Bayesian probability (original) (raw)
El anomenat Concepte de Probabilitat Bayesià (angl. Bayesianism) del matemàtic anglès Thomas Bayes, interpreta la probabilitat com a grau de convicció personal (anglès: 'degree of belief'). Així, es diferencia de la percepció de probabilitat objectivista, com del concepte de probabilitat freqüentista , que interpreta probabilitat com freqüència relativa. El concepte de probabilitat bayesià no s'ha de confondre amb el Teorema d'En Bayes, d'ell mateix, que té nombroses aplicacions en estadística.
| Property | Value |
|---|---|
| dbo:abstract | El anomenat Concepte de Probabilitat Bayesià (angl. Bayesianism) del matemàtic anglès Thomas Bayes, interpreta la probabilitat com a grau de convicció personal (anglès: 'degree of belief'). Així, es diferencia de la percepció de probabilitat objectivista, com del concepte de probabilitat freqüentista , que interpreta probabilitat com freqüència relativa. El concepte de probabilitat bayesià no s'ha de confondre amb el Teorema d'En Bayes, d'ell mateix, que té nombroses aplicacions en estadística. (ca) احتمال بايز أو أرجحية النظريّة الافتراضية (بالإنجليزية: Bayesian probability) هو تفسير مفهوم الاحتمال على أنه توقعات ممكنة لظاهرة ما حيث تمثل هذه التوقعات حالة من المعرفة أو مقياس لاعتقاد شخصي، بدلا من استخدام مفهوم الاحتمال التكراري. يمكن اعتبار تفسير احتمال بايز على أنه امتداد لمنطق المقترحات، والذي يمكننا من الوصول للاستنتاج بناء على الفرضيات. حيث أنه سواء كان المقترح خاطئا أو صحيحا فإنه يبقى غير مؤكد. من منظور احتمال بايز فإن الفرضيات مرتبطة باحتمال، لكن من منظور الاحتمال التكراري فإن الفرضيات عادة ما يتم اختبارها بدون ربطها بأي احتمال. احتمال بايز ينتمي إلى فئة الاحتمالات الاستدلالية والتي يتم تقييم الاحتماليات للفرضيات تحت الدراسة. في احتمال بايزين يتم تحديد بعض الاحتمالات المسبقة، والتي يتم تحديثها لاحقا لتصبح احتمالات لاحقة على ضوء البيانات الجديدة (الأدلة). يوفر تفسير بايز مجموعة قياسية من الإجراءات والصيغ لإجراء هذه الحسابات. مصطلح Bayesian مستمد من عالم الرياضيات واللاهوتي توماس بايز في القرن الثامن عشر، الذي قدم أول حل رياضي لمشكلة معقدة في استدلال بايز. عالم الرياضيات بيير سيمون لابلاس يعتبر هو الرائد لما يسمى الآن باحتمال بايز. بشكل عام، هناك رأيان في احتمال بايز والذي يمكن أن يفسر بطرق مختلفة مفهوم الاحتمال. فوفقا للرأي الموضوعي، فإن الاحتمال هو التوقع المعقول الذي يمثل حالة المعرفة، ويمكن تفسيره على أنه امتداد للمنطق حيث يمكن تبرير قواعده من خلال نظرية كوكس. ووفقا للرأي الشخصي، فإن الاحتمال يقيس الاعتقاد الشخصي، ويمكن تبرير قواعده بالمتطلبات العقلانية والاتساق الواردة في الكتاب الهولندي أو من نظرية القرار ونظرية de Finetti's. (ar) Der nach dem englischen Mathematiker Thomas Bayes benannte bayessche Wahrscheinlichkeitsbegriff (engl. Bayesianism) interpretiert Wahrscheinlichkeit als Grad persönlicher Überzeugung (englisch degree of belief). Er unterscheidet sich damit von den objektivistischen Wahrscheinlichkeitsauffassungen wie dem frequentistischen Wahrscheinlichkeitsbegriff, der Wahrscheinlichkeit als relative Häufigkeit interpretiert. Der bayessche Wahrscheinlichkeitsbegriff darf nicht mit dem gleichfalls auf Thomas Bayes zurückgehenden Satz von Bayes verwechselt werden, welcher in der Statistik reiche Anwendung findet. (de) Bayesian probability is an interpretation of the concept of probability, in which, instead of frequency or propensity of some phenomenon, probability is interpreted as reasonable expectation representing a state of knowledge or as quantification of a personal belief. The Bayesian interpretation of probability can be seen as an extension of propositional logic that enables reasoning with hypotheses; that is, with propositions whose truth or falsity is unknown. In the Bayesian view, a probability is assigned to a hypothesis, whereas under frequentist inference, a hypothesis is typically tested without being assigned a probability. Bayesian probability belongs to the category of evidential probabilities; to evaluate the probability of a hypothesis, the Bayesian probabilist specifies a prior probability. This, in turn, is then updated to a posterior probability in the light of new, relevant data (evidence). The Bayesian interpretation provides a standard set of procedures and formulae to perform this calculation. The term Bayesian derives from the 18th-century mathematician and theologian Thomas Bayes, who provided the first mathematical treatment of a non-trivial problem of statistical data analysis using what is now known as Bayesian inference. Mathematician Pierre-Simon Laplace pioneered and popularized what is now called Bayesian probability. (en) Probabilitate bayesiarra probabilitate kontzeptuaren interpretazio bat da, non, fenomeno baten maiztasun edo joera izan ordez, probabilitatea arrazoizko itxaropen gisa interpretatzen da, ezagutza-egoera bat irudikatuz edo sineste pertsonal bat kuantifikatuz. Probabilitatearen interpretazio bayesiarra hipotesi bidezko arrazoibidea ahalbidetzen duen logika propositiboaren luzapen gisa ikus daiteke; hau da, egia edo faltsukeria ezezaguna duten proposizioekin. Ikuspegi bayesiarrean, probabilitate bat hipotesi bati esleitzen zaio; maiztasunaren inferentzian, aldiz, hipotesi bat probabilitaterik esleitu gabe egiaztatu ohi da. Probabilitate bayesiarra probabilitate probatorioen kategoriakoa da; hipotesi baten probabilitatea ebaluatzeko, probabilista bayesiarrak aurretiko probabilitate bat zehazten du. Hori, era berean, datu garrantzitsu berriak (probak) ikusi ondoren eguneratzen da. Baiezko interpretazioak kalkulu hori egiteko prozeduren eta formulen multzo estandarra ematen du. Bayes terminoa Thomas Bayes XVIII. mendeko matematikari eta teologotik dator. Hark eman zuen datu estatistikoak aztertzeko bitarikoa ez den problema baten lehen tratamendu matematikoa, orain inferentzia bayesiarra deritzona erabiliz. (eu) La probabilidad bayesiana es una de las diferentes interpretaciones del concepto de probabilidad. La interpretación bayesiana de la probabilidad puede ser vista como una extensión de la lógica proposicional que permite razonar con hipótesis, es decir, las proposiciones cuya veracidad o falsedad son inciertas. La probabilidad bayesiana pertenece a la categoría de las probabilidades probatorias; para evaluar la probabilidad de una hipótesis, la probabilista bayesiana especifica alguna probabilidad a priori, que se actualiza a continuación, a la luz de nuevos y relevantes datos (en pruebas). La interpretación bayesiana proporciona un conjunto estándar de los procedimientos y las fórmulas para realizar este cálculo. En contraste con la interpretación de la probabilidad como la "frecuencia" o "propensión" de algún fenómeno, la probabilidad bayesiana es una cantidad que se asigna para el propósito de representar un estado de conocimiento, o un estado de creencia. En la vista bayesiana, una probabilidad se asigna a una hipótesis, mientras que bajo el punto de vista frecuentista, una hipótesis es típicamente probada sin ser asignada una probabilidad. El término "bayesiano" se refiere al matemático del siglo XVIII y teólogo Thomas Bayes, que proporcionó el primer tratamiento matemático de un problema no trivial de la inferencia bayesiana. El matemático Pierre-Simon Laplace fue pionero y popularizó lo que ahora se llama probabilidad bayesiana. En términos generales, hay dos puntos de vista sobre la probabilidad bayesiana que interpretan el concepto de probabilidad de diferentes maneras. Según el punto de vista objetivista, las reglas de la estadística bayesiana pueden justificarse por exigencias de la racionalidad y la coherencia, y la interpretan como una extensión de la lógica. Según la visión subjetivista, cuantifica la probabilidad de una "opinión personal". Muchos métodos modernos de aprendizaje automático se basan en los principios bayesianos objetivistas. (es) 베이즈 확률론은 베이즈 정리를 바탕으로 한 에 기반한 확률론이다. 베이즈 확률론은 확률을 일어날 수 있는 모든 경우의 수를 알고 있는 상태에서 특정한 조건의 사건이 일어날 경우의 빈도를 계산하는 고전적인 확률의 정의와 달리 어떠한 사건이 일어날 것이라는 합리적 기대의 척도로 해석한다. 이에 따라 베이즈 확률론이 다루는 확률은 어떠한 지식에 대한 신뢰나 논리적 추론의 결과로 해석된다. 베이즈 확률론은 어떤 사건이 일어날 확률을 구하기 위해 선험적인 가설로 설정된 사전 확률을 일정한 데이터를 통해 보완한 사후 확률로서 보정한다. 사전 확률은 아직 검증되지 않은 주관적 믿음이지만 이후 보정을 거쳐 되먹임 되기 때문에 점차 정확도가 향상된다. 한편 사후 확률은 일어난 사건의 결과를 놓고 그 결과가 나오게 된 원인을 생각하는 역방향의 확률이다. 즉 사건의 결과에서 애초의 표본 공간을 추정하는 작업이 된다. 따라서 사후 확률은 단독으로 확인할 수 없고 원인에 대한 가설과 결과 사이의 조건부 확률로 나타낼 수 밖에 없다. 베이즈 확률론의 확률 해석은 참값을 알지 못하는 가설을 검증하는 명제 논리의 확장으로 이해될 수 있다. 확률의 해석에는 도수 확률과 같이 시행을 통해 사건의 빈도를 측정하는 객관주의 해석과 베이즈 확률론과 같이 선험적 확률을 먼저 설정하는 주관주의 해석이 있다. 베이즈 확률론은 주관주의 확률 해석의 표준으로 자리잡았다. 베이즈 확률론이라는 이름은 18세기 개신교 목사이자 수학자였던 토머스 베이즈에서 온 것이다.:131 토머스 베이즈는 과거에 사건이 일어난 횟수 또는 일어나지 않은 횟수 만을 근거로 미래의 불확실한 사건의 확률을 알고자 하였다. 탁자 위에 구르는 공의 위치를 추정하는 사고 실험을 통해 처음에는 공의 위치를 알 지 못하여도 시행 착오를 통해 점차 정확한 위치를 추정할 수 있음을 보였다.:26-27 베이즈는 자신의 이러한 추론을 훗날 포기하였으나 훗날 라플라스가 독자적으로 재발견하였다.:97–98 (ko) ベイズ確率（ベイズかくりつ、英: Bayesian probability）とは、確率の概念を解釈したもので、ある現象の頻度や傾向の代わりに、確率を知識の状態を表す合理的な期待値、あるいは個人的な信念の定量化と解釈したものである。 ベイズ確率の解釈は、命題論理を拡張したものであり、真偽が不明な命題を用いた推論を可能にするものと考えられる。ベイズの考え方では仮説に確率を付与するが、頻度論的な推論では確率を付与せずに仮説を検証するのが一般的である。 ベイズ確率は証拠能力のある確率のカテゴリーに属する。仮説の確率を評価するために、ベイズ確率論者は事前確率を指定する。仮説の確率を評価するために、ベイズの確率論者は事前確率を指定し、新しい関連データ（証拠）に照らし合わせて事後確率に更新する。ベイジアン解釈では、この計算を行うための標準的な手順と式が用意されている。 ベイジアンという言葉は、18世紀の数学者・神学者であるトーマス・ベイズに由来する。ベイズは、現在ベイズ推定として知られているものを用いて、統計的データ分析の自明でない問題を初めて数学的に扱った人物である。また、数学者のピエール＝シモン・ラプラスは、現在ではベイズ確率と呼ばれているものを開拓し、普及させた。 (ja) Het Bayesiaanse kansbegrip is een interpretatie van kans als redelijke verwachting die, in de objectivistische visie, de staat van kennis vertegenwoordigt, of die, in de subjectivistische visie, als kwantificering van een persoonlijke overtuiging van een bepaald verschijnsel wordt geïnterpreteerd. Beide visies staan tegenover de klassieke kansinterpretatie en de frequentistische opvatting. De Bayesiaanse interpretatie van kans kan gezien worden als een uitbreiding van de propositielogica die redeneringen met hypothesen mogelijk maakt met uitspraken waarvan de waarheid onzeker is. In de Bayesiaanse visie wordt een kans toegewezen aan een hypothese, terwijl in de frequentistische opvatting een hypothese meestal alleen getoetst wordt zonder daaraan een kans te verbinden. Bayesiaanse kansen behoren tot de categorie van bewijsbare kansen, in de zin dat de kans van een hypothese geëvalueerd wordt in het licht van nieuw verkregen kennis. Daartoe specificeert de Bayesiaan vooraf een zogenaamde a-priori-kans, die vervolgens wordt bijgesteld tot een a-posteriori-kans in het licht van nieuwe, relevante gegevens. De Bayesiaanse kansrekening biedt een standaardmethode en formules om deze berekening uit te voeren. De term Bayesiaans is afgeleid van het theorema van Bayes, dat als grondslag dient voor de berekening van de a-posteriori-kans. Deze stelling is weer genoemd naar de 18e-eeuwse wiskundige en theoloog Thomas Bayes, die de eerste wiskundige behandeling van een niet-triviaal probleem van statistische data-analyse, nu bekend als Bayesiaanse statistiek. De wiskundige Pierre-Simon Laplace pionierde met wat nu de Bayesiaanse kans wordt genoemd en populariseerde het. De objectivistische visie wordt gerechtvaardigd door de . De subjectivistische visie wordt gerechtvaardigd door eisen van rationaliteit en samenhang volgens het zogenaamde -argument of uit de beslissingstheorie en de . (nl) La probabilità bayesiana è un'interpretazione del concetto di probabilità, in cui, anziché la frequenza o la propensione di qualche fenomeno, la probabilità viene interpretata come aspettazione razionale rappresentante uno stato di conoscenza o come quantificazione di una convinzione personale. L'interpretazione bayesiana della probabilità può essere vista come coestensiva della logica proposizionale con l'inclusione del ragionamento tramite ipotesi, vale a dire, con proposizioni la cui verità o falsità è sconosciuta. Nella visione bayesiana, una probabilità viene assegnata a un'ipotesi, mentre nell'approccio frequentista alle inferenze, un'ipotesi viene tipicamente verificata senza che venga ad essa assegnata una probabilità. La probabilità bayesiana appartiene alla categoria delle "probabilità probatorie": per valutare la probabilità di un'ipotesi, infatti, il probabilista bayesiano deve specificare una probabilità iniziale (probabilità a priori o prior probability). Questa, a sua volta, viene poi aggiornata ad una probabilità finale alla luce di nuovi dati pertinenti (prove o evidenze). L'interpretazione bayesiana inoltre fornisce un insieme standard di procedure e formule per eseguire questo calcolo. Il termine bayesiano deriva dal matematico e teologo del XVIII secolo Thomas Bayes, che fornì la prima trattazione formale di un problema non banale riguardante l'analisi dei dati usando quella che è ora nota come inferenza bayesiana. Il matematico e fisico francese Pierre-Simon Laplace (1749 - 1827) fu un pioniere nel rendere popolare quella che oggi è chiamata probabilità bayesiana. (it) Prawdopodobieństwo subiektywne – interpretacja prawdopodobieństwa, według której prawdopodobieństwo nie musi być wielkością obiektywną, lecz może być określone na podstawie subiektywnej opinii osoby, zależnie od dostępnych jej aktualnie danych. Przy tej interpretacji można stosować metody rachunku prawdopodobieństwa praktycznie do wszystkiego – stwierdzania czy dany e-mail jest spamem, wyliczania szans na to, która drużyna zwycięży mecz, jaki jest poziom znajomości angielskiego kogoś, kto napisał test z danym wynikiem, czy też która z teorii na dany temat jest prawdziwa. (pl) Probabilidade epistemológica ou probabilidade Bayesiana (relacionando-se ao matemático Thomas Bayes), é uma percepção em seres humanos que representa incertezas sobre proposições quando não se tem conhecimento completo das circunstâncias causativas. Tais proposições podem ser sobre eventos passados ou futuros. Alguns exemplos de probabilidade epistemiológica são designar uma probabilidade à proposição de que uma lei da Física proposta seja verdadeira, e determinar o quão "provável" é que um suspeito cometeu um crime, baseado nas provas apresentadas. (pt) Байесовская вероятность — это интерпретация понятия вероятности, используемая в байесовской теории. Вероятность определяется как степень уверенности в истинности суждения. Для определения степени уверенности в истинности суждения при получении новой информации в байесовской теории используется теорема Байеса. (ru) 贝叶斯概率（英語：Bayesian probability）是由贝叶斯理论所提供的一种对概率的解释，它采用将概率定义为某人对一个命题信任的程度的概念。贝叶斯理论同时也建议贝叶斯定理可以用作根据新的信息导出或者更新现有的置信度的规则。 (zh) Ба́єсова ймові́рність (англ. Bayesian probability) — це одна з інтерпретацій поняття ймовірності. На протилежність до інтерпретування ймовірності як «частоти» або певного явища, баєсова ймовірність є величиною, що ми визначаємо з метою представлення стану знання або переконання. З баєсової точки зору ймовірність призначається гіпотезі, тоді як згідно з частотницькою точкою зору гіпотеза зазвичай перевіряється, не маючи призначеної ймовірності. Баєсову інтерпретацію ймовірності можна розглядати як розширення логіки висловлень, що уможливлює міркування із гіпотезами, тобто судженнями, чиї істинність або хибність є невизначеними. Баєсова ймовірність належить до категорії доказових імовірностей; для обчислення ймовірності гіпотези фахівець із баєсової статистики встановлює певну апріорну ймовірність, що потім уточнюється у світлі нових, доречних даних (свідчень). Баєсова інтерпретація забезпечує стандартний набір процедур та формул для виконання цього обчислення. Термін «баєсова» походить від математика та теолога XVIII сторіччя Томаса Баєса, що запропонував перший математичний підхід до нетривіальної задачі баєсового висновування. Математик П'єр-Симон Лаплас започаткував та популяризував те, що тепер називається баєсовою ймовірністю. Загалом кажучи, існує два погляди на баєсову ймовірність, що інтерпретують поняття ймовірність різним чином. Згідно з об'єктивістським підходом, правила баєсової статистики може бути підтверджено , та інтерпретовано як розширення логіки. Згідно з суб'єктивістським підходом, ймовірність визначає «особисте переконання». (uk) |
| dbo:wikiPageExternalLink | http://stephanhartmann.org/HajekHartmann_BayesEpist.pdf%7Carchive-url=https:/web.archive.org/web/20110728055439/http:/stephanhartmann.org/HajekHartmann_BayesEpist.pdf http://www-biba.inrialpes.fr/Jaynes/prob.html http://psychclassics.yorku.ca/Peirce/small-diffs.htm https://web.archive.org/web/20080227205205/http:/cepa.newschool.edu/het/texts/ramsey/ramsess.pdf%7Carchive-date=2008-02-27 http://cepa.newschool.edu/het/texts/ramsey/ramsess.pdf http://jim-stone.staff.shef.ac.uk/BookBayes2012/BayesRuleBookMain.html http://stephanhartmann.org/HartmannSprenger_BayesEpis.pdf%7Carchive-url=https:/web.archive.org/web/20110728055519/http:/stephanhartmann.org/HartmannSprenger_BayesEpis.pdf https://archive.org/details/essaysinmathemat0000shub https://archive.org/details/essaysinmathemat0000shub/page/237 https://archive.org/details/theorythatwouldn0000mcgr http://www.numdam.org/item%3Fid=AIHP_1937__7_1_1_0 |
| dbo:wikiPageID | 4890 (xsd:integer) |
| dbo:wikiPageLength | 32739 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1122105485 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Bayesian_epistemology dbr:Bayesian_inference dbr:Open_Court_Publishing_Company dbr:Principle_of_bivalence dbr:Bayes'_theorem dbr:Bertrand_paradox_(probability) dbc:Probability_interpretations dbr:John_von_Neumann dbr:José-Miguel_Bernardo dbr:Beta_distribution dbr:Reliability_(statistics) dbr:Richard_Threlkeld_Cox dbr:University_of_Valencia dbr:De_Finetti's_theorem dbr:Decision_theory dbr:Dutch_book dbr:Inverse_probability dbr:Richard_Jeffrey dbr:Null_hypothesis dbr:Reference_class_problem dbr:QBism dbr:Credal_network dbr:An_Essay_towards_solving_a_Problem_in_the_Doctrine_of_Chances dbr:Odds dbr:Edwin_Thompson_Jaynes dbr:Frank_P._Ramsey dbr:Functional_equations dbr:Monty_Hall_problem dbr:Thomas_Bayes dbr:Optimal_decision dbr:Theory_of_Games_and_Economic_Behavior dbr:Probability_kinematics dbr:Bernoulli_trial dbr:Leonard_Jimmie_Savage dbr:Logic dbr:Machine_learning dbr:Statistical_model dbr:Proposition dbr:Propositional_logic dbr:Bruno_de_Finetti dbr:Admissible_decision_rule dbr:Agent-based_model dbr:Truth_value dbr:Data dbr:Data_analysis dbr:Haar_measure dbr:Propensity_probability dbr:Abraham_Wald dbr:Duke_University dbr:Falsifiability dbr:Oskar_Morgenstern dbr:Celestial_mechanics dbr:Double_blind dbr:Posterior_probability dbr:Prior_probability dbr:Probability dbr:Random_variable dbr:Harold_Jeffreys dbr:Cox's_theorem dbr:Hypothesis dbc:Philosophy_of_science dbc:Bayesian_statistics dbc:Justification_(epistemology) dbc:Philosophy_of_mathematics dbr:Charles_Sanders_Peirce dbr:Johann_Pfanzagl dbr:John_Maynard_Keynes dbr:Jurisprudence dbr:Karl_Popper dbr:Coherence_(philosophical_gambling_strategy) dbr:Bookmaker dbr:Pierre-Simon_Laplace dbr:Frequentist_inference dbr:Frequentist_probability dbr:Ian_Hacking dbr:Inductive_reasoning dbr:James_Berger_(statistician) dbr:Markov_chain_Monte_Carlo dbr:Principle_of_maximum_entropy dbr:Stanford_University_Press dbr:Uncertainty dbr:Uncertainty_quantification dbr:Statistical_hypothesis_testing dbr:Probability_interpretations dbr:Interpretation_of_quantum_mechanics dbr:Well-posed_problem dbr:Frequentist_statistics dbr:Statistical_decision_theory dbr:Leonard_J._Savage dbr:Principle_of_insufficient_reason dbr:De_Finetti's_game dbr:Expected_utility dbr:Pragmatic_philosophy |
| dbp:id | p/b015390 (en) |
| dbp:title | Bayesian approach to statistical problems (en) |
| dbp:wikiPageUsesTemplate | dbt:Springer dbt:Cite_book dbt:Cite_journal dbt:Cite_web dbt:Colend dbt:ISBN dbt:Main dbt:Portal dbt:Reflist dbt:Rp dbt:Short_description dbt:Broader dbt:Cols dbt:Bayesian_statistics |
| dcterms:subject | dbc:Probability_interpretations dbc:Philosophy_of_science dbc:Bayesian_statistics dbc:Justification_(epistemology) dbc:Philosophy_of_mathematics |
| gold:hypernym | dbr:Interpretation |
| rdf:type | dbo:Work yago:Abstraction100002137 yago:Cognition100023271 yago:Content105809192 yago:Interpretation105928513 yago:PsychologicalFeature100023100 yago:Representation105926676 yago:WikicatProbabilityInterpretations |
| rdfs:comment | El anomenat Concepte de Probabilitat Bayesià (angl. Bayesianism) del matemàtic anglès Thomas Bayes, interpreta la probabilitat com a grau de convicció personal (anglès: 'degree of belief'). Així, es diferencia de la percepció de probabilitat objectivista, com del concepte de probabilitat freqüentista , que interpreta probabilitat com freqüència relativa. El concepte de probabilitat bayesià no s'ha de confondre amb el Teorema d'En Bayes, d'ell mateix, que té nombroses aplicacions en estadística. (ca) ベイズ確率（ベイズかくりつ、英: Bayesian probability）とは、確率の概念を解釈したもので、ある現象の頻度や傾向の代わりに、確率を知識の状態を表す合理的な期待値、あるいは個人的な信念の定量化と解釈したものである。 ベイズ確率の解釈は、命題論理を拡張したものであり、真偽が不明な命題を用いた推論を可能にするものと考えられる。ベイズの考え方では仮説に確率を付与するが、頻度論的な推論では確率を付与せずに仮説を検証するのが一般的である。 ベイズ確率は証拠能力のある確率のカテゴリーに属する。仮説の確率を評価するために、ベイズ確率論者は事前確率を指定する。仮説の確率を評価するために、ベイズの確率論者は事前確率を指定し、新しい関連データ（証拠）に照らし合わせて事後確率に更新する。ベイジアン解釈では、この計算を行うための標準的な手順と式が用意されている。 ベイジアンという言葉は、18世紀の数学者・神学者であるトーマス・ベイズに由来する。ベイズは、現在ベイズ推定として知られているものを用いて、統計的データ分析の自明でない問題を初めて数学的に扱った人物である。また、数学者のピエール＝シモン・ラプラスは、現在ではベイズ確率と呼ばれているものを開拓し、普及させた。 (ja) Prawdopodobieństwo subiektywne – interpretacja prawdopodobieństwa, według której prawdopodobieństwo nie musi być wielkością obiektywną, lecz może być określone na podstawie subiektywnej opinii osoby, zależnie od dostępnych jej aktualnie danych. Przy tej interpretacji można stosować metody rachunku prawdopodobieństwa praktycznie do wszystkiego – stwierdzania czy dany e-mail jest spamem, wyliczania szans na to, która drużyna zwycięży mecz, jaki jest poziom znajomości angielskiego kogoś, kto napisał test z danym wynikiem, czy też która z teorii na dany temat jest prawdziwa. (pl) Probabilidade epistemológica ou probabilidade Bayesiana (relacionando-se ao matemático Thomas Bayes), é uma percepção em seres humanos que representa incertezas sobre proposições quando não se tem conhecimento completo das circunstâncias causativas. Tais proposições podem ser sobre eventos passados ou futuros. Alguns exemplos de probabilidade epistemiológica são designar uma probabilidade à proposição de que uma lei da Física proposta seja verdadeira, e determinar o quão "provável" é que um suspeito cometeu um crime, baseado nas provas apresentadas. (pt) Байесовская вероятность — это интерпретация понятия вероятности, используемая в байесовской теории. Вероятность определяется как степень уверенности в истинности суждения. Для определения степени уверенности в истинности суждения при получении новой информации в байесовской теории используется теорема Байеса. (ru) 贝叶斯概率（英語：Bayesian probability）是由贝叶斯理论所提供的一种对概率的解释，它采用将概率定义为某人对一个命题信任的程度的概念。贝叶斯理论同时也建议贝叶斯定理可以用作根据新的信息导出或者更新现有的置信度的规则。 (zh) احتمال بايز أو أرجحية النظريّة الافتراضية (بالإنجليزية: Bayesian probability) هو تفسير مفهوم الاحتمال على أنه توقعات ممكنة لظاهرة ما حيث تمثل هذه التوقعات حالة من المعرفة أو مقياس لاعتقاد شخصي، بدلا من استخدام مفهوم الاحتمال التكراري. يمكن اعتبار تفسير احتمال بايز على أنه امتداد لمنطق المقترحات، والذي يمكننا من الوصول للاستنتاج بناء على الفرضيات. حيث أنه سواء كان المقترح خاطئا أو صحيحا فإنه يبقى غير مؤكد. من منظور احتمال بايز فإن الفرضيات مرتبطة باحتمال، لكن من منظور الاحتمال التكراري فإن الفرضيات عادة ما يتم اختبارها بدون ربطها بأي احتمال. (ar) Der nach dem englischen Mathematiker Thomas Bayes benannte bayessche Wahrscheinlichkeitsbegriff (engl. Bayesianism) interpretiert Wahrscheinlichkeit als Grad persönlicher Überzeugung (englisch degree of belief). Er unterscheidet sich damit von den objektivistischen Wahrscheinlichkeitsauffassungen wie dem frequentistischen Wahrscheinlichkeitsbegriff, der Wahrscheinlichkeit als relative Häufigkeit interpretiert. (de) Bayesian probability is an interpretation of the concept of probability, in which, instead of frequency or propensity of some phenomenon, probability is interpreted as reasonable expectation representing a state of knowledge or as quantification of a personal belief. (en) La probabilidad bayesiana es una de las diferentes interpretaciones del concepto de probabilidad. La interpretación bayesiana de la probabilidad puede ser vista como una extensión de la lógica proposicional que permite razonar con hipótesis, es decir, las proposiciones cuya veracidad o falsedad son inciertas. (es) Probabilitate bayesiarra probabilitate kontzeptuaren interpretazio bat da, non, fenomeno baten maiztasun edo joera izan ordez, probabilitatea arrazoizko itxaropen gisa interpretatzen da, ezagutza-egoera bat irudikatuz edo sineste pertsonal bat kuantifikatuz. Bayes terminoa Thomas Bayes XVIII. mendeko matematikari eta teologotik dator. Hark eman zuen datu estatistikoak aztertzeko bitarikoa ez den problema baten lehen tratamendu matematikoa, orain inferentzia bayesiarra deritzona erabiliz. (eu) 베이즈 확률론은 베이즈 정리를 바탕으로 한 에 기반한 확률론이다. 베이즈 확률론은 확률을 일어날 수 있는 모든 경우의 수를 알고 있는 상태에서 특정한 조건의 사건이 일어날 경우의 빈도를 계산하는 고전적인 확률의 정의와 달리 어떠한 사건이 일어날 것이라는 합리적 기대의 척도로 해석한다. 이에 따라 베이즈 확률론이 다루는 확률은 어떠한 지식에 대한 신뢰나 논리적 추론의 결과로 해석된다. 베이즈 확률론은 어떤 사건이 일어날 확률을 구하기 위해 선험적인 가설로 설정된 사전 확률을 일정한 데이터를 통해 보완한 사후 확률로서 보정한다. 사전 확률은 아직 검증되지 않은 주관적 믿음이지만 이후 보정을 거쳐 되먹임 되기 때문에 점차 정확도가 향상된다. 한편 사후 확률은 일어난 사건의 결과를 놓고 그 결과가 나오게 된 원인을 생각하는 역방향의 확률이다. 즉 사건의 결과에서 애초의 표본 공간을 추정하는 작업이 된다. 따라서 사후 확률은 단독으로 확인할 수 없고 원인에 대한 가설과 결과 사이의 조건부 확률로 나타낼 수 밖에 없다. 베이즈 확률론의 확률 해석은 참값을 알지 못하는 가설을 검증하는 명제 논리의 확장으로 이해될 수 있다. (ko) La probabilità bayesiana è un'interpretazione del concetto di probabilità, in cui, anziché la frequenza o la propensione di qualche fenomeno, la probabilità viene interpretata come aspettazione razionale rappresentante uno stato di conoscenza o come quantificazione di una convinzione personale. (it) Het Bayesiaanse kansbegrip is een interpretatie van kans als redelijke verwachting die, in de objectivistische visie, de staat van kennis vertegenwoordigt, of die, in de subjectivistische visie, als kwantificering van een persoonlijke overtuiging van een bepaald verschijnsel wordt geïnterpreteerd. Beide visies staan tegenover de klassieke kansinterpretatie en de frequentistische opvatting. (nl) Ба́єсова ймові́рність (англ. Bayesian probability) — це одна з інтерпретацій поняття ймовірності. На протилежність до інтерпретування ймовірності як «частоти» або певного явища, баєсова ймовірність є величиною, що ми визначаємо з метою представлення стану знання або переконання. З баєсової точки зору ймовірність призначається гіпотезі, тоді як згідно з частотницькою точкою зору гіпотеза зазвичай перевіряється, не маючи призначеної ймовірності. (uk) |
| rdfs:label | احتمال بيشان (ar) Probabilitat bayesiana (ca) Bayesscher Wahrscheinlichkeitsbegriff (de) Bayesian probability (en) Probabilidad bayesiana (es) Bayestar probabilitate (eu) Probabilità bayesiana (it) ベイズ確率 (ja) 베이즈 확률론 (ko) Bayesiaanse kans (nl) Prawdopodobieństwo subiektywne (pl) Байесовская вероятность (ru) Probabilidade epistemológica (pt) 貝氏機率 (zh) Баєсова ймовірність (uk) |
| owl:sameAs | freebase:Bayesian probability yago-res:Bayesian probability wikidata:Bayesian probability dbpedia-ar:Bayesian probability dbpedia-ca:Bayesian probability http://cv.dbpedia.org/resource/Байес_пулаяслăхĕ dbpedia-de:Bayesian probability dbpedia-es:Bayesian probability dbpedia-et:Bayesian probability dbpedia-eu:Bayesian probability dbpedia-fa:Bayesian probability dbpedia-he:Bayesian probability dbpedia-hr:Bayesian probability dbpedia-it:Bayesian probability dbpedia-ja:Bayesian probability dbpedia-ko:Bayesian probability dbpedia-nl:Bayesian probability dbpedia-nn:Bayesian probability dbpedia-pl:Bayesian probability dbpedia-pt:Bayesian probability dbpedia-ru:Bayesian probability dbpedia-sh:Bayesian probability dbpedia-simple:Bayesian probability dbpedia-sr:Bayesian probability dbpedia-th:Bayesian probability dbpedia-tr:Bayesian probability dbpedia-uk:Bayesian probability dbpedia-zh:Bayesian probability https://global.dbpedia.org/id/4yhDa |
| prov:wasDerivedFrom | wikipedia-en:Bayesian_probability?oldid=1122105485&ns=0 |
| foaf:isPrimaryTopicOf | wikipedia-en:Bayesian_probability |
| is dbo:knownFor of | dbr:Edwin_Thompson_Jaynes dbr:Pierre-Simon_Laplace |
| is dbo:wikiPageDisambiguates of | dbr:Bayes |
| is dbo:wikiPageRedirects of | dbr:History_of_Bayesian_probability dbr:Metaprobability dbr:PersonalProbability dbr:Personal_Probability dbr:Personal_probability dbr:Bayesian_credibility dbr:Bayesian_logic dbr:Bayesian_probability_theory dbr:Bayesian_reasoning dbr:Bayesian_theory dbr:Bayesianism dbr:Baysian dbr:Baysian_Statistics dbr:Baysian_statistics dbr:Degree_of_belief dbr:Objective_Bayesian_probability dbr:Subjective_bayesian_probability dbr:Subjective_belief dbr:Subjective_probabilities dbr:Subjective_probability |
| is dbo:wikiPageWikiLink of | dbr:Bayes_factor dbr:Bayesian_approaches_to_brain_function dbr:Bayesian_average dbr:Bayesian_econometrics dbr:Bayesian_epistemology dbr:Bayesian_game dbr:Bayesian_inference dbr:Bayesian_inference_in_marketing dbr:Bayesian_poisoning dbr:Bayesian_programming dbr:Bayesian_statistics dbr:Bayesian_tool_for_methylation_analysis dbr:Endemoconus dbr:List_of_eponymous_adjectives_in_English dbr:Naive_Bayes_classifier dbr:Memecylon dbr:Online_aggregation dbr:Subjectivism dbr:Wigner's_friend dbr:Bayes'_theorem dbr:Bayesian_estimation_of_templates_in_computational_anatomy dbr:Bayesian_interpretation_of_kernel_regularization dbr:Bayesian_network dbr:Bertrand_paradox_(probability) dbr:Bounded_rationality dbr:David_Spiegelhalter dbr:Arbitrage dbr:Archaeo-optics dbr:John_P._Craven dbr:Paul_Draper_(philosopher) dbr:Richard_Carrier dbr:Richard_James_Boys dbr:Ridge_regression dbr:Cultural_consensus_theory dbr:David_Bakan dbr:David_Corfield dbr:David_Wolpert dbr:Decision_theory dbr:Design_of_experiments dbr:Development_of_doctrine dbr:Dutch_book dbr:Index_of_philosophy_articles_(A–C) dbr:Index_of_philosophy_of_science_articles dbr:Information_field_theory dbr:Intelligent_control dbr:International_Journal_of_Uncertainty,_Fuzziness_and_Knowledge-Based_Systems dbr:Intuitive_statistics dbr:Inverse_probability dbr:List_of_probability_topics dbr:Null_distribution dbr:Predictive_probability_of_success dbr:Proof_by_example dbr:Psychology_of_reasoning dbr:Reference_class_problem dbr:String_diagram dbr:18th_century dbr:Conditional_probability dbr:Confirmation_bias dbr:Copenhagen_interpretation dbr:Ancestral_sequence_reconstruction dbr:Ellsberg_paradox dbr:Estimation_theory dbr:General_linear_model dbr:Generalized_linear_model dbr:Quantum_Bayesianism dbr:Quantum_cognition dbr:Search_for_the_Higgs_boson dbr:Clark_Glymour dbr:Coherentism dbr:Edwin_Thompson_Jaynes dbr:Frank_Ramsey_(mathematician) dbr:Gene_Ontology_Term_Enrichment dbr:Gliese_676 dbr:Glossary_of_artificial_intelligence dbr:Motivated_reasoning dbr:Conjoint_analysis dbr:Conjugate_prior dbr:Consensus_clustering dbr:Continuous_Individualized_Risk_Index dbr:Control_theory dbr:Credal_set dbr:The_Moon_is_made_of_green_cheese dbr:Thomas_Bayes dbr:Equiprobability dbr:Statistical_inference dbr:Statistics dbr:Common_cause_and_special_cause_(statistics) dbr:Computational_learning_theory dbr:Dempster–Shafer_theory dbr:Empirical_Bayes_method dbr:Fully_probabilistic_design dbr:Henry_E._Kyburg_Jr. dbr:Horvitz–Thompson_estimator dbr:Office_Assistant dbr:Roko's_basilisk dbr:Probability_of_success dbr:String_theory_landscape dbr:Subjective dbr:Medical_test dbr:V-12_Navy_College_Training_Program dbr:Admissible_decision_rule dbr:Centrum_(multivitamin) dbr:Timeline_of_scientific_discoveries dbr:Truth_value dbr:William_I._F._David dbr:Doxastic_attitudes dbr:Dragon_king_theory dbr:James_Franklin_(philosopher) dbr:Jürgen_Kriz dbr:Landscape_genetics dbr:Least-squares_support_vector_machine dbr:Llangeinor dbr:Sunrise_problem dbr:Yule–Simon_distribution dbr:Propensity_probability dbr:Nils_Lid_Hjort dbr:ADMB dbr:2006_BCS_computer_rankings dbr:2007_BCS_computer_rankings dbr:2009_Supervisory_Capital_Assessment_Program dbr:Aggregated_indices_randomization_method dbr:Alex_Szalay dbr:Analytic_theology dbr:Edi_Karni dbr:Faith dbr:Fine-tuned_universe dbr:Base_rate_fallacy dbr:Oscar_Kempthorne dbr:Parameter dbr:Checking_whether_a_coin_is_fair dbr:Bayes dbr:Bayesian_classifier dbr:Diagnosis dbr:Forensic_epidemiology dbr:Founders_of_statistics dbr:Global_Consciousness_Project dbr:Global_Infectious_Disease_Epidemiology_Network dbr:Grammar_of_Assent dbr:History_of_probability dbr:History_of_scientific_method dbr:History_of_statistics dbr:Kolmogorov_complexity dbr:Two_envelopes_problem dbr:Mathematical_proof dbr:Prior_probability dbr:Probability dbr:HD_10180 dbr:Harold_Jeffreys dbr:Hierarchical_Dirichlet_process dbr:History_of_Bayesian_probability dbr:Interpretations_of_quantum_mechanics dbr:Bag-of-words_model dbr:Teleological_argument dbr:Cox's_theorem dbr:The_Big_Cartoon_DataBase dbr:The_Big_Picture_(Carroll_book) dbr:Hyperbolic_discounting dbr:Jeffreys_prior dbr:Arnold_Zellner dbr:Artificial_neural_network dbr:Advanced_process_control dbr:Charles_Sanders_Peirce dbr:Kenneth_Massey dbr:Biclustering dbr:Binary_decision_diagram dbr:Biological_network_inference dbr:Support_vector_machine dbr:Coherence_(philosophical_gambling_strategy) dbr:Hepatitis_C_virus dbr:The_Order_of_Time_(book) dbr:Bootstrapping_(statistics) dbr:Philip_Woodward dbr:Philosophy_of_religion dbr:Pierre-Simon_Laplace dbr:Positron_emission_tomography dbr:Solomonoff's_theory_of_inductive_inference dbr:Spy_Cave dbr:Classical_definition_of_probability dbr:Frequency_(statistics) dbr:Frequentist_inference dbr:Frequentist_probability dbr:Human_extinction dbr:Metaprobability dbr:Ice_core dbr:Inductive_reasoning dbr:Info-gap_decision_theory dbr:Michael_R._Powers dbr:Ornithoscelida dbr:Case_study dbr:Catalog_of_articles_in_probability_theory dbr:Catholic_probabilism dbr:Real-time_marketing dbr:Principle_of_indifference dbr:Loss_function dbr:Maximum_entropy_thermodynamics dbr:Principle_of_maximum_entropy dbr:Subjective_expected_utility dbr:Paola_Sebastiani dbr:Scale-invariant_feature_transform dbr:Sleeping_Beauty_problem dbr:Uncertainty_quantification dbr:Value_at_risk dbr:Necktie_paradox dbr:Stochastic_control dbr:Expected_utility_hypothesis dbr:Expected_value_of_including_uncertainty dbr:Expert_elicitation dbr:Extrapolation_domain_analysis dbr:IPCC_Third_Assessment_Report dbr:Imprecise_probability dbr:List_of_statistics_articles dbr:List_of_things_named_after_Thomas_Bayes dbr:List_of_unsolved_problems_in_statistics dbr:Probabilistic_logic dbr:Existence_of_God dbr:Uniqueness_thesis_(epistemology) dbr:Process_tracing dbr:Multiple_treatments dbr:Probability_interpretations dbr:Philosophy_of_science dbr:Self-Indication_Assumption_Doomsday_argument_rebuttal dbr:Statistical_potential dbr:Patrocladogram dbr:Optimality_criterion dbr:Original_position dbr:Outline_of_probability dbr:Outline_of_scientific_method dbr:Technique_for_human_error-rate_prediction dbr:Transmission_electron_cryomicroscopy dbr:Spinocerebellar_ataxia_type_1 dbr:PersonalProbability dbr:Personal_Probability dbr:Personal_probability dbr:Bayesian_credibility dbr:Bayesian_logic dbr:Bayesian_probability_theory dbr:Bayesian_reasoning dbr:Bayesian_theory dbr:Bayesianism dbr:Baysian dbr:Baysian_Statistics dbr:Baysian_statistics dbr:Degree_of_belief dbr:Objective_Bayesian_probability dbr:Subjective_bayesian_probability dbr:Subjective_belief dbr:Subjective_probabilities dbr:Subjective_probability |
| is dbp:knownFor of | dbr:Edwin_Thompson_Jaynes dbr:Pierre-Simon_Laplace |
| is rdfs:seeAlso of | dbr:Bayesian_inference |
| is foaf:primaryTopic of | wikipedia-en:Bayesian_probability |