paint-brush
Go sekaseka Matshwao a Mabotse ka Diteko tša dipoelo tša Binary ka Ditekong tša Megato ye Mebedi ka@bayesianinference
140 dipuku tša go balwa

Go sekaseka Matshwao a Mabotse ka Diteko tša dipoelo tša Binary ka Ditekong tša Megato ye Mebedi

ka Bayesian Inference
Bayesian Inference HackerNoon profile picture

Bayesian Inference

@bayesianinference

At BayesianInference.Tech, as more evidence becomes available, we make predictions...

3 mets read2024/11/10
Read on Terminal Reader
Read this story in a terminal
Print this story
tldt arrow
nso-flagNSO
Bala kanegelo ye ka Sesotho sa Leboa!
en-flagEN
Read this story in the original language, English!
ru-flagRU
Прочтите эту историю на русском языке!
es-flagES
Lee esta historia en Español!
ja-flagJA
この物語を日本語で読んでください!
af-flagAF
Lees hierdie storie in Afrikaans!
rw-flagRW
Soma iyi nkuru muri Kinyarwanda!
fa-AF-flagFA-AF
این داستان را به زبان دری بخوانید!
sr-flagSR
Прочитајте ову причу на српском!
kk-flagKK
Бұл оқиғаны қазақша оқыңыз!
hr-flagHR
Pročitajte ovu priču na hrvatskom!
ur-flagUR
اس کہانی کو اردو میں پڑھیں!
ka-flagKA
წაიკითხეთ ეს ამბავი ქართულად!
NSO

Nako e telele kudu; Go bala

Karolo ye e hlahloba go laetša mo go loketšego mo mohlaleng wa kgodišo wa Bayesian wa dikgato tše pedi ka teko ya kgato ya I yeo e hlamilwego ke moromiši le diteko tša kgato ya II tše di ikemišeditšego, go akaretšwa le melato ye e sa rego selo. Lemma 1 e bontšha gore diteko tša kgato ya II tše di sa rego selo di dumelela maano ao a swanago le diteko tša kgato e tee.
featured image - Go sekaseka Matshwao a Mabotse ka Diteko tša dipoelo tša Binary ka Ditekong tša Megato ye Mebedi
Bayesian Inference HackerNoon profile picture
Bayesian Inference

Bayesian Inference

@bayesianinference

At BayesianInference.Tech, as more evidence becomes available, we make predictions and refine beliefs.

0-item

STORY’S CREDIBILITY

Academic Research Paper

Academic Research Paper

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Bangwadi: .

(1) Shih-Tang Su, Yunibesithi ya Michigan, Ann Arbor (shihtang@umich.edu);

(2) Vijay G. Subramanian, Yunibesithi ya Michigan, Ann Arbor le (vgsubram@umich.edu);

(3) Grant Schoenebeck, Yunibesithi ya Michigan, Ann Arbor (schoeneb@umich.edu).

Tafole ya Dikgokagano

Abstract le 1. Matseno

2. Tlhamo ya Mathata

2.1 Mohlala wa Diteko tša Dipoelo tša Binary ka Ditekong tša Mekgahlelo ye Mebedi

3 Diteko tša dipoelo tša binary ka Diteko tša Mekgahlelo ye Mebedi le 3.1 Diteko ka ditlhahlobo

3.2 Dikakanyo le maano ao a hlohleleditšwego

3.3 Dithibelo tšeo di filwego ke diteko tša kgato ya II

3.4 Tekanyo ya kgodišo le sebopego sa go laetša se se loketšego

3.5 Papetšwana le maano a kgodišo a segologolo a Bayesian

4 Diteko tša dipoelo tša binary ka ditekolong tša dikgato tše ntši le 4.1 Mohlala wa diteko tša dipoelo tša binary ka ditekolong tša dikgato tše ntši

4.2 Diteko tše di ikemišeditšego go bapetšwa le tšeo di hlamilwego ke moromiši

4.3 Mohlala wa dikgato tše ntši le kgodišo ya Bayesian ya segologolo le Ditšhupetšo

3 Diteko tša dipoelo tša binary ka Ditekong tša Mekgahlelo ye Mebedi

Karolong ye bothata bja moromiši bja go dira gore dilo di šome gabotse bjo bo tšweleditšwego go (2) Karolo 2.1, bo rarollwa go thoma ka taba ye bonolo kudu yeo e sego ya bohlokwa. Go na le dikgato tše pedi fela mo tekong yeo e ithutilwego mo, gomme go tšwa go se re tla hlabolla temogo ye ntši ya ka fao mehuta ye e fapanego ya diteko (tšeo di ikemišeditšego go bapetšwa le tšeo di hlamilwego ke moromiši) di tutuetšago leano le le loketšego la go laetša la moromiši. Go ba yo a lebanyago kudu, re tla sekaseka ka moo diteko tše pedi tše di ikemišeditšego (mo kgatong ya II) le teko e tee yeo e hlamilwego ke moromiši (mo kgatong ya I) di tlago ama leano le le loketšego la go laetša la moromiši. Pele re tšweletša taba ya kakaretšo, re ahlaahla sehlopha sa sehlopha se senyenyane sa diteko tša magato a mabedi tšeo di swanago le diteko tša kgato e tee. Sehlopheng se sa diteko tša dikgato tše pedi, go ye nngwe ya diteko tša kgato ya II, yeo e bitšwago teko ye e sa rego selo, kabo ya dipoelo e ikemetše ka seemo sa nnete. Diteko tše di sa rego selo [2], tšeo gape di bitšwago (Blackwell) diteko tšeo e sego tša tshedimošo ka dingwalweng tše dingwe, gantši di šomišwa bjalo ka ditekanyetšo go bapetša phetogo ya mohola ye e letetšwego ya baemedi ka fase ga dikema/mekgwa ye e fapanego ya go laetša, mohlala, [22,20,21]. Mohlala wo wa magato a mabedi ka teko ye e sa rego selo o leka go swara mathata a lefase la nnete ka teko e tee ya nnete (le ye e bitšago tšhelete ye ntši), mohlala, diteko tša kliniki, dipeeletšo tša tšhelete ya go thoma, goba baromiwa ba sebaka. Ka ge teko e bitša tšhelete e ntši, go newa tshepedišo ya go hlahloba bakeng sa go dira phetho ya ge e ba go swanetše go dira teko. Ka morago re tla sekaseka leano le le loketšego la go laetša boemong bja kakaretšo, moo diteko ka bobedi mo kgatong ya II e sego tša bohlokwa.

3.1 Diteko tša go dira dipontšho

Re thoma ka go sekaseka leano le le loketšego la moromiši (sebopego sa go laetša) boemong bjo bonolo moo go nago le teko e tee yeo e sego ya bohlokwa yeo e dirilwego mo kgatong ya II. Taolo ya moromiši ya go kgetha para ya kgonagalo (p1, p2) e laola tshepedišo ya go hlahloba. Go efoga go se kwagale le ge e le gofe, re thoma ka go hlaloša seo teko e sa rego selo e lego sona.


image


Ge teko ye e sa rego selo (mo kgatong ya II) e dirwa, tumelo ya ka morago ya mmušo e dula e swana le tumelo ya nakwana yeo e hweditšwego go (1). Ge go na le teko ye e sa rego selo dikgethong tše pedi tša teko ya kgato ya II, gona Lemma 1 e bolela gore mohola wo o letetšwego wa moromiši le moamogedi ka fase ga leano la go laetša le le loketšego le swana le bothata bja kgodišo ya Bayesian ya kgale (ya kgato e tee).


Lemma 1. Ge sebaka sa mmušo e le binary, bobedi didirišwa tše di letetšwego tša moromiši le moamogedi di a swana ka dikemeng tše pedi tše di latelago tša kgodišo ya Bayesian ka fase ga leano le lebotse la go laetša la sekema se sengwe le se sengwe:


  1. Kgodišo ya Bayesian tekong ya kgato e tee, .


  2. Kgodišo ya Bayesian ka tekong ya dikgato tše pedi ka teko ya kgato ya I yeo e hlamilwego ke moromiši le teko ye e sa rego selo mo kgatong ya II.


Ka sebopego sa kgodišo ya Bayesian ya kgale ya tsheko e tee, leano la go laetša le le loketšego le tswakanya fela maemo a mabedi ao a kgonegago ka sephetho se tee (mohlala, ge motšhotšhisi a bolela gore mogononelwa o na le molato). Ka sephetho se sengwe, moromiši o utolla mmušo wa nnete ka kgonagalo e tee (mohlala, ge motšhotšhisi a re mogononelwa ga a na molato). Ge go na le teko ye e sa rego selo mo kgatong ya II, teko ye nngwe (re tšea gore e tla dirwa ka sephetho sa ωB) e tla dirwa gore e se sa šoma ke kgetho ya moromiši ya diteko mo kgatong ya I. Tiragalo ye e direga ka gobane moromiši a ka kgetha go utolla ka mehla boemo bja nnete ge teko yeo e sego ya bohlokwa e swanetše go dirwa, ke gore, ka go beakanya P(θ1|EB) = 1 goba P(θ2|EB) = 1; le leano la kgodišo la Bayesian la kgale le ka boeletšwa. Ge e le gabotse, go ba le teko ye e sa rego selo tekong ya kgato ya II ga go thibele moromiši.


Pampiri ye e hwetšagala go arxiv ka fase ga laesense ya CC 4.0.


L O A D I N G
. . . comments & more!

About Author

Bayesian Inference HackerNoon profile picture
Bayesian Inference@bayesianinference
At BayesianInference.Tech, as more evidence becomes available, we make predictions and refine beliefs.

HANG TAGS YA GO FEGA

X REMOVE AD