Bayesian Inference

학습내용

Bayesian Theorem

$P(A|B) = \sum_n P(A | B_n) P(B_n)$

베이지안에서의 $P(A|B)$는 $B$라는 추가 정보를 바탕으로 한 $A$의 확률

$p(A|B)$ -> 사후 확률. (B라는 정보가 업데이트 된 이후의 사후 확률)

$p(A)$ -> 사전 확률. B라는 정보가 업데이트 되기 전의 사전확률

$p(B|A)$ -> likelihood

TPR : True Positive Rate (= Sensitivity) 1인 케이스에 대해 1로 잘 예측한 비율.(암환자를 암이라고 진단 함)

FPR : False Positive Rate (= 1-specificity) 0인 케이스에 대해 1로 잘못 예측한 비율.(암환자가 아닌데 암이라고 진단 함)

Bayesian 기반 신뢰구간 추정

from scipy import stats

mean_CI, variance, std = stats.bayes_mvs(분포, alpha = .95)

# ex) mean_CI = Mean(statistic=0.35, minmax=(0.12097224312031751, 0.5790277568796824))

추가내용

t = stats.t.ppf( 0.975 , n - 1)
cdf값이 0.975가 되는 지점의 x값을 반환