Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Hypothesenprüfung nach Bayes. Bedingte Wahrscheinlichkeiten In einem Semester seien 60 Studierende, davon 50 Studentinnen. 20 Studentinnen und 5 Studenten.

Ähnliche Präsentationen


Präsentation zum Thema: "Hypothesenprüfung nach Bayes. Bedingte Wahrscheinlichkeiten In einem Semester seien 60 Studierende, davon 50 Studentinnen. 20 Studentinnen und 5 Studenten."—  Präsentation transkript:

1 Hypothesenprüfung nach Bayes

2 Bedingte Wahrscheinlichkeiten In einem Semester seien 60 Studierende, davon 50 Studentinnen. 20 Studentinnen und 5 Studenten sind Brillenträger. Wie groß ist 25/60 50/60 20/60 20/50 20/25 p (A B)=p (A) p (B | A) 20/60=25/60 20/25 =p (B) p (A | B) =50/60 20/50 –p ( ) –p ( | ) Unabhängigkeit: p (A | B) = p (A). p (A B) = p (A) p (B) Def.: p (A | B) = p (A B) / p(B)

3 Würfelspiel Es gibt zwei Würfel: einen guten: p(1) = p(2) =... = 1/6, und einen manipulierten: p(1) =... = p(5) = 1/10, p(6) = 1/2. Der Spielleiter greift in einen Beutel und zieht zufällig einen der beiden Würfel heraus. Man sieht es dem Würfel aber nicht an, ob er der gute oder der manipulierte ist. Der Spielleiter würfelt n Würfe. Das Ergebnis R ist also ein n-Tupel, z. B. {2, 6, 4, 6}. Wie wahrscheinlich ist die Hypothese H m : manipulierter Würfel bei diesem R ? Wie groß ist p (H m | R) ?

4 Bayes gegeben:p (R | H) manipulierter Würfel: p(1) =... = p(5) = 1/10, p(6) = 1/2. gesucht:p (H | R) {2, 6, 4, 6}: manipulierter Würfel? p (R H) = p (R) p (H | R) = p (H) p (R | H) p (H | R) = p (H) p (R | H) / p (R) a priori Wahrscheinlichkeit

5 a priori / a posteriori p (H i | R) = p (H i ) p (R | H i ) / p (R) gegeben ein vollständiger Satz unvereinbarer Hypothesen H i mit a priori Wahrscheinlichkeiten p (H i ) p (R) = p (R H 1 ) + p (R H 2 ) +... =p (H 1 ) p (R | H 1 ) + p (H 2 ) p (R | H 2 ) +... so sind die a posteriori Wahrscheinlichkeiten p (H i | R) p (H i | R) = p (H i ) p (R | H i ) / j p (H j ) p (R | H j )

6 Welcher Würfel wars? p (H i | R) = p (H i ) p (R | H i ) / j p (H j ) p (R | H j ) a priori: p(H m ) = p(H g ) = 0.5. p (R i | H g ):p(1) = p(2) =... = p(6) = 1/6, p (R i | H m ):p(1) = p(2) =... = p(5) = 1/10, p(6) = 1/2. p ({2, 6, 4, 6} | H g ) = 1/60 · 1/6 · 1/60 · 1/6 = 1/1296, p ({2, 6, 4, 6} | H m ) = 1/10 · 1/2 · 1/10 · 1/2 = 1/400, p ({2, 6, 4, 6}) = 0.5 · 1/ · 1/400 = 53/32400 = , p (H m | {2, 6, 4, 6})= 0.5 · 1/400 / (0.5 · 1/ · 1/1296) = 0.5 · 1/400 / (0.5 · 1/ · 1/1296) a posteriori: p (H m | {2, 6, 4, 6}) = 1296/1696 = 81/106 =

7 Bayes mit gleichförmigen a priori Wahrscheinlichkeiten (uniform priors) man kann kürzen: p (H i | R)= p (H i ) p (R | H i ) / j p (H j ) p (R | H j ) = p (R | H i ) / j p (R | H j ) p (H i | R) = p (R | H i ) p (H i ) / p (R) p (R | H i ) konstant, hängt nicht von i ab. Will man nur die wahrscheinlichste Hypothese wissen, so reicht es, das maximale p (R | H i ) zu finden.

8 maximum likelihood Eine Eigenschaft sei in der Population normalverteilt, µ 0 und 0 seien bekannt. Eine Intervention hat evtl. Einfluß auf den Mittelwert, nicht hingegen auf die Streuung. Eine Messung an n Individuen mit Intervention ergab die Meßwerte {x i }. Für jedes hypothetische µ Int kann jetzt p ({x i } | µ Int ) errechnet werden: p ({x i } | µ Int ) = i=1...n N (µ Int, 0 2, x i ). Gesucht wird das hypothetische µ Int, wo p (x i | µ Int ) maximal ist. In diesem einfachen Falle ist das maximal wahrscheinliche µ einfach gleich dem Mittelwert der x i.

9 Hausaufgabe Es gibt zwei Würfel: einen guten: p(1) = p(2) =... = 1/6, und einen manipulierten: p(1) =... = p(5) = 1/10, p(6) = 1/2. a priori: gleichförmig, p(H m ) = p(H g ) = 0.5. R: {2}. Wie groß ist a posteriori p (H m | R) ? neues a priori = a posteriori R: {6}. Wie groß ist p (H m | R) jetzt? Wie groß wäre es nach R: {6} bei uniform priors? Wie groß ist die a posteriori Wahrscheinlichkeit bei uniform priors, R = {2,6} ?


Herunterladen ppt "Hypothesenprüfung nach Bayes. Bedingte Wahrscheinlichkeiten In einem Semester seien 60 Studierende, davon 50 Studentinnen. 20 Studentinnen und 5 Studenten."

Ähnliche Präsentationen


Google-Anzeigen