贝叶斯-概率 - 技术栈

起点：玩猜硬币游戏中发现贝叶斯定理貌似有很强的预测功能，细看还真有那么回事，因此研究研究。当然，看起来学精后不止可用来猜硬币，也可猜其它玩艺。

贝叶斯统计的基础是贝叶斯定理，贝叶斯定理的基础是条件概率

例子1：综合社会调查的数据展示：

python 复制代码

import pandas as pd

gss = pd.read_csv('gss_bayes.csv')
gss.head()

展示结果：

列说明：

caseid：受访者标识符。
year：受访者接受调查的年份。
age：受访者接受调查时的年龄。
sex：男女不限。
polviews：政治观点范围从自由主义到保守主义。
partyid：政治党派，民主党、独立党或共和党。
indus10：受访者所在行业代码

假设indus10列银行家的代码为6870，则

True表达的为银行家

该数据集中有728位银行家

银行家的比例可以banker.mean() = 0.014769730168391155

大约 1.5% 的受访者在银行工作，因此如果我们从数据集中随机选择一个人，他们是银行家的概率约为 1.5%。至此，以数据集引出概率

概率函数

复制代码

def prob(A):
    """Computes the probability of a proposition, A."""    
    return A.mean()

计算银行家的比例：

复制代码

prob(banker)=0.014769730168391155

计算受访者为女姓的比例为：

复制代码

female = (gss['sex'] == 2)
prob(female)=0.5378575776019476

政治观点和政党

polviews字段表示政治观点，分七级，从1至7分别从极度自由派到极度保守派

partyid字段表示党派，分八级，从0至7分别表示不同党派

我将把它定义liberal为True针对任何回答为"极端自由"、"自由"或"略微自由"的人。

复制代码

liberal = (gss['polviews'] <= 3)

根据这一定义，以下是自由派受访者的比例。

复制代码

prob(liberal)=0.27374721038750255

表达的意思是如果我们在这个数据集中随机选择一个人，他们是自由主义者的概率约为27%

复制代码

democrat = (gss['partyid'] <= 1)定义为强势民主党的受访者

按照这一定义，以下是受访者中民主党人的比例

复制代码

prob(democrat)=0.3662609048488537

连词

"合取"是逻辑and运算的另一个名称，如果有两个命题，A和B,则合取就是如果两者都为True,则合取值为True,否则合取值为False

如果我们有两个布尔系列，我们可以使用&运算符来计算它们的合取。例如，我们已经计算了受访者是银行家的概率。

复制代码

受访者是银行家的概率：prob(banker)=0.014769730168391155

复制代码

受访者是民主党人的可能性为：prob(democrat)=0.3662609048488537

现在我们可以计算受访者是银行家且是民主党人的概率：

复制代码

prob(banker & democrat)=0.004686548995739501

正如我们所预料的，小于任意一个，因为并非所有银行家都是民主党人，且很明显，合取是可交换的：prob(banker & democrat)=prob(democrat & banker )=0.004686548995739501

条件概率

条件概率是取决于条件的概率，但这可能不是最有用的定义。以下是一些示例：

假设受访者是自由派，那么他们是民主党人的可能性有多大？
假设受访者是银行家，那么其为女性的概率是多少？
假设受访者是女性，那么其为自由派的可能性有多大？

让我们从第一个问题开始，我们可以这样解释："在所有自由派受访者中，民主党人占比是多少？"

我们可以分两步计算这个概率：

选择所有自由派的受访者。
计算选定受访者中民主党人的比例。

为了选出自由派受访者，我们可以使用括号运算符，[]如下所示：

复制代码

selected = democrat[liberal] # 此表达的意思是所有自由派为真先取出来，例如我们假设总记录有20条（实际记录有49290，这里为了理解容易，先用前20条记录计算），符合自由派的有3条，这3个自由派中有1条是民主党派，如下图所示：

在此数据中算出来的为：

复制代码

prob(selected)=0.3333333333333333

封装成函数：

python 复制代码

def conditional(proposition, given):
    """Probability of A conditioned on given."""
    return prob(proposition[given])

我们可以用它conditional来计算受访者为女性时，其为自由派的概率。

复制代码

conditional(liberal, given=female)=0.27581004111500884

约28%的女性受访者持自由派立场

条件概率不具有交换性

我们已经看到，合取是可交换的；也就是说，总是等于。prob(A & B)``prob(B & A)

但条件概率不具有交换性；也就是说，与不同。conditional(A, B)``conditional(B, A)

如果我们看一个例子，这一点就应该很清楚了。之前，我们计算了受访者是女性的概率，假设她们是银行家。

复制代码

conditional(female, given=banker)

复制代码

0.7706043956043956

结果显示，大多数银行家都是女性。这与受访者是女性的情况下是银行家的概率不同：

复制代码

conditional(banker, given=female)

复制代码

0.02116102749801969

只有约2％的女性受访者是银行家。

概率定律

在接下来的几节中，我们将推导合取概率和条件概率之间的三种关系：

定理 1：使用合取函数计算条件概率。
定理 2：使用条件概率计算合取。
定理3：利用计算。conditional(A, B)``conditional(B, A)

定理 3 也称为贝叶斯定理。

我将使用概率的数学符号来写出这些定理：

P(A)是命题的概率A。
P(A and B)是A和B，即两者都为真的概率。
P(A|B)是条件概率A鉴于B是真的。垂直线之间的A和B发音为"given"。

这样，我们就可以为定理 1 做好准备了。

定理1：

女性银行家占比是多少？我们已经知道了计算答案的一种方法：

使用括号运算符选择银行家，然后

用于mean计算女性银行家的比例。

复制代码

female[banker].mean() = 0.7706043956043956或是
conditional(female, given=banker)= 0.7706043956043956

另一种方法来计算这个条件概率，即计算两个概率的比率：

受访者中女性银行家的比例，以及
受访者中银行家所占比例。

换句话说：在所有银行家中，女性银行家占比是多少？我们是这样计算这个比例的。

复制代码

prob(female & banker) / prob(banker) = 0.7706043956043956

公式如下：

复制代码

, 这就是定理1

定理2：

将定理1的两国都乘以P(B),我们得到定理2.

这个公式提出了计算合取的第二种方法：我们可以计算两个概率的乘积，而不是使用运算符&

例如：prob(liberal& democrat) = prob(democrat) * conditional(liberal, democrat)=

复制代码

0.1425238385067965

定理3：

由于

将定理2代入，则有：

两边同时除以P(B),得到定理3：

,这就是贝叶斯定理

示例:

复制代码

conditional(liberal, given=banker)=0.2239010989010989
prob(liberal) * conditional(banker, liberal) / prob(banker)=0.2239010989010989

全概率定律：

练习

假设受访者是民主党人，那么他是自由派的可能性有多大？

方法1，取民主党人，判断其自由派的可能性

democrat是民主党序列， liberal是自由派，可用条件判断：

复制代码

conditional(liberal, given=democrat)=0.1111111111111111

方法2 ， 定理1

即prob(liberal & democrat)/prob(democrat)=0.1111111111111111

方法3， 定理3 贝叶斯定理

复制代码

prob(liberal) * conditional(democrat, given=liberal)/prob(democrat)=0.1111111111111111

假设受访者是自由派，那么他们是民主党人的可能性有多大？

同样也是三种方法，1 直接条件取值，2 通过转换为合取取值/P(B)的形式，3使用叶贝斯定理

方法1：conditional(democrat, given=liberal)=0.3333333333333333

方法2：prob(democrat & liberal)/prob(liberal)=0.33333333333333337

方法3：prob(democrat) *conditional(liberal, given=democrat)/prob(liberal)=0.3333333333333333