qm2-quiz-globus

qm2
2024
bayes
Published

December 13, 2024

1 Aufgabe

Geben Sie jeweils an, ob die Aussage richtig oder falsch ist.

  1. Der Prozess des Bayes-Updates hat folgende drei Teile: Priori-Verteilung -> Likelihood -> Posteriori-Verteilung.
  2. Die Likelihood-Funktion ist die Wahrscheinlichkeit der Daten unter der Annahme einer bestimmten Hypothese bzw. bestimmter Parameterwerte.
  3. Die Likelihood kann nie Null sein.
  4. Die Posteriori-Wahrscheinlichkeit (einer bestimmten Hypothese) kann nie Null sein.
  5. Die Priori-Wahrscheinlichkeit (einer bestimmten Hypothese) kann nie Null sein.
  6. Die Posteriori-Wahrscheinlichkeit misst die Wahrscheinlichkeit einer Hypothese, gegeben der Daten und der Priori-Verteilung und des Modells.
  7. Bei einer Gleichverteilung ist jede Wert gleich wahrscheinlich.
  8. Bayes’ Theorem kann man so darstellen: Pr(H|D)=Pr(H)Pr(D|H)Pr(D).
  9. Das Produkt von Likelihood und Priori-Wahrscheinlichkeit nennt man Evidenz.
  10. Die standardisierte Posteriori-Wahrscheinlichkeit ist gleich dem Produkt von Priori-Wahrscheinlichkeit und Likelihood.
  11. Sei die Priori-Wahrscheinlichkeit Pr(H)=.1 und die Likelihood Pr(D|H)=.25. Dann ist die Posteriori-Wahrscheinlichkeit Pr(H|D)=.25.
  12. Die Posteriori-Verteilung (Kurz: “Post-Verteilung”, oder “Post”) zeigt, wie plausibel wir jeden Wert von halten, nachdem wir die Daten des Versuchs kennen.
  13. Pr(H|D) nennt man auch die Likelihood.
  14. Wenn ein Krebstest eine Sicherheit von 90% hat (d.h. Pr(+|K)=.9), dann ist die Wahrscheinlichkeit, wirklich Krebs zu haben, wenn der Test positiv ist, gleich 90%.













2 Lösung

  1. Der Prozess des Bayes-Updates hat folgende drei Teile: Priori-Verteilung -> Likelihood -> Posteriori-Verteilung. R
  2. Die Likelihood-Funktion ist die Wahrscheinlichkeit der Daten unter der Annahme einer bestimmten Hypothese bzw. bestimmter Parameterwerte. R
  3. Die Likelihood kann nie Null sein. F
  4. Die Posteriori-Wahrscheinlichkeit (einer bestimmten Hypothese) kann nie Null sein. F
  5. Die Priori-Wahrscheinlichkeit (einer bestimmten Hypothese) kann nie Null sein. F
  6. Die Posteriori-Wahrscheinlichkeit misst die Wahrscheinlichkeit einer Hypothese, gegeben der Daten und der Priori-Verteilung und des Modells. R
  7. Bei einer Gleichverteilung ist jede Wert gleich wahrscheinlich. R
  8. Bayes’ Theorem kann man so darstellen: Pr(H|D)=Pr(H)Pr(D|H)Pr(D). R
  9. Das Produkt von Likelihood und Priori-Wahrscheinlichkeit nennt man Evidenz. F
  10. Die standardisierte Posteriori-Wahrscheinlichkeit ist gleich dem Produkt von Priori-Wahrscheinlichkeit und Likelihood. F
  11. Sei die Priori-Wahrscheinlichkeit Pr(H)=.1 und die Likelihood Pr(D|H)=.25. Dann ist die Posteriori-Wahrscheinlichkeit Pr(H|D)=.25. F
  12. Die Posteriori-Verteilung (Kurz: “Post-Verteilung”, oder “Post”) zeigt, wie plausibel wir jeden Wert von halten, nachdem wir die Daten des Versuchs kennen. R
  13. Pr(H|D) nennt man auch die Likelihood. F
  14. Wenn ein Krebstest eine Sicherheit von 90% hat (d.h. Pr(+|K)=.9), dann ist die Wahrscheinlichkeit, wirklich Krebs zu haben, wenn der Test positiv ist, gleich 90%. F