贝叶斯公式与随机点名中的学生可信度

ゞ浴缸里的玫瑰 2022-12-11 12:23 99阅读 0赞

今天的Java上机练习有一道非常有意思的题：

> 使用贝叶斯公式求解，随机点名多少次，学生的可信度降到了0.01以下，该同学需要经过多少次，可信度才能上升到0.85。 假定初始同学可信的概率是0.8，可信同学上课的概率是0.8，不可信同学上课的概率是0.4，请编写程序求解上述问题。

贝叶斯分析作为一个统计学的基本流派，通过先验和条件概率的结合，可以综合已有过往人类对一个领域的知识和更新的数据，来不停改进人类的认知。即一个人的行为会不断修正其他人对其的看法。  
  相信大家都听过“狼来了”的故事，而这道题和“狼来了”非常类似。在这道题目的背景下，学生有两种行为，即去上课和不去上课；老师也有两种行为，即信任这个学生或不信任这个学生。我们不妨设事件 A A A表示学生不来上课，事件 B B B表示学生可信。那么根据题意，有 P ( B ) = 0.8 , P ( B ˉ ) = 0.2. P(B)=0.8,P(\\bar B)=0.2. P(B)=0.8,P(Bˉ)=0.2.在计算修正后的学生可信度时，我们需要知道可信的学生不来上课的概率，以及不可信的学生不来上课的概率，即 P ( A ∣ B ) = 0.2 , P ( A ∣ B ˉ ) = 0.6. P(A|B)=0.2,P(A|\\bar B)=0.6. P(A∣B)=0.2,P(A∣Bˉ)=0.6.那么，当可信的学生第一次不来上课时，他的可信度修正为 P ( B ∣ A ) = P ( B ) P ( A ∣ B ) P ( B ) P ( A ∣ B ) + P ( B ˉ ) P ( A ∣ B ˉ ) = 0.8 × 0.2 0.8 × 0.2 + 0.2 × 0.6 = 4 7 . P(B|A)=\\frac\{P(B)P(A|B)\}\{P(B)P(A|B)+P(\\bar B)P(A|\\bar B)\}=\\frac\{0.8\\times0.2\}\{0.8\\times0.2+0.2\\times0.6\}=\\frac\{4\}\{7\}. P(B∣A)=P(B)P(A∣B)\+P(Bˉ)P(A∣Bˉ)P(B)P(A∣B)=0.8×0.2\+0.2×0.60.8×0.2=74.  
也就是说，可信的学生第一次不来上课，他的可信度就会从原先的0.8下降到0.57左右。当他后续多次不来上课时，他的可信度就会越来越低。

double b = 0.8;        // 学生可信
    double b_ = 0.2;       // 学生不可信
    double ab = 0.2;       // 学生可信但未上课
    double ab_ = 0.6;      // 学生不可信且未上课
    double a_b = 0.8;      // 学生可信且上课
    double a_b_ = 0.4;     // 学生不可信但上课
    
    // 随机点名多少次，学生的可信度降到了0.01以下
    int cnt1 = 0;
    while (b >= 0.01) { 
        b = (b * ab) / (b * ab + b_ * ab_);
        b_ = 1 - b;
        cnt1++;
    }
    System.out.println("随机点名" + cnt1 + "次，学生的可信度降到了0.01以下");
    System.out.println("此时学生的可信度为" + b);

通过编写程序，我们可以得知，当学生连续6次不来上课时，他的可信度就会从0.8降到0.01以下。  
![在这里插入图片描述][2020093018485933.png]

同样的道理，如果他后续来上课，那么老师对他的可信度就会不断提高。下面是解决本道题目后半个问题的代码：

// 该同学需要经过多少次，可信度才能上升到0.85
    int cnt2 = 0;
    while (b < 0.85) { 
        b = (b * a_b) / (b * a_b + b_ * a_b_);
        b_ = 1 - b;
        cnt2++;
    }
    System.out.println("该同学需要经过" + cnt2 + "次，可信度才能上升到0.85");
    System.out.println("此时学生的可信度为" + b);

![在这里插入图片描述][20200930185106491.png]

下面是解决本题的完整代码：

package JavaProgramming_B;
    
    public class Experiment_2_4 { 
        public static void main(String[] args) { 
            double b = 0.8;        // 学生可信
            double b_ = 0.2;       // 学生不可信
            double ab = 0.2;       // 学生可信但未上课
            double ab_ = 0.6;      // 学生不可信且未上课
            double a_b = 0.8;      // 学生可信且上课
            double a_b_ = 0.4;     // 学生不可信但上课
    
            // 随机点名多少次，学生的可信度降到了0.01以下
            int cnt1 = 0;
            while (b >= 0.01) { 
                b = (b * ab) / (b * ab + b_ * ab_);
                b_ = 1 - b;
                cnt1++;
            }
            System.out.println("随机点名" + cnt1 + "次，学生的可信度降到了0.01以下");
            System.out.println("此时学生的可信度为" + b);
    
            // 该同学需要经过多少次，可信度才能上升到0.85
            int cnt2 = 0;
            while (b < 0.85) { 
                b = (b * a_b) / (b * a_b + b_ * a_b_);
                b_ = 1 - b;
                cnt2++;
            }
            System.out.println("该同学需要经过" + cnt2 + "次，可信度才能上升到0.85");
            System.out.println("此时学生的可信度为" + b);
        }
    }

运行结果如下：  
![在这里插入图片描述][20200930185239143.png]

由此可见，一个人的行为确实会不断修正其他人对其的看法。

--------------------

参考文章：[如何用贝叶斯公式计算“狼来了”中村民对小孩的信任程度][Link 1]  
如发现本文中的问题，请联系我，我将不胜感激，并将问题加以改正。

[2020093018485933.png]: /images/20221123/3681ed4bdfed41ed867ad37b274c6821.png
[20200930185106491.png]: /images/20221123/fe189abc28894b5eb1106941e06f2cd2.png
[20200930185239143.png]: /images/20221123/42bb6fadb06540f79a5dcc53e4ada9f4.png
[Link 1]: https://cloud.tencent.com/developer/article/1150737