んだコインがコイン1,2,3である場合の事後確率分布を求めます。
- ベストアンサー
ベイズの定理の問題
3種のコイン』ケーススタディの実験条件は、 表の出る確率 p が 0.4, 0.5, 0.6 の3種類のコインがある。 あるコインを選び、観測事象を 「A:そのコインを10回投げたら5回表が出た」 と設定。また完全系を { B1: (p=0.4) , B2: (p=0.5) , B3: (p=0.6) } と設定する。なお、先験確率は一様 ( P(B1) = P(B2) = P(B3) = 1/3 ) と仮定する [ 選んだコインが、コイン1,2,3である(離散型) 事後確率分布を求めて欲しいです ベイズの定理で求めて欲しいです 計算過程だけでも構いません P(B_1|A)= P(B_2|A)= P(B_3|A)= のような形で求めて欲しいです お手数をおかけしますがよろしくお願いします
- 数学・算数
- 回答数1
- ありがとう数0
- みんなの回答 (1)
- 専門家の回答
質問者が選んだベストアンサー
やり方は https://okwave.jp/qa/q9883887.html とまったく同じです。 P(B1|A)=0.30994 P(B2|A)=0.38012 P(B3|A)=0.30994
関連するQ&A
- ベイズの定理の問題
3種のコイン』ケーススタディの実験条件は、 表の出る確率 p が 0.4, 0.5, 0.6 の3種類のコインがある。 あるコインを選び、観測事象を 「A:そのコインを10回投げたら10回表が出た」 と設定。また完全系を { B1: (p=0.4) , B2: (p=0.5) , B3: (p=0.6) } と設定する。なお、先験確率: P(B_1) = 0.2, P(B_2) = 0.6, P(B_3) = 0.2 と仮定」 [ 選んだコインが、コイン1,2,3である(離散型) 事後確率分布を求めて欲しいです この問題をベイズの定理で求めて欲しいです 計算過程だけでもかまいません P(B_1|A)= P(B_2|A)= P(B_3|A)= のような形で求めて欲しいです お手数をおかけしますがよろしくお願いします
- ベストアンサー
- 数学・算数
- ベイズの定理
ある地域の住民のうち、1%がウィルス感染者とし、このウィルスをある検査方法で、検査すると、感染者が陽性を示す確率は98%、非感染者が陽性を示す確率を5%とする。 (1)ある住人が陽性と判定されたとき、その人が感染者である確立を求めよ。 (2)ある住人が陰性と判定されたとき、その人が実は感染者である確立を求めよ。 この(1)(2)とも自力で解いたのですが、出てきた答えに実感がわかないので質問させて頂きました。 (1)検査される人が感染者である事象をT、そうでない事象をFとする。さらに、検査で陽性を示すという事象をAとする。 事象の起こる確立を、P(事象)と表すこととすると、求める確立は、 P(E|A)である。 ここで、ベイズの定理より、 P(E|A) ={P(E)P(A|E)}/{P(E)P(A|E)+P(D)P(A|D)} ={0.01×0.98}/{0.01×0.98+0.99×0.05} ・ ・ ・ =0.165 (2) 陰性を示した事象をBとし、求める確立はP(E|B)で、ベイズの定理から、 P(E|B) ={P(E)P(B|E)}/{P(E)P(B|E)+P(D)P(B|D) ={0.01×0.02}/{0.01×0.02+0.99×0.95} ・ ・ ・ =0.0000213 このような考え方で正しいのでしょうか? よろしくお願いします。
- ベストアンサー
- 数学・算数
- 条件確率とベイズの定理
条件確率である P(A|B)=P(A∩B)/P(B) とは和訳するとどういう意味なのでしょうか? またベイズの定理の P(B|A)=P(A|B)×P(B)/P(A) もうまく理解できません…何か良い例はないでしょうか? 回答よろしくおねがいします。
- ベストアンサー
- 数学・算数
- ベイズ定理の式の展開と意味について
P(A|B)=P(B|A)P(A)/P(B) はよく見るベイズ定理です。 左辺P(A|B)は条件付き確率で事後分布で、P(A)を事前分布、P(B|A)を”Aの条件での尤度”となるそうです。 ここで質問ですが、P(B|A)は見方によっては条件付き確率ということにも見えますが、尤度とのことです。これを尤度というのはなぜなのでしょうか。そも尤度の定義もよくわからない面があります。定義ですから盲目的に覚えるだけなのかもですが、定義の仕方がいろいろあるようにも見えるのですが。 また、P(A|B)=P(B|A)P(A)/P(B)の分母を表記せず、P(A|B)~P(B|A)P(A)のような表記が可能になるようです。これがなぜなのか教えて頂きたいのですが。これは目的依存なのだろうと思いますが、テキストにこのような表記がありました。 よろしくお願いします。
- 締切済み
- 数学・算数
- ベイズ統計について教えてください
「目の前にツボが1つあり、AのツボかBのツボのどちらかである。Aのツボには9個の白球と1個の黒球が、Bのツボには2個の白球と8個の黒球が入っている。目の前のツボから1個取り出し色を確認してからツボに戻し、再び1個取り出し色を確認するものとする。 20回球を観測した時、黒球が出た回数に対応して、ツボがBである事後確率について表にしたのである」(小島寛之著「ベイズ統計学入門」pp.157)の表中の数値の求め方が分かりません。 黒の回数 0 1 2 … 事後確率 8,62×(1/10)^14 3.10×(1/10)^12 1.12×(1/10)^10 … 生起確率 1.05×(1/10)^14 8.39×(1/10)^12 3.19×(1/10)^10 … 計算の仕方が分れば、黒の回数3以降は、類推できると思います。よろしくお願いします。
- 締切済み
- 数学・算数
- ベイズの定理を使う確立の問題です。受験生の80%・
受験生の80%が正解できる問題について、「理解しているが正解できない事象」、「理解していないが、偶然に正解できる事象」の条件付確立がともに0.1のとき、「正解できた受験生が問題を理解していない事象」の条件付確立をベイズの定理を用いて求めたいのですが。。。 A:正解 B:不正解 X:理解していない X~:理解している #事象「X」の否定を「X~」と表記いたします。 ここで、P(B|X~)=0.1 P(A|X)=0.1 もとめる事象:P(A|X)=? となるまではわかるのですが、実際にベイズの定理を使ってもわからない事象があり、答えをだすことができません。 お分かりになる方、是非お願いします。
- 締切済み
- 数学・算数
- ベイズ統計の公式と積分について
涌井さんの「道具としてのベイズ統計」という本で、勉強をしているのですが、理解できない点があります。 下記のベイズの公式 π(θ|D) = k f(D|θ) × π(θ) ( k = 1/p(D) ) …(1) π(θ| D) ∝ f (D | θ) × π(θ)…(2) より、比例定数kの計算方法がわかりません。 本では、kは確率の総和が1、すなわちθのすべてについて和が1になる性質を利用する と記載されていますが、いまいちピンときません。 例えば、 表が出る確率がθのコインがあり、表・表・裏・裏の順に結果が出た、という問題があります。 そこで1回目の事後分布を求める際、 理由不十分の原則で事前分布はπ(θ)=1、尤度はf(表|θ)=θ よって、事後分布π(θ|D1) ∝ θ × 1 …(3) 0≦θ≦1で確率の総和が1という条件から比例定数が求められます。 よって、1回目の事後分布π(θ|D1) = 2θ …(4) ・・・・以下省略 ここの(3)から(4)を導き出す、計算がわかりません。 どなたか、やさしく教えていただけると大変助かります。 よろしくお願いいたします。
- ベストアンサー
- 数学・算数