excel數據分析——貝葉斯分析預測

原文連接：http://tecdat.cn/?p=4141

貝葉斯定理是關於隨機事件A和B的條件機率(或邊緣機率)的一則定理。

例如：P(A|B)是在B發生的狀況下A發生的可能性。

使用狀況：貝葉斯定理用於投資決策分析是在已知相關項目B的資料，而缺少論證項目A的直接資料時，經過對B項目的有關狀態及發生機率分析推導A項目的狀態及發生機率。等相關狀況下使用。

貝葉斯這裏有兩個概念，你們容易混淆。

先驗機率：是指根據以往經驗和分析獲得的機率，如全機率公式，它每每做爲"由因求果"問題中的"因"出現的機率。（根據歷史資料是否齊全，分爲客觀先驗機率和主管先驗機率）

後驗機率：後驗機率是信息理論的基本概念之一。在一個通訊系統中，在收到某個消息以後，接收端所瞭解到的該消息發送的機率稱爲後驗機率。後驗機率的計算要以先驗機率爲基礎。

​

若是咱們用數學語言描繪，即當已知事件Bi的機率P（Bi）和事件Bi已發生條件下事件A的機率P（A│Bi），則可運用貝葉斯定理計算出在事件A發生條件下事件Bi的機率P（Bi│A）。按貝葉斯定理進行投資決策的基本步驟是：

1 列出在已知項目B條件下項目A的發生機率，即將P（A│B）轉換爲 P（B│A）；

2 繪製樹型圖；

3 求各狀態結點的指望收益值，並將結果填入樹型圖；

4 根據對樹型圖的分析，進行投資項目決策。

所謂的推理，分爲兩個過程，第一步是對觀測數據創建一個模型。第二步則是使用這個模型來推測未知現象發生的機率。

 在Excel中可輕鬆方便地用貝葉斯公式計算後驗機率。

案例分析方法實戰：某個地區吸毒佔比:0.0004，醫院經過毛髮檢驗，檢查出吸毒陽性的機率爲95%，未吸毒檢測出陰性的機率爲10%，今天一人被檢查出吸毒的機率爲多少。

1：各事件樹狀圖

​

2：excel添加數據後計算

​

後驗機率公式=聯合機率/合計（0.00038/0.1003400）

這我的真正吸毒後驗機率爲0.003787；這我的（非吸毒）被診斷爲吸毒的機率高達0.99621.從診斷結果上看，僅依靠毛髮檢驗一種方法診斷吸毒，可信度不高。還需配合其餘診療手段。