Bayesian
具有多個條件的貝葉斯定理
我不明白這個等式是如何得出的。
這個等式來自論文“概率試驗”，其中 OJ Simpson 的案例作為示例問題給出。被告因雙重謀殺而受審，並提出了兩項不利於他的證據。
是指被告的血液與犯罪現場發現的一滴血相匹配的事件。是受害者的血液與屬於被告的襪子上的血液相匹配的事件。假設有罪，一個證據的出現會增加另一個證據的可能性。 是被告無罪的事件，而是他有罪的時候。
鑑於這兩個證據，我們正試圖獲得被告無罪的可能性的上限。
給出了一些變量的值，但我感興趣的是方程是如何得出的。我試過了，但一無所獲。
是的，我已經檢查了“可能已經有你答案的問題”。
由貝葉斯定理：
現在你提供的論文認為
如果是真的，那麼和是獨立的。但是假設有罪，一個的發生會增加另一個的概率。
所以
和因此， 推導， 筆記
並且自從發生會增加發生的概率：