第十四章 贝叶斯决策s学习.pptVIP

第十四章 贝叶斯决策 第一节 贝叶斯决策定义 第二节 先验分布 第三节 Bayes定理与后验概率分布 第四节 后验决策及其优良性 第五节 最佳决策方案 第六节 最佳样本容量 第一节 贝叶斯决策定义 一、什么是贝叶斯决策 贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。　　其基本思想是：　　1、确定类条件概率密度参数表达式和先验概率。　　2、利用贝叶斯公式转换成后验概率。　　3、根据后验概率大小进行决策分类。 二、贝叶斯概率应用的一个例子 HIV血检的例子：设想在广东省东莞市的一家医院，一个地产商接受了ＨＩＶ血液检验，结果是阳性。他非常的紧张，问医生“血检的灵敏度如何？”医生回答说“非常灵敏９５％，而且误诊率（就是假阳性）也很低，才5％。”听完这句话，病人当即晕倒。 假如他懂一点Ｂａｙｅｓ理论的话，一定要先问“中国现在大约有百分之几的ＨＩＶ患者？＂　医生可能说“计中国可能大约有千分之一ＨＩＶ或艾滋病患者。” 假设东莞市有20万人检测了血样，那我门可以从下表中我们看出在10180个血检为阳性的人中只有1.9%的人真正患有HIV。 1.9％就是后验概率，可以由以下Ｂａ