Escolar Documentos
Profissional Documentos
Cultura Documentos
= E1U E2 U E3 U.. U En
E , A E , A E A E
1
p(A)= p(A E1) + p( A E2) + .p.(A En) che si pu scrivere nella forma :
p(A) = p(A|E1)p(E1) + p( A| E2) p(E2) + .. p(A|En)p(En )
E1
A E2
E2
E4
A E3
E3
Teorema di Bayes
Dati due eventi A e B , sappiamo che :
p(A
B) = p(B|A)p(A)
p(A
B) =
p(B
A)
A) = p(A|B)p(B)
ma A
p ( A) p ( B | A) p ( A | B ) p ( B )
p ( B | A)
B = B A
formula di Bayes :
p( A | B) p( B)
conp ( A) 0
p ( A)
Tale formula viene usata insieme al teorema di disintegrazione , che si rivela utile per calcolare p(A).
La formula di Bayes pu essere estesa ad una generica partizione B1, B2, ..., Bk di .
In tale caso la formula di Bayes una semplice riscrittura di quella vista in precedenza:
p( Bi | A)
p( A | Bi ) p( Bi )
conp( A) 0
p ( A)
.
Da un punto di vista pratico la formula di Bayes assume una rilevanza particolare quando i k eventi Bi possono essere
interpretati come possibili cause dell'evento A.
In tale contesto:
Un tipico esempio di applicazione delle formula di Bayes quello della diagnostica medica:
se A una malattia e B un sintomo, possiamo ottenere la probabilit che, osservato il sintomo, si abbia la malattia,
una volta date P(A) , che pu essere ricavata dallincidenza della malattia nella popolazione in esame, P(B|A), che
esprime la probabilit che in pazienti malati si osservi il sintomo e P(B|non A), la probabilit che il sintomo sussista in
assenza della malattia.
Esempio 1:
Una malattia colpisce 1 persona su 100.
Un test d esito positivo nel 98% dei casi su persone effettivamente malate e nello 0,5% dei casi su persone che invece
stanno bene.
Se una persona fa il test, che probabilit ha di essere davvero malata se il test d esito positivo?
Soluzione :
evento incognita persona malata con test positivo: p(M/P) .
evento M Malato : p(M) = 1/100
evento M sano ( non malato) : p( M )=99/100
evento P|M test positivo su malati : p(P|M)=98/100 ;
evento (P | M ) test positivo su sani : p(P | M )=5/1000
p( M ) p( P | M )
. Troviamo p(M) :
p(M )
p( M | P)
P| M
M(malato)
I Modo :
grafo ad albero :
P|
(non malato)
M(malato)
teorema di disintegrazione :
p(P) = p (P
M)
p( P
Infine :
p(M ) p( P | M )
p( M | P)
p ( P)
1
98
*
980
100 100
66,4%
1
98
99
5
1475
(
*
)(
*
)
100 100
100 1000
Esempio 2 : In un caso di omicidio ci sono due sospetti, A e B, considerati dalla polizia ugualmente sospettati.
Sul luogo del delitto sono stati rinvenuti dei capelli non appartenenti alla vittima, e quindi appartenenti al colpevole.
La prova del DNA sui capelli e sui due sospetti ha portato alla conclusione che il DNA ritrovato potrebbe appartenere
all80% ad A e al 50% a B.
Qual la probabilit che sia A il colpevole alla luce dellanalisi del test sul DNA? E che sia B?
Soluzione :
P(A) = P(B) = 0,5
P(T|A) = 0,80
P(T|B) = 0,50
P(A|T) ?
P(B|T) ?
Allora:
P(T) = P(T A)+P(T B) = P(T|A)P(A) + P(T|B)P(B) = 0,8 x 0,5 + 0,5 x 0,5 = 0,65
Teorema di Bayes : P ( A | T )
Analogamente : P ( B | T )
P (T | A) P( A) 0,8 * 0,5
0,6
P (T )
0,65
0,4
P(T )
0,65