貝氏定理

課程簡介：貝氏定理是條件機率的變形與推廣，有顛倒運算的意味，容易與條件機率混淆。
課程難度：■■□□□
適合對象：
授課教師：李柏堅
製作單位：中華科技大學 遠距教學組
製作人員：林文博
想知道最新的內容嗎? 請加入"中華科技大學數位課程粉絲團"
數位課程ＦＢ粉絲團 / custcourses
數位課程官方網站 aca.cust.edu.tw...
數位課程Ｇ＋專頁 plus.google.co...
數位課程Ｇ＋社群 plus.google.co...

[@fengjun6262]

我看了很多老师讲的贝叶斯定理,就您的能让我听懂,茅塞顿开的感觉.感谢老师.我是翻墙出来看的,外面的老师真好啊!!

[@CUSTCourses]

感謝您的肯定

[@OuChihHong]

感謝教授的講解。《機率思考》這本書有提到貝式定理在生活中的應用，有興趣的人可以翻翻這本書。

[@yangshaohua9188]

老师讲的真好，一下子就搞清楚了。。。。。多谢多谢

[@frankalah1]

貝氏定理乃"分割定理"和"條件機率"的複合，個別理解分割，和條件機率，就不會覺得貝氏定理複雜了，很多高中生申請入學被提問時，往往能答出條件機率，而不能答出貝氏定理，正因多了一層分割之前提~

[@user-yf7dd3rk5q]

老師說得很清楚，連我這個數學白癡都可以懂了!! 多謝老師~

[@atlaschen8552]

講解得真清楚！

[@user-kw1en7qp2t]

谢谢老师，特别清晰

[@jiamingli1455]

确实说的很清楚！一看就能懂

[@mapleaf]

感謝您~

[@michaelliu6497]

太清晰了，感谢教授！

[@xaviertsai4063]

簡單易懂

[@taiwanest]

觀念非常清楚

[@mapleaf]

THANKS~

[@jeffzz111]

非常有帮助。

[@user-sq6kx5zr2c]

浅显易懂 谢谢教授

[@CUSTCourses]

您若喜歡我們的課程，可以訂閱柏堅老師的粉絲團~facebook.com/bojian49/，以及 追蹤老師的IG instagram.com/chitmapleaf/。

[@moodyblues220]

謝謝老師

[@lq9922]

講得好清楚呀 謝謝

[@user-rr9nv9wc8v]

感謝老師!我搞懂了

[@poyongwang]

聲音很好聽!!! 教得也很棒 !!

[@mapleaf]

謝謝您的觀看

[@user-bj3gr6lp1o]

老师板书写得真好啊

[@mapleaf]

感謝您的觀看

[@CUSTCourses]

謝謝肯定

[@user-lx6lq7xb7c]

超讚的 !

[@alicewang6697]

感觉老师的粉笔好好用^_^

[@CUSTCourses]

您若喜歡我們的課程，可以訂閱柏堅老師的粉絲團~facebook.com/bojian49/，以及 追蹤老師的IG instagram.com/chitmapleaf/。

[@user-iq3qu4me3z]

讓我受益良多!

[@CUSTCourses]

您若喜歡我們的課程，可以訂閱柏堅老師的粉絲團~facebook.com/bojian49/，以及 追蹤老師的IG instagram.com/chitmapleaf/。

[@isabellatsai8362]

解釋的很棒

[@CUSTCourses]

感謝留言肯定

[@x7777748]

請問老師…如果有個方法能算出某件事情發生的機率為60%，同個時間剛好有第二個方法對現場的這件事能算出發生的機率為80%，請問就這兩個方法合併起來，算出會發生的機率會變幾%呢？如何合併機率呢？？(請問需要學習的是什麼公式呢？)

[@CUSTCourses]

解答請見 facebook.com/bojian49/posts/2237907129619160

[@sallychang6607]

講的好棒!!!

[@mapleaf]

感謝支持我們的課程

[@MVP_1357]

欸不是，等一下，我國三畢業後就沒讀書了，現在17歲最近突然有想復學的衝動，而且我發現我已經會這個定律了???wtf我只花了30分鐘我有給自己出一道體，但我不知道怎麼打出來，好興奮，我竟然會了wtf，我決定了，我他喵的一定要回去上學，嗚呼

[@frankchiou4229]

加油 高中是找到自己未來目標很好的時機

[@skwong6976]

点鑽👍👍学习

[@user-oe8fd1yc8o]

感謝老師

[@CUSTCourses]

您若喜歡我們的課程，可以訂閱柏堅老師的粉絲團~facebook.com/bojian49/ ，以及 追蹤老師的IG instagram.com/chitmapleaf/。

[@s902172001]

請問老師，P(B) = P(B 交集 A1) + P(B 交集 A2) + P(B 交集 A3) ，為什麼不能理解成 P(B) = P(B | A1) + P(B | A2) + P(B | A3) ， 因為根據前面提到的條件機率，P(B) = B在A1, A2, A3發生的前提下的機率總合，謝謝解答。

[@CUSTCourses]

您指得是 P(B) = P(B | A1) + P(B | A2) + P(B | A3) 嗎?這樣的作法三個樣本空間都改變了，各自相加會有問題，甚至P(B)機率會超過1，您可以驗證一下

[@s902172001]

是的 謝謝老師

[@jc120111]

8:05 老師，我想問為什麼突然要顛倒寫？

[@CUSTCourses]

P(B|Ai)意義是Ai發生的前提下，B發生的機率
P(Ai|B)意義是B發生的前提下，Ai發生的機率
顛倒的目的是要一律寫成P(B|Ai)*P(Ai)的型式，配合貝式定理的表示法

[@harryli631]

我舉一個貝式定理的應用來回答你的問題，在通訊上，傳送端A送一個訊號1給接收端，但因為有雜訊干擾的關係，所以接收端B可能會收到1(正確)或0(錯誤)。因此接收端在收到一個訊號時，他要如何知道傳送端A送的是0還是1呢? 這就是所謂接收機的Decision Rule，一般常用的Decision Rule就是最大或然率(Maximum Likelihood)法則，即選擇最大可能性的訊號作為接收端解碼的訊號，若接收端B收到1，他如何判斷傳送端A送的是1還是0? 此時接收端B會去比較 P(A=0|B=1)及P(A=1|B=1)何者機率較大，若前者較大，則判斷傳送端A傳送的是0，否則為1。然而接收端並無法直接去計算P(A=0|B=1)及P(A=1|B=1)，但是卻可以很容易根據雜訊的分佈去算出P(B=0|A=0)、P(B=1|A=0)、P(B=0|A=1)及P(B=1|A=1)，於是就可以利用貝式定理去推出P(A|B)了。

[@user-tn6dt8md1g]

@@harryli631 这个应用例子非常棒！！！！！

[@user-user-user-user-user-888]

條件機率B|A= A分之在A裡面的B

[@CUSTCourses]

同學若針對本主題有相關問題，請到 facebook.com/bojian49/posts/2238143799595493 提問!

[@blackpinkfan8806]

从李永乐那里看了酒鬼被抓例题，感觉理解还是不太透彻，这里讲的非常清楚

[@CUSTCourses]

您若喜歡我們的課程，可以訂閱柏堅老師的粉絲團~facebook.com/bojian49/ ，以及 追蹤老師的IG instagram.com/chitmapleaf/。

[@ndjiang4995]

烧脑

[@Rricus]

好難我國中生

[@CUSTCourses]

國中生學會貝式定理其實可以，但要有興趣與耐心