I'm now going to quiz you on Bayes Rule.
Say you own a house, and you know that the house might catch fire in your absence,
but the probability of it catching fire--"f" over here--is small.
It's a 10th of a percent--0.001.
Let's say every afternoon you talk to your neighbor, and every afternoon
you ask your neighbor, "Does my house burn?"
Of course,you a little bit paranoid if you do this, but for the sake of the argument,
let's just assume you do this every afternoon.
This afternoon he comes back and says, "Yes, it burns," so B.
You happen to know that the neighbor is not very truthful.
In fact, every time you ask him a question,
you know there is a 0.1 chance--a 10% chance--the neighbor will just produce a lie
and a 0.9 chance the neighbor actually speaks the truth.
So you ask him exactly one question--"Does my house burn?"
He says, "Yes, it burns," but you know that the probability of this being a lie is 0.1.
So in applying Bayes Rule I like to first compute the non-normalized posterior--p bar--
bar now stands for non-normalized--of fire given the neighbor just called.
The same for the opposite event of no fire given the neighbor just said, yes, it burns.
After you've done this, I'd like you to compute the normalized values
that have to add up to 1.
Please enter all 4 values for this homework assignment.
Ahora voy a preguntarte sobre la Teoría de Bayes.
Tienes tu propia casa, y sabes que se puede incendiar en tu ausencia,
pero la probabilidad -"f" desde ahora- es pequeña.
Es un décimo del uno por ciento -0.001-.
Cada mañana le dices a tu vecino, y cada tarde
preguntas a tu vecino: ¿Se está quemando mi casa?
Por supuesto, eres un pequeño paranoico si lo haces, pero por el bien del argumento,
déjame asumir que lo haces cada tarde.
Esta mañana el nos dijo "Si, se está quemando", así B.
Tu sabes que el vecino no es muy confiable.
De hecho, cada vez que le haces una pregunta,
sabes que hay un chance de 0.1 -un 10% de probabilidad- de que el vecino diga una mentira
y una probabilidad de 0.9 de que diga la verdad.
Así tu preguntas exactamente -¿Se está quemando mi casa?-
El dice: "Si, se está quemando", pero tu sabes que la probabilidad de que mienta es de 0.1.
Aplicando la Teoría de Bayes, me gustaría calcular primera el posterior no-normalizado -barra p-
la barra ahora se mantiene para un no-normalizado -de fuego, dado que el vecino llamo-.
Lo mismo para la situación opusta, el vecino solo dice: "Si, se está quemando.".
Después de hacer esto, me gustaría que calcules los valores normalizados
que tienen que sumar 1.
Por favor, ingresa los 4 valores para esta actividad.
Ahora voy a preguntarte sobre la Teoria de Bayes
Tienes tu propia casa, y sabes que se puede incendiar mientras no estas
pero la probabilidad ahora es minima
Es un decimo de uno por ciento 0.001
Cada mañana le dices a tu vecino, y cada tarde
preguntas ¿Se esta quemando mi casa?
Por supuesto, eres un pequeño paranoico si lo haces, pero por el bien del tema
dejame asumir que lo haces a cada tarder.
Esta mañana el nos dijo "SI, se esta quemando"
Tu sabes que el vecino es muy confiable.
De hecho, cada vez que le haces una pregunta,
sabes que hay una probabilidad de 0.1 un 10% de probabilidad de que el vecino diga una mentira
y una probabilidad de 0.9 de que diga la verdad.
Asi tu preguntas exactamente -¿Se esta quemando mi casa?
El dice: "Si, se esta quemando", pero tu sabes que la probabilidad de que mienta es de 0.1.
Aplicando la teoria de Bayes, me gustaria calcular primero el posterior no-normalizado-barra p-
la barra ahora se mantiene para un no-normalizado-de fuego, dado que el vecino llamo-.
Lo mismo para la situacion opuesta, el vecino solo dice: "Si, se esta quemando".
Despues de hacer esto, me gustaria que calcules los valores normalizados
que tienen que sumar 1.
Por favor, ingresa los 4 valores para esta actividad.
ベイズの定理についての小テストです
例えばあなたには持ち家があり
留守中に家が火事になるかもしれません
火事になる確率はfとします
これは小さい値です
1パーセントの10分の1つまり0.001です
あなたは毎日午後に隣人に
“私の家は燃えていますか?”と尋ねます
変に思われるかもしれませんが
毎日その行動を繰り返すと仮定しましょう
ある日隣人があなたの家を見て
“燃えています”と返事します
ですが実はその隣人はあまり信用できません
あなたが何か質問をする度に
0.1つまり10%の確率で隣人はウソをつきます
そして0.9の確率で隣人は真実を答えます
隣人に1つだけ次の質問をします
“私の家は燃えていますか?”
彼は“燃えています”と答えますが
これがウソである確率は0.1です
ベイズの定理を応用するには
まず非正規化の事後分布を計算します
このPバーは非正規化を指していて
隣人の言うとおり火事である確率を計算します
次に隣人の答えに反し
本当は火事ではなかった確率を計算します
これができたら正規化の値を計算しましょう
合計すると1になります
この4つの値をすべて答えてください
Agora vou testá-los
quanto ao teorema de Bayes.
Digamos que você tem uma casa
e ela pode pegar fogo na sua ausência,
mas a probabilidade dela pegar fogo (f)
é pequena.
É um décimo de 1 por cento - 0.001.
Digamos que todas as tardes
você fala com o seu vizinho
e toda vez você pergunta,
"será que tem algo queimando?"
Claro, é um pouco paranoico da sua parte,
mas, como hipótese,
vamos assumir que você faz isso sempre.
Nesta tarde o seu vizinho volta e diz,
"sim, está queimando", então é B.
Mas você descobre que o seu vizinho
não é muito verdadeiro.
De fato, toda vez que você pergunta algo
para ele,
você sabe que há uma chance de 0,1
- 10% de chance -, do seu vizinho mentir
e uma chance de 0,9 dele dizer a verdade.
Então você pergunta a ele exatamente isso,
"tem algo queimando?"
Ele diz, "sim, está queimando",
mas a chance de ser mentira é 0,1.
Então eu gostaria de calcular
a posterior não-normalizada - barra p -,
em que barra é não-normalizada do fogo
- dado o que o vizinho falou.
O mesmo para o evento oposto,
de não haver fogo - dado o que ele falou.
E, depois que fizer isso, quero que conte
a versão normalizada desses valores,
que tem de somar até 1.
Por favor coloque todos os 4 valores
para essa tarefa de casa.
现在我来考考你贝叶斯法则
假如你拥有个房子 然后你知道在你不在的时候房子会失火
但是失火事件 用F表示 的概率很小
大概是1%的十分之一 也就是0.001
假如没填下午你都会跟你的邻居讲话 每天下午都是如此
你问你的邻居 “我的房子着火了么?”
当然了 如果你这样你可能有些强迫症 让我们先不考虑这些
我们假设你每天下午都这样做
这天下午你邻居对你回答 “对 是着火了” 用B 表示
你恰好知道你的邻居没有那么诚实
事实上 你每次问他问题
你都是知道有0.1的机会 这是10% 你的邻居在骗你
然后有0.9的机会你的邻居在说实话
当你问他同一个问题——“我的房子着火了么?”
他回答 “对 是着火了” 但是你知道有0.1的概率你的邻居在撒谎
所以应用贝叶斯法则 我先计算未标准化的后验概率 用p横线表示
横线表示未标准化 邻居说失火(B)的条件下房子失火(F)的概率
同样计算相反的情况 邻居说失火(B)的条件下没有失火(非F)的概率
做完这一步 我希望你对这两个值进行标准化
就是标准化后的数值加在一起等于1
请在这个作业测试中输入全部4个值