<\/p>\n
Twierdzenie Bayesa<\/strong> stwierdza, co nast\u0119puje dla dw\u00f3ch zdarze\u0144 A<\/em> i B<\/em> :<\/em><\/span><\/p>\n P(A|B) = P(A)*P(B|A) \/ P(B)<\/span><\/p>\n Z\u0142oto:<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce prawdopodobie\u0144stwo, \u017ce pogoda b\u0119dzie pochmurna, wynosi 40%.<\/span><\/p>\n Za\u0142\u00f3\u017cmy te\u017c, \u017ce prawdopodobie\u0144stwo wyst\u0105pienia deszczu w danym dniu wynosi 20%.<\/span><\/p>\n Za\u0142\u00f3\u017cmy te\u017c, \u017ce prawdopodobie\u0144stwo wyst\u0105pienia chmur w deszczowy dzie\u0144 wynosi 85%.<\/span><\/p>\n Je\u015bli danego dnia na zewn\u0105trz jest pochmurno, jakie jest prawdopodobie\u0144stwo, \u017ce tego dnia b\u0119dzie pada\u0107 deszcz?<\/span><\/p>\n Rozwi\u0105zanie<\/strong> :<\/span><\/p>\n W ten spos\u00f3b mo\u017cemy obliczy\u0107:<\/span><\/p>\n Je\u015bli w danym dniu na zewn\u0105trz jest pochmurno, szansa na deszcz tego dnia wynosi 42,5%<\/strong> .<\/span><\/p>\n Mo\u017cemy utworzy\u0107 nast\u0119puj\u0105c\u0105 prost\u0105 funkcj\u0119, aby zastosowa\u0107 twierdzenie Bayesa w Pythonie:<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak w praktyce wykorzysta\u0107 t\u0119 funkcj\u0119.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce znamy nast\u0119puj\u0105ce prawdopodobie\u0144stwa:<\/span><\/p>\n Aby obliczy\u0107 P(deszcz | pochmurno), mo\u017cemy zastosowa\u0107 nast\u0119puj\u0105c\u0105 sk\u0142adni\u0119:<\/span><\/p>\n Oznacza to, \u017ce je\u015bli danego dnia na zewn\u0105trz jest pochmurno, prawdopodobie\u0144stwo, \u017ce tego dnia spadnie deszcz, wynosi 0,425<\/strong> lub 42,5%<\/strong> .<\/span><\/p>\n Odpowiada to warto\u015bci, kt\u00f3r\u0105 obliczyli\u015bmy wcze\u015bniej r\u0119cznie.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w Pythonie:<\/span><\/p>\n Jak obliczy\u0107 prawdopodobie\u0144stwo warunkowe w Pythonie<\/a> Twierdzenie Bayesa stwierdza, co nast\u0119puje dla dw\u00f3ch zdarze\u0144 A i B : P(A|B) = P(A)*P(B|A) \/ P(B) Z\u0142oto: P(A|B): Prawdopodobie\u0144stwo, \u017ce zdarzenie A przy danym zdarzeniu B mia\u0142o miejsce. P(B|A): Prawdopodobie\u0144stwo, \u017ce zdarzenie B mia\u0142o miejsce, przy za\u0142o\u017ceniu, \u017ce wyst\u0105pi\u0142o zdarzenie A. P(A): Prawdopodobie\u0144stwo zdarzenia A. P(B): Prawdopodobie\u0144stwo zdarzenia B. Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce prawdopodobie\u0144stwo, […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3676","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n\n
\n
\n
def<\/span> bayesTheorem<\/span> (pA, pB, pBA):\n return<\/span> pA * pBA \/ pB\n<\/strong><\/pre>\n Przyk\u0142ad: Twierdzenie Bayesa w Pythonie<\/strong><\/span><\/h2>\n
\n
#define function for Bayes' theorem<\/span>\ndef<\/span> bayesTheorem<\/span> (pA, pB, pBA):\n return<\/span> pA * pBA \/ pB\n\n#define probabilities\n<\/span>pRain = 0.2\npCloudy = 0.4\npCloudyRain = 0.85\n\n#use function to calculate conditional probability\n<\/span>bayesTheorem(pRain, pCloudy, pCloudyRain)\n\n0.425\n<\/strong><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak obliczy\u0107 warto\u015b\u0107 oczekiwan\u0105 w Pythonie<\/a>
Jak obliczy\u0107 \u015bredni\u0105 obci\u0119t\u0105 w Pythonie<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"