YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

Portuguese, Brazilian subtitles

← Bayes Rule Diagram - Intro to Machine Learning

Get Embed Code
5 Languages

Showing Revision 12 created 06/20/2016 by Udacity Robot.

  1. O que queremos dizer é que temos uma situação na qual prior
  2. testa determinada sensibilidade e especificidade.
  3. Ao receber, por exemplo, um resultado de teste positivo, você multiplica o prior
  4. pela probabilidade do resultado de teste
  5. considerando C e pela probabilidade do resultado de teste sem considerar C.
  6. Este é seu branch considerando que você tem câncer.
  7. E este é seu branch considerando que você não tem câncer.
  8. Quando você terminar, chegará a um número que combina a hipótese de
  9. câncer com o resultado do teste,
  10. tanto para a hipótese de câncer quanto para a hipótese de não câncer.
  11. Agora você os soma.
  12. E o resultado não chega a 1.
  13. Você obtém determinada quantidade,
  14. que é a probabilidade total de o teste ser o que é.
  15. Neste caso, positivo.
  16. Tudo o que você faz a seguir é dividir ou
  17. normalizar isto por esta soma.
  18. E o mesmo se aplica ao lado direito.
  19. O divisor é o mesmo
  20. para os dois casos, porque essa é sua variação de câncer e não câncer.
  21. Mas esse cara não depende mais da variável câncer.
  22. O que você obtém agora é a probabilidade posterior desejada, e
  23. ela será somada a 1 se você tiver feito tudo certo, como mostrado aqui.
  24. Este é seu algoritmo para o teorema de Bayes.