贝叶斯定理如下:
贝叶斯定理与人类大脑的推理过程非常相似,所以被称为接近人类感觉的统计学。
贝叶斯定理如果根据“果”,来倒推“因”。我们不断从某个未知的盒子里随机抽出牌,看见“果”。然后倒推这些牌来自那个盒子,这是“因”。并且,这些因果并非是传统意义上那种逻辑推理式的,也就是被休谟怀疑的那种脆弱的因果。贝叶斯定理所描述的因果,是基于主观概率的,并不断在新的证据下更新的信念。在贝叶斯因子的催化下,我们可以在不确定的世界里,借助有限的信息,持续迭代。有趣的是,这种看似含混的因果,反而比那些貌似逻辑分明、信誓旦旦的因果更有生命力,更有适应性。
即使是看似复杂的问题,也可以用概率论精确地表述出来,并用简单的算法求解。很多时候,尤其是在一个不可避免的不确定世界里,概率比逻辑做得更好。
贝叶斯网络有如下特点:1、条件依赖性: 贝叶斯网络通过图的形式表达了条件依赖关系。如果一个箭头从A指向B,那么B在一定程度上取决于A。2、概率性: 每一个节点都有一个条件概率表,用于描述给定其父节点状态下该节点状态的概率。3、推理与学:给定一部分节点(观测数据),你可以使用贝叶斯推断来估算其他未观测节点(隐藏变量)的概率分布。贝叶斯网络的强大之处在于,即使在复杂和不确定的情况下,它也能提供一种逻辑严谨的方式来推断未知变量的概率分布。
叶斯定理有一种奇怪的乐观主义精神,教我们在未知中前行。在生活中,很多时候,那些看上去疑虑重重的人也许有更坚定的信念,而那些信誓旦旦的家伙每每总是见利思迁。贝叶斯主义假设“现实”的所有模型、理论和概念都不过是某种信念。这并不会令人成为虚无主义者,反而更能够令我们在相信中怀疑,在怀疑中相信。未知令人恐惧。但是,假如希望不是以概率化的方式呈现,又算得上什么希望呢?你看,你我都可以有自己的主观信念,带着些许模糊,在这个不确定的世界里,伴随着我们不必抛弃的好奇心,如孩子般前行。
其实很多的思路都是可以借鉴到股市里来的。