浙江大学_包家立教授_计算生物学3_贝叶斯算法

贝叶斯算法

以上是一维变量,B条件下的A_K的概率,是条件概率闭上全概率浙江大学_包家立教授_计算生物学3_贝叶斯算法

对于二维的连续变量
有以下的密度概率
浙江大学_包家立教授_计算生物学3_贝叶斯算法

在进行贝叶斯概率计算的时候,存在一个验前概率,也即经验概率,此处的经验概率是θ,此处的条件概率是在进行N次试验后,命中m次的概率
浙江大学_包家立教授_计算生物学3_贝叶斯算法

浙江大学_包家立教授_计算生物学3_贝叶斯算法
浙江大学_包家立教授_计算生物学3_贝叶斯算法

浙江大学_包家立教授_计算生物学3_贝叶斯算法
浙江大学_包家立教授_计算生物学3_贝叶斯算法

浙江大学_包家立教授_计算生物学3_贝叶斯算法

当g(θ)满足以下条件的时候

浙江大学_包家立教授_计算生物学3_贝叶斯算法
当先验概率为1的时候,上述的后验概率的式子
如下

浙江大学_包家立教授_计算生物学3_贝叶斯算法

在上述的这个式子里面,分母中的积分是一个β函数,他的积分值如下是所示

浙江大学_包家立教授_计算生物学3_贝叶斯算法

对于贝叶斯概率里面
对于最初的假设的一个概率θ,我们需要确定他的估计值,通常用以下数学期望进行表示
浙江大学_包家立教授_计算生物学3_贝叶斯算法

浙江大学_包家立教授_计算生物学3_贝叶斯算法

最终的结果是(m+1)/(m+2)

先验概率的选取

浙江大学_包家立教授_计算生物学3_贝叶斯算法