专栏名称: 数盟

数盟（数据科学家联盟）隶属于北京数盟科技有限公司，数盟致力于成为培养与发现“数据科学家”的黄埔军校。数盟服务包括：线下活动、大数据培训。官网：http://dataunion.org，合作：[email protected]

贝叶斯方法的概率编程与推断——贝叶斯推断的哲学

数盟 · 公众号 · 大数据 · 2017-06-25 22:04

正文

请到「今天看啥」查看全文

社区送温暖得出0.2的先验概率

但是继续看下去，似乎不对，哎，这个赵处长，是腐败分子的话，怎么吃这么差，住这么破，而且住处最后搜半天啥都没有？人民公仆候处长活的也比他强啊！

来，我们把刚才的想法，用贝叶斯公式写一下。假如说，我去中纪委，翻了近几年腐败分子的所有卷宗，总结出腐败分子平时吃的如何、住的怎样，家里有没有问题，应该可以得出这样的一种分布

$P (D | θ), θ = 人民公仆 o r 腐败分子 " style="display: inline; line-height: normal; font-size: 20px; text-indent: 0px; letter-spacing: normal; word-spacing: normal; word-wrap: normal; float: none; direction: ltr; max-width: none; max-height: none; min-width: 0px; min-height: 0px; border-width: 0px; border-style: initial; border-color: initial;">P(D|θ),θ=人民公仆or腐败分子P(D|θ),θ=人民公仆or腐败分子$ ：

同一剧情，腐败分子和人民公仆的不同可能性

什么？人民公仆也山珍海味？家里也一堆问题？忽略这个，只是举个例子而已，美术不好画不好那种曲线，哈哈，大家别举报我。假如啊，从我在中纪委的资料统计结果来看，可能只有 1% 的腐败分子吃的小于等于赵处长，而有 20% 的人民公仆吃的小于等于赵处长，再基于我们之前社区送温暖应该有问题、 $P (θ) = 0.2 " style="display: inline; line-height: normal; font-size: 20px; text-indent: 0px; letter-spacing: normal; word-spacing: normal; word-wrap: normal; float: none; direction: ltr; max-width: none; max-height: none; min-width: 0px; min-height: 0px; border-width: 0px; border-style: initial; border-color: initial;">P(θ)=0.2P(θ)=0.2$ 的先验概率，求第一张搜查令的剧情的概率：