Apakah Probabilitas Terdahulu?
Kebarangkalian terdahulu, dalam kesimpulan statistik Bayesian, adalah kebarangkalian peristiwa sebelum data baru dikumpulkan. Ini adalah penilaian rasional terbaik tentang kebarangkalian hasil berdasarkan pengetahuan semasa sebelum percubaan dilakukan.
Kebarangkalian Terdahulu Dijelaskan
Kebarangkalian sesuatu peristiwa terdahulu akan disemak semula sebagai data atau maklumat baru tersedia, untuk menghasilkan ukuran yang lebih tepat mengenai hasil yang berpotensi. Kebarangkalian yang disemak menjadi kebarangkalian posterior dan dikira menggunakan teorem Bayes. Dalam istilah statistik, kebarangkalian posterior ialah kebarangkalian peristiwa A yang berlaku memandangkan peristiwa B telah berlaku.
Sebagai contoh, tiga ekar tanah mempunyai label A, B, dan C. Satu ekar mempunyai rizab minyak di bawah permukaannya, sementara yang lain tidak. Kebarangkalian minyak yang dijumpai pada acre C adalah satu pertiga, atau 0.333. Tetapi jika ujian penggerudian dilakukan di atas acre B, dan hasilnya menunjukkan bahawa tidak ada minyak yang hadir di lokasi, maka kebarangkalian posterior minyak yang ditemui di kawasan A dan C menjadi 0.5, kerana setiap ekar mempunyai satu daripada dua peluang.
Teorem Baye adalah teorem yang sangat biasa dan asas digunakan dalam perlombongan data dan pembelajaran mesin.
Ku P (A|B) = P (B) P (A∩B) = P (B) P (A) × P (B|A) di mana: P (A) = kebarangkalian sebelumnya A A|B) = kebarangkalian bersyarat A yang diberikan bahawa B berlaku P (B|A) = kebarangkalian bersyarat B memandangkan A berlaku
Sekiranya kita berminat dengan kebarangkalian peristiwa yang mana kita mempunyai pemerhatian yang lebih awal; kami panggil ini kebarangkalian sebelum ini. Kami akan menganggap peristiwa ini A, dan kebarangkaliannya P (A). Sekiranya terdapat peristiwa kedua yang memberi kesan kepada P (A), yang akan kita panggil peristiwa B, maka kita ingin tahu apakah kebarangkalian A diberi B telah berlaku. Dalam notasi probabilistik, ini adalah P (A | B), dan dikenali sebagai kebarangkalian posterior atau kebarangkalian yang disemak semula. Ini kerana ia telah berlaku selepas peristiwa asal, maka pos di posterior. Inilah cara teorem Baye secara unik membolehkan kami mengemas kini kepercayaan kami yang terdahulu dengan maklumat baru.
