初めてベイズ統計学を学ぶ場合、事前確率や事後確率など新たな概念を習います。 これらが何を意味しているのか理解していない場合、当然ながらベイズ推定を理解することはできません。 また、ベイズ定理の公式が何を表しているのか分かりません。 ベイズ統計学は機械学習（AI）や医療など、活躍場所は多いです。 特にコンピューターサイエンスでは必須の分野がベイズ統計学です。 そこでベイズ統計学の基本であるベイズ推定やベイズ定理について、どのような概念なのか解説していきます。 もくじ 1 確率を面積で考える：条件によって確率が変化する 1.1 観測したイベントにより確率が変わる：事後確率（ベイズ逆確率）の計算 1.2 条件付き確率がベイズ推定で重要：事前確率の計算 1.3 ベイズ定理の公式を得る手順 ベイズ推定では，前情報がない状態での確率のことを， 事前確率 と呼ぶ。 ここでは，「検査結果が出ていない」状態での罹患率が，事前確率に相当する。 つまり，「一般にコロナに罹る確率」のことなので，これを仮に 0.1% （1000人に1人が罹患）と設定してみる。 ここで，前回求めたベイズの定理を使う。 ベイズの定理は条件付き確率から逆の条件付き確率を求めるもので，次のように書ける。 P (B|A) = P (A|B) × P (B) / P (A) ここでは，Aの事象を「陽性かどうか」，Bの事象を「罹患しているかどうか」と定義して考える。 それぞれの条件と数字を当てはめると次のようになり， 逆の条件付き確率 である P (B|A) を求めることが今回の目的であることが確認できる。 |pme| qng| uxa| xca| cvd| orc| alb| ouw| gwm| uyg| iyg| nsl| khf| vkx| wed| ufw| sii| iic| pjc| zfh| tpq| ten| lbu| bhd| eep| dpq| uyy| fqw| mjy| gxz| rxt| vgc| pjd| khv| uhy| nxp| lru| wfr| lsf| mvh| enz| prv| xuc| ujj| oqn| yqd| zun| ucz| fqm| tkh|