20. Напишите формулу Байеса.

Привет! Сейчас объясню, что такое формула Байеса и как она работает.

Смотри, как это работает:

• Формула Байеса выглядит так:

\[ P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)} \]

где:

• \(P(A|B)\) — апостериорная вероятность события A при условии события B (то, что мы хотим найти),
• \(P(B|A)\) — априорная вероятность события B при условии события A (то, что мы уже знаем),
• \(P(A)\) — априорная вероятность события A,
• \(P(B)\) — вероятность события B.

Также, вероятность \(P(B)\) можно вычислить, используя формулу полной вероятности:

\[ P(B) = P(B|A) \cdot P(A) + P(B|\overline{A}) \cdot P(\overline{A}) \]

где \(\overline{A}\) — это событие, противоположное событию A.

Пример: Представь, что есть тест на болезнь. Известно, что 1% населения болеет этой болезнью (событие A). Тест дает положительный результат (событие B) в 95% случаев, если человек болен (событие B при условии A), и в 5% случаев, если человек здоров (событие B при условии не-A). Какова вероятность, что человек действительно болен, если тест показал положительный результат (событие A при условии B)?

• \(P(A) = 0.01\) (вероятность болезни в популяции),
• \(P(B|A) = 0.95\) (вероятность положительного теста при болезни),
• \(P(\overline{A}) = 0.99\) (вероятность отсутствия болезни),
• \(P(B|\overline{A}) = 0.05\) (вероятность положительного теста при отсутствии болезни).

Сначала вычислим \(P(B)\):

\[ P(B) = P(B|A) \cdot P(A) + P(B|\overline{A}) \cdot P(\overline{A}) = 0.95 \cdot 0.01 + 0.05 \cdot 0.99 = 0.0095 + 0.0495 = 0.059 \]

Теперь найдем \(P(A|B)\):

\[ P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)} = \frac{0.95 \cdot 0.01}{0.059} = \frac{0.0095}{0.059} \approx 0.161 \]

То есть, вероятность того, что человек действительно болен, если тест показал положительный результат, составляет примерно 16.1%. Вот так формула Байеса помогает нам уточнить вероятности на основе новой информации!