Apa Kemungkinan Sebelumnya?
Probabilitas sebelumnya, dalam inferensi statistik Bayesian, adalah probabilitas suatu peristiwa sebelum data baru dikumpulkan. Ini adalah penilaian rasional terbaik dari probabilitas hasil berdasarkan pengetahuan saat ini sebelum percobaan dilakukan.
Kemungkinan Sebelumnya Dijelaskan
Probabilitas sebelumnya dari suatu peristiwa akan direvisi ketika data atau informasi baru tersedia, untuk menghasilkan ukuran yang lebih akurat dari hasil potensial. Probabilitas yang direvisi menjadi probabilitas posterior dan dihitung menggunakan teorema Bayes. Dalam istilah statistik, probabilitas posterior adalah probabilitas peristiwa A terjadi mengingat peristiwa B telah terjadi.
Sebagai contoh, tiga hektar tanah memiliki label A, B, dan C. Satu hektar memiliki cadangan minyak di bawah permukaannya, sedangkan dua lainnya tidak. Probabilitas minyak sebelumnya yang ditemukan di acre C adalah sepertiga, atau 0, 333. Tetapi jika tes pengeboran dilakukan pada hektar B, dan hasilnya menunjukkan bahwa tidak ada minyak hadir di lokasi, maka kemungkinan posterior minyak ditemukan pada hektar A dan C menjadi 0, 5, karena setiap hektar memiliki satu dari dua peluang.
Teorema Baye adalah teorema yang sangat umum dan mendasar yang digunakan dalam penambangan data dan pembelajaran mesin.
P (A∣B) = P (B) P (A∩B) = P (B) P (A) × P (B∣A) di mana: P (A) = probabilitas sebelumnya dari A terjadiP (A∣B) = probabilitas bersyarat dari A mengingat bahwa B terjadiP (B∣A) = probabilitas bersyarat dari B mengingat bahwa A terjadi
Jika kita tertarik pada probabilitas suatu peristiwa yang sebelumnya telah kita amati; kami menyebutnya probabilitas sebelumnya. Kami akan menganggap acara ini A, dan probabilitasnya P (A). Jika ada peristiwa kedua yang mempengaruhi P (A), yang akan kita sebut peristiwa B, maka kita ingin tahu berapa probabilitas A yang diberikan B telah terjadi. Dalam notasi probabilistik, ini adalah P (A | B), dan dikenal sebagai probabilitas posterior atau probabilitas revisi. Ini karena telah terjadi setelah acara asli, maka pos di posterior. Ini adalah bagaimana teorema Baye secara unik memungkinkan kita untuk memperbarui keyakinan kita sebelumnya dengan informasi baru.
