Analiza Bayesowska zadania

Bartosz Janik Uniwersytet Jagielloski Pawel Banas Uniwersytet Jagielloski 2 grudnia 2012 Aleksandra Samonek Uniwersytet Jagielloski

Wszelkie zauwaone bdy lub niedostatecznie wyjanione miejsca prosz zgasza do autorw (moliwie do mnie B.J.). Wszystkie zadania rozwiza mona za pomoc wzorw podanych poniej oraz wykorzystujc elementarne wiadomoci z rachunku prawdopodobiestwa.

Wzorki
p(A|B) + p(A|B) = 1 p(A, B|C) = p(A|C)p(B|A, C) = p(B|C)p(A|B, C) p(Hi |D, I) = p(Hi |I)p(D|Hi , I) p(D|I) (0.0.1) (0.0.2) (0.0.3)

Czynnik normalizujcy we wzorze Bayesa moe mie posta: p(D|I) =

i

p(Hi |I)p(D|Hi , I)

(0.0.4)

czyli dla i = 2 mamy: p(D|I) = p(H1 |I)p(D|H1 , I) + p(H2 |I)p(D|H2 , I) (0.0.5)

Rozgrzewka
Dane: P (B1 ) = 2/3, P (B2 ) = 1/3, P (A|B1 ) = 2/3, P (A|B2 ) = 1/2 (B1 oraz B2 dziel nam rozcznie i wyczerpujco przestrze hipotez) Znajd: 1. P (A) 2. P (B1 |A) 3. P (B2 |A)
bartosz.janik@uj.edu.pl bawel.banas@uj.edu.pl aleksandra.samonek@gmail.com

Rozwizanie
1. P (A) = p(B1 )p(A|B1 ) + p(B2 )p(A|B2 ) 2. p(B1 |A) =
p(B1 )p(A|B1 ) p(A)

p(B1 )p(A|B1 ) p(B1 )p(A|B1 )+p(B2 )p(A|B2 )

3. Wystarczy zauway e p(B1 |A) + p(B2 |A) = 1

Zadanie 1
[Wybr modelu] Zakadamy e mamy urn w ktrej jest sze kul, ktre mog by biae lub czarne (na pewno nie s one jednego koloru). Naszym celem jest poznanie zawartoci urny. Pierwszym zadaniem jest wyliczenie mozliwych modeli dla tej sytacji oraz przypisanie im prawdopodobiestwa na podstawie posiadanych informacji. Drugim zadaniem jest odpowied na pytanie: jaki model i w jakim stopniu jest faworyzowany, gdy wylosujemy dwie biae kule?

Rozwizanie
Moliwe modele s rwnie prawdopodobne, jest ich pie (5B+1C,4B+2C,3B+3C,2B+4C,1B+5C), mamy wic po 0.2 na model (eby suma bya rwna 1). Losujemy dwie biale kule, ustalamy wiarygodnoci Bayesowskie: p(2 B|M 1) = 5/6 4/5 = 0.667 p(2 B|M 2) = 4/6 3/5 = 0.400 p(2 B|M 3) = 3/6 2/5 = 0.200 p(2 B|M 4) = 2/6 1/5 = 0.067 p(2 B|M 4) = 1/6 0/5 = 0.0 Czynnik normalizujcy: p(D) = p(2 B) =
i

p(2 B|Mi ) = 0.266

oraz prawdopodobiestwa a posteriori: p(M1 |2 B) = p(M2 |2 B) = 0.667 0.20 = 0.502 0.2668

0.40 0.20 = 0.300 0.2668 0.20 0.20 p(M3 |2 B) = = 0.150 0.2668 0.067 0.20 p(M4 |2 B) = = 0.050 0.2668 0.0 0.20 p(M5 |2 B) = = 0.0 0.2668

Zadanie 2
[Ojcostwo bez DNA] Dziecko z grup krwi B pochodzi od matki z grup krwi 0. Genetyka mwi nam e dziecko odziedziczyo allel B od swojego ojca. Rzekomy ojciec ma grup krwi AB. Jakie jest prawdopodobiestwo ojcostwa? (Przyjmujemy e allel B wystpuje w populacji z czstotliwoci 0.9 a grupa krwi AB zapewnia allele z rwnym prawdopodobiestwem). P (B|F ) prawdopodobiestwo odziedziczenia allelu pod warunkiem e jest ojcem P (B|F ) prawdopodobiestwo odziedziczenia allelu od innego mczyzny P (F ) prawdopodobiestwo a priori e jest jej ojcem P (B|F ) = 0.5 P (B|F ) = 0.09 P (F ) = 0.5 (Prior dowolny!) p(F |B) = p(F ) p(B|F ) = 0.847 p(F ) p(B|F ) + (1 p(F )) p(B|F ) (0.0.6)

Zadanie 3
[Klasyczny przypadek testu na VD] Prawdopodobiestwo faszywie pozytywnego wyniku testu jest rwne 2.3% a prawdopodobiestwo faszywego negatywnego wyniku testu jest rwne 1.4%. Czstotliwo wystpowania choroy w populacji wynosi 1 : 10000. Pytanie: jakie jest prawdopodobiestwo e po pozytywnym wyniku testu (wobec braku innych informacji wspierajcych hipotez e pacjent ma VD) pacjent w rzeczywistoci ma VD? Jak zmieni si prawdopodobiestwo gdy wykonany zostanie kolejny test, ktrego prawdopodobiestwo prawdziwie pozytywnego wyniku wynosi 95% a prawdziwie faszywego 90% ?

Rozwizanie
H = Masz jednostk chorobow. H = Nie masz jednostki chorobowej. D1 = Test pozytywny. I1 = Brak jakiejkolwiek przyczyny choroby. p(D1 |H, I1 ) = 0.986 p(D1 |H, I1 ) = 0.023 Z uwagi na okoliczno, e przestrze hipotez skada si z dwch elementw, czynnik normalizujcy we wzorze bayesa moe by przedstawiony jako: p(D1 |I1 ) = p(H|I1 )p(D1 |H, I1 ) + p(H|I1 )p(D1 |H, I1 ) (0.0.7)

za wzr Bayesa: p(H|D1 , I1 ) = p(H|I1 )p(D1 |H, I1 ) p(H|I1 )p(D1 |H, I1 ) + p(H|I1 )p(D1 |H, I1 ) (0.0.8)

warto zauway e p(H|I1 ) nie jest niczym innym ni czstotliwoci wystpowania choroby w populacji, p(H|I1 ) = 1 p(H|I1 ). Z podanych informacji moemy obliczy prawdopodobiestwo posiadania choroby: p(H|D1 , I1 ) = 0.0042 Informacja dodatkowa p(D + |H+) = 95% oraz p(D |H) = 90%: p(H + |D+) = p(D + |H+)p(H+) = p(D + |H+)p(H+) + p(D + |H)p(H) 0.95 0.0042 = = 0.29 0.95 0.0042 + 0.01 0.986 (0.0.9)

(0.0.10)

Zadanie 4
[Racjonalo czekania na autobus] Zamy e A przyszed na przystanek autobusowy przed spodziewanym przyjazdem autobusu i czeka na niego a do czasu, gdy by spniony 10min. Autobusy czasem si nie pojawiaj a nastpny autobus ma pojawi si za 2h. Prawdopodobiestwo e autobus si nie pojawi wynosi 10% a prawdopodobiestwo e autobus ktry si pojawi, spni si powyej 10min wynosi 20%. Pamitajc e autobus jest ju spniony, jakie jest prawdopodobiestwo e nie pojawi si on wcale i A bdzie zmuszony i pieszo? p(B) = 0.9 (Przyjedzie) p(W ) = 0.1 (Nie przyjedzie) p(10min|B) = 0.2 p(10min|W ) = 0.8 Liczymy e przyjedzie jednak: p(B|10min) = oraz e nie przyjedzie: p(W |10min) = p(W ) p(10min|W ) = 0.357 p(W ) p(10min|W ) + p(B) p(10min|B) (0.0.12) p(B) p(10min|B) = 0.643 p(B) p(10min|B) + p(W ) p(10min|W ) (0.0.11)