2-灯泡不合格率更新

2019-04-07  本文已影响0人  梦想成为小仙女

这里先讲一下贝叶斯公式,再讲贝叶斯公式用于实例,最后讲真实案例

一.贝叶斯公式

贝叶斯公式能够在根据似然概率函数和先验函数求解后验概率函数。
所以在求解后验概率更新先验概率要先确定先验分布和似然函数。

二.实例

这里假设灯泡的出厂不合格率已知,符合概率分布的正反事件规则。这里就是要求解似然概率函数,似然概率函数是灯泡类型已知的情况下,数据不同状态发生的概率。然后就可以根据数据集更新先验分布。

三.扩展实例

一是确定要推理的不确定事件,这里是要推理的是灯泡合格率,也可以是任何产品的合格率,或者是任何产品的特征点是否在规定范围内的概率。
二是确定似然概率函数,确定要收集的数据,这里是灯泡的好坏,也可以是产品的合格与否,特征点是否在规定范围内,然后在已知灯泡类型,这里是合格与不合格,出先问题的概率,也可以是产品生产线的正常与否,产品合格的概率。

四.代码实现

用R语言更新灯泡合格率的先验概率。具体代码参见书籍:
《概率图模型 基于R语言》


image.png

可以看到,由于似然概率函数的影响,出现一个坏的灯泡实例,机器出现问题的可能性会骤然增加,但是出现一个好灯泡,机器是好的概率不会骤然增加。

上一篇下一篇

猜你喜欢

热点阅读