証明: ベイズの定理P(H|D) = P(D|H)P(H)/P(D)とし、P(H)=1とP(H)=0の場合を証明すれば良い。 P(D|H) = P(H∩D)/P(H) P(H)=1 → P(H∩D)=P(D)→P(H|D)=P(H)(P(D)/P(H))/P(D)=P(D)/P(D)=1 P(H)=0 → 0*P(D|H)/P(D) = 0
結論に異論ない(同じ状態のベイズ更新は収束する)けどP(H)=1の後の計算合ってるか?
P(H)=1のときH∩D=Dと思ったんだけど違う? P(H)=1→H=Uだと思うんだけど。
尤度は関係ないやろ?
尤度が関係あるかどうか知らんが、エントロピー最小(P(H)=1 or 0)のときにはベイズ更新されないということを、ベイズの定理に代入しただけだぞ。
いや尤度の事象は変わらんって話。事前確率1って尤度の値そのまま更新するってだけの話だし。 その計算だとP(H)=0のときゼロ除算出てこないか?
> いや尤度の事象は変わらんって話。事前確率1って尤度の値そのまま更新するってだけの話だし。 いや、尤度は条件にHを入れてるからHに依存する。で、俺が思ったのがP(H)=1ならH=Uだ...
P(D)=sum_H(P(D|H) P(H) )から導出されてるなら問題ない
お前がどの計算に混乱してるのかわからんが、定理に単に代入すればそうなるだろ。 俺と同じこと言ってるのがあるからそれ引用するわ。 Once the prior probability is 0 or 1, applying Bayes Theorem...
結論でなく途中がおかしいと言ってる
どこが?P(H)=1 or 0をベイズの定理に代入するだけだぞ。
同時確率からいきなり周辺尤度は出ない。それは周辺尤度の式から展開されて導出される式よ
なんというか、証明方法って幾通りかあると思うんだけど、P(H)=1 or 0の特殊なケースで適当な項がきれいに消えてくれるだけなので、そのあたりわかってる?
証明方法は幾通りあっても尤度の事象は変わらんよ。事前確率1のときは周辺尤度がその尤度のみになるから1になる
尤度の事象、という話は多分どうでもよく、俺がやってるのは「代入した、式変形した、証明できた」それだけ