坐标、数据与条件推断
VectorPaint贝叶斯来源图:六十四格中只看红色后如何重算比例
把来源先验与条件比例变成等面积格,保留红色子集,核后验二分之一而非四分之三。
本文目录
画一张两来源的概率面积图,先按来源权重分区,再把各区分成红与非红。观察到红色后,只在红色子集里重算来源比例。六十四格表示概率质量,不是保证抽取六十四次得到固定次数;所有概率是题目条件,应用只负责呈现人工算好的格与注释。
先写明来源选择与颜色条件
定义来源事件A与B互斥且穷尽,先选A的概率为1/4,选B为3/4。给定A时红色概率为3/4,给定B时为1/4;各自余下概率都是非红。可以设想两个四件物的小盒:A有三红一非红,B有一红三非红,先按给定权重选盒再在盒内等概率取一件。问题是已经看到红色后来自A的概率,不是把两盒所有物件混在一起等概率抽取。把条件写在图首,避免看到盒子数相同就自行改成各选一半。 若需要一个具体先选盒的模型,可用四等份选择符,其中一份标A、三份标B,再在选中盒的四件物中等概率取一件。这样有十六个等概率基本选择,每份再拆成四格,便得到图中六十四质量格。
六十四格只编码质量而不冒充观测
创建8×8等大方格,每格代表1/64概率。A占最左两列共16格,B占其余六列共48格,面积比例正好为1:3。建议每格90像素,整体720×720,从屏幕(250,350)开始,画布可用1800×1500。用相同格宽与格高,不把A列加宽再保留原来的计数解释。格子是概率质量单位,可把最小十六等份各细分成四份得到,不是声称做了六十四次实验、看到了六十四个独立样本或装有六十四件真实物品。
在来源分区内按条件比例着色
在A两列中,将上方六行共12格标红,下方两行共4格标非红;在B六列中,上方两行共12格标红,下方六行共36格标非红。两处红色各为12格,却分别占各自来源的3/4与1/4,这正是条件分母不同的效果。使用红色加R字母、非红加斜纹,来源边框再用A、B文字区分,不能仅靠颜色判断。先数每区合计16与48,再数四个小区总计64,确认没有重叠或漏格,才进行条件化。
把四个联合概率与总红色算全
用先验乘条件概率,得到A且红为3/16、A且非红为1/16、B且红为3/16、B且非红为9/16。四项之和为一;红色总概率是3/16+3/16=3/8,对应24/64。把下方账本放在面积图旁,乘法与加法分别一行,避免只算A红就遗漏B红。这里不要求来源与颜色独立,事实上两个来源的红色条件概率不同;不能再把P(A)乘总体红概率当成A且红的结果,也不把联合事件符号误当作给定条件。
region probability units out of 64
A and red (1/4)*(3/4)=3/16 12
A and nonred (1/4)*(1/4)=1/16 4
B and red (3/4)*(1/4)=3/16 12
B and nonred (3/4)*(3/4)=9/16 36
red total 3/16+3/16=3/8 24
P(A | red) (3/16)/(3/8)=1/2 12/24
仅在红色子集中重设分母
保留原图,再复制一份用于条件视图,把非红格降为淡灰但不改变红格面积。现在可见红格共24,其中A红12,因此P(A给定红)=12/24=1/2;也等于(3/16)/(3/8)。在下方另画A红与B红两段等长条,各标12,不用原来16与48的全来源面积作分母。给条件图明确标题“已知红”,不要让读者以为原先先验改成一半。后验的两个来源概率各一半,只适用于这个颜色证据和题设模型,不推广到任何新观察。 也可核来源比值:先验A:B为1:3,红色在A相对B的条件概率比为3:1,相乘后后验比成为1:1。这个比值检查与面积计数应一致,但仍须保留红色总量为正的分母条件。
将三种看似相近的概率分开标注
在三个独立文字框分别写P(A)=1/4、P(红给定A)=3/4、P(A给定红)=1/2,再用短句说明分母分别是全部质量、A来源质量、红色质量。交换竖线两边不是可随意进行的相等变形,不能因都含A和红就抄成同一个数。用本图反查,A区红12除A区总16确为3/4,红区A12除全部红24才为1/2。贝叶斯分母必须大于零,本例3/8满足;若观察事件概率为零,这种普通比值不能继续照搬。 用非红作另一项独立抽查时,来源A只占4/(4+36)=1/10,并非也为一半。这个结果不改主图题目,只帮助确认条件集合真的换了分母;不能把“已知红”的两等长条直接改标题就当作非红图。
用边界、计数与分母顺序排障
如果算出3/4,先检查是否还用A的16格当分母;如果算出3/16,检查是否停留在联合概率而未除红色总量。如果面积看起来A占一半,先核列宽和两列六列的来源边界,不移动着色来掩盖比例错误。每次只改一个层的错误,保留改前副本,重数四个联合区及24个红格。不得把真实试验的随机频数硬改成这套固定格数;本图是已给定概率的精确面积模型,现实估计误差需要另行记录,不能靠矢量边缘整齐获得保证。
重开复核原图和条件图的身份
重开原生文件,核原图总格64、来源A16与B48、红格24;条件视图仍标“已知红”,下方两段各12。导出阅读版后检查非红斜纹、R字母、分数和条件竖线清楚,不能让淡灰太浅而看不出原图的完整范围。交付条件清单、联合概率账本、两幅图与后验算式,说明没有进行实际抽取或自动概率计算。未做的导出重开照实保留待办,另留可修改原生文件,避免只剩一张看不出格数和分母的缩略图。
相关教程与资料
VectorPaint 二次抽取树:把有放回条件与四条路径对应、VectorPaint 三次抛币分布:八种序列汇成一三三一的概率条。
方法来源:Hossein Pishro-Nik, ProbabilityCourse §1.4.3: Bayes Rule、Hossein Pishro-Nik, ProbabilityCourse §1.4.2: Total Probability。
版本与操作边界:2026年11月16日核VectorPaint官方商店及Apple公开查询,公开版本1.0.8,最低iOS / iPadOS 17.0。商店说明包含图形、钢笔与贝塞尔节点、网格参考线、图层与文字,以及原生文件和SVG、PDF、PNG输出;实际入口以安装版本可见为准。公式、求解和复算在应用外完成,图内逐点手工构造;没有声称自动数学计算或真机逐项测试。