貝氏定理
正分母條件下,Bayes定理以共同intersection與priors/likelihoods精確反轉條件機率。
mko-bayes-theorem · theorem · v0.10.0
數學敘述
完整有限原子law上用精確有理質量。二事件與partition形式都核正conditioning denominator;partition必須互斥且exhaustive,total probability得到的evidence mass也須正。Bayes不表示因果。
代表公式(精確 TeX)
B(E)
成立條件
- 完整有限樣本空間及各原子精確非負有理質量總和1。
- 所有實際使用的conditional denominator嚴格正。
符號作用域
B— Bayes更新E— 證據事件
直觀、定義與常見誤解
雙事件公式共享同一intersection。
partition形式由total probability正規化。
沒有prior/likelihood不得反轉,且不推出causation。
忽略零分母、漏prior,或把P(E|H)直接當P(H|E)。
已採用的推導導讀
四原子檢測模型的Bayes反轉原始 MKO 保留;導讀有自己的追加式修訂與驗證界線,不代表新 Lean 證明。
前置知識
- 有限模型的條件機率 — 正分母定義。
- 事件 — hypothesis與evidence為事件。
- 有限樣本空間上的機率 — joint、prior與evidence mass。
驗證界線
只處理完整有限law;不作因果推論。
not_formalized
這不表示內容錯誤;只表示尚未登錄可重播的計算或形式證據。
下一個義務
加入參數模型與posterior distributions。
同源結構化資料
本頁與互動版共用同一個物件與既有語言 edition;未新增證明或人工審定。
原始 MKO JSON · 純文字 Markdown