بازگشت به فهرست مقالات

    An Essay towards solving a Problem in the Doctrine of Chances

    Thomas Bayes
    📅 1763🏛 Philosophical Transactions of the Royal Society of London, vol. 53, pp. 370-418
    مسئله

    این مقاله اصلی‌ترین اثر توماس بیز است که قضیه‌ی معروف به نام او را معرفی می‌کند و راهی برای محاسبه‌ی احتمال معکوس ارائه می‌دهد.

    روش

    بیز با استفاده از استدلال‌های هندسی و مفهوم احتمال پیشین، فرمولی برای به‌روزرسانی احتمال بر اساس مشاهدات جدید ارائه می‌دهد.

    یافته

    قضیه‌ی بیز روشی برای استنتاج آماری فراهم می‌کند که پایه‌ی تمام آمار بیزی مدرن است.

    محدودیت‌ها

    این مقاله به صورت ریاضی مدرن نوشته نشده و مفاهیم امروزی مانند توزیع‌های پیوسته را به صراحت پوشش نمی‌دهد.

    کاربرد عملی

    قضیه‌ی بیز امروزه در همه‌ی سیستم‌های یادگیری ماشین، تشخیص الگو، پزشکی، و رباتیک برای فیلتر کردن، محلی‌سازی و تصمیم‌گیری استفاده می‌شود. در پروژه‌های سه‌گانه، بیز به عامل نرم‌افزاری کمک می‌کند تا با عدم‌قطعیت در تشخیص اشیاء و ربات‌ها در تخمین وضعیت و فیلتر کردن داده‌های حسگر مواجه شوند.

    📇 فلش‌کارت خلاصه — 13 فیلد تحلیلی برای این مقاله

    خلاصه

    مقاله‌ی اصلی بیز که قضیه‌ی بیز را معرفی می‌کند و پایه‌های استنتاج بیزی را بنا می‌نهد.

    نمای سریع

    قضیه‌ای بنیادین برای به‌روزرسانی باورها با شواهد جدید.

    یافته‌های کلیدی

    قضیه‌ی بیز روشی برای استنتاج آماری فراهم می‌کند که پایه‌ی تمام آمار بیزی مدرن است.

    هدف

    ارائه‌ی روشی برای محاسبه‌ی احتمال معکوس در مسائل شانس.

    روش

    بیز با استفاده از استدلال‌های هندسی و مفهوم احتمال پیشین، فرمولی برای به‌روزرسانی احتمال بر اساس مشاهدات جدید ارائه می‌دهد.

    نتایج

    معرفی فرمول معروف و اثبات آن با استفاده از هندسه.

    نتیجه‌گیری

    این قضیه یکی از مهم‌ترین ابزارهای ریاضی برای استدلال تحت عدم‌قطعیت است.

    مفاهیم کلیدی

    بیز، احتمال شرطی، استنتاج بیزی، تاریخ آمار

    مطالعه‌ی بیشتر

    https://www.jstor.org/stable/103683

    تحلیل

    این مقاله یکی از تأثیرگذارترین مقالات در تاریخ علم و پایه‌گذار آمار بیزی محسوب می‌شود.

    محدودیت‌ها

    این مقاله به صورت ریاضی مدرن نوشته نشده و مفاهیم امروزی مانند توزیع‌های پیوسته را به صراحت پوشش نمی‌دهد.

    کارهای آینده

    توسعه‌ی کاربردهای بیز در مسائل پیچیده‌تر و داده‌های بزرگ.

    کاربرد عملی

    قضیه‌ی بیز امروزه در همه‌ی سیستم‌های یادگیری ماشین، تشخیص الگو، پزشکی، و رباتیک برای فیلتر کردن، محلی‌سازی و تصمیم‌گیری استفاده می‌شود. در پروژه‌های سه‌گانه، بیز به عامل نرم‌افزاری کمک می‌کند تا با عدم‌قطعیت در تشخیص اشیاء و ربات‌ها در تخمین وضعیت و فیلتر کردن داده‌های حسگر مواجه شوند.

    ارجاعات (این مقاله از این‌ها استفاده کرده) (0)

    ارجاعی ثبت نشده است.

    ارجاع‌شده توسط (0) ▶

    هنوز مقاله‌ای به این ارجاع نداده است.

    مسیر یادگیری پیش‌نیاز این مقاله