У меня есть инструмент, который либо пройдет, либо пропустит серию из трех тестов. Инструмент должен пройти все три теста, которые считаются успешными. Как я могу использовать байесовский вывод, чтобы посмотреть на вероятность прохождения каждого случая на основе доказательств? (на основе инструмента, передающего каждый прошлый тест по очереди).
Глядя на первый тест, я знаю это из исторических записей инструментальных тестов. Вы также можете видеть, что каждый тест имеет границу приема от -3% до + 3%:
Мои предположения:
-
Вероятности зависят друг от друга - мы смотрим на один и тот же инструмент на все три теста
-
Из этих исторических данных я вижу, что вероятность прохождения теста A равна P (A) = 0,84, поэтому неудача равна P ('A) = 0,16
-
Не зная ничего о приборе, хорошим предположением было бы равноценность вероятности прохождения и провала первого теста. Гипотезы (H) заключаются в том, что инструмент прошел P (H) = 0,5; это также дает нам неудачную вероятность P ('H) = 0,5.
Из моего понимания мне нужно найти P (H), учитывая данные (D), в байесовских терминах - я бы тогда обновил P (H), учитывая результаты теста A -
**P(H|D) = P(H) P(D|H) / P(D)** Where:
**P(D) = P(D|H)*P(H) + P(D|’H) P(‘H)**
Вот где я заблудился, думаю, это правильно:
P(H) = P('H) = 0.5 // prob of passing/failing test-A without any information
P(D|H) = 0.84 // prob of passing test-A from historical records
P('D|H) = 0.16 // prob of failing test-A from historical records
P(D) = P(D|H)*P(H) + P(D|’H) P(‘H) = 0.84*0.5 + 0.16*0.5
P(D) = 0.5
Давая байесовское значение: P (H | D) = P (H) P (D | H)/P (D) = 0,5 * 0,84/0,5, P (H | D) = 0,84, что является моим новым обновленным значением для P (H) в тесте-B?
Из интереса все три теста выглядят одинаково: