前　/sm46078895

音声：voicepeakフリモメン/音街ウナ/ずんだもん
立ち絵：各公式サイト

オマケ
天気予報とベイズの別パターン
事前分布A = 「今日18時までに雨が降る」
個別要素B = 「現在、湿度が高く、気圧が下がり、レーダー上でも降水域が接近している」
尤度P(B|A) = 「本当に18時までに雨が降る日なら、そのような観測が出る確率」
周辺尤度P(B) = 「雨が降るかどうかにかかわらず、そのような観測が出る確率」
事後確率P(A|B) = 「その観測が出た今、18時までに雨が降る確率」

動画打ってる時にまとまらなくて定番ルートに逃げましたがくやしいので無理やりか回収した後に天気の論文読み直して、こっちのがよかったけど作り直すのめんどくせえとなって概要欄行き。
また個人的に一番こわいのは「どれをA／Ｂに配分するのか」というスタートです。哲学的ゆえにどんなパターンでもそれらしくなってしまうのですよね。だから「雨が降る」を別にＢにしてもよくなるわけで、そうすると結果的に周辺難易度が爆上がりします。

オマケ２
現実の病理判定がカタログスペックに近い理由
劇中の通り「発熱などの症状があるため、事前の罹患確率が50%」である母集団に同じ精度（尤度90%、擬陽性15%）のキットを使った場合をベイズルールで計算し直すとどうなるか？
真の陽性確率：0.5(事前) × 0.9(尤度) = 45%
擬陽性の確率：0.5(健康) × 0.15(擬陽性率) = 7.5%
事後確率： 45% ÷ (45% + 7.5%) = 約85.7%　90%に限りなく近いですね？

ベイズがこの推論を公表しなかった理由として実際可能性が高いのは「数学者のサガ」と思われます。
劇中でも述べている通り周辺尤度を求める計算が人力ではありえない程無理ゲーで、一生式を閉じれないためですね。ベイズの死後、シィモン・ラプラスによる再発見がされましたが、やはりラプラスも数式化に苦戦していました。ベイズ推論が実際に有効となったのは1990年代のコンピューター普及による処が大きいです。つまり現代統計はとうの昔にコンピューター様ありきであり、AIが次の無理ゲーの扉を開ける存在であるのも自明の理という。
人に求められるのは厳密な演算能力ではなく試論能力なのですね

クレジット関連
Voiced by https://CoeFont.cloud
https://dova-s.jp/
いっしょにおさんぽ。.mp3