Suma de dos probabilidades

Question

Supongamos que tengo dos artículos de texto (artículo 'a' => x palabras, artículo 'b' => y palabras)

i encontrar el número total de palabras en "a" = x el número total de apariciones de la palabra "el" en el artículo = x1

probabilidad de la palabra 'el' en el artículo 'a' => x1/x (he almacenado esto como decimal, así que no tengo x1 y x exactos en una etapa posterior)

ahora quiero fusionar (¿añadir?) la probabilidad de la misma palabra 'el' en el artículo 'b', que es y1/y

cómo debo hacerlo, supongo que simplemente añadiendo estará mal.

en una etapa posterior obtendré más artículos 'c', 'd'... y quiero mantener las actualizaciones de probabilidad, ¿cómo debo hacerlo?

Gracias.

Answer 1

Si entiendo bien lo que estás haciendo, entonces quieres como caso final (número total de ocurrencias de "el") / (número total de palabras). Así que en este caso, usted tomará

$$\dfrac{x_1 + y_1}{x + y}$$

Ahora bien, si no grabaste $x, y, x_1, y_1$ por separado, entonces supongo que tendrás que volver a contarlas. O, al menos, tendrás que saber la proporción de palabras de un artículo con respecto al número de palabras del otro.

Answer 2

Debe llevar la cuenta del tamaño total de los artículos que ha procesado hasta la fecha. Supongamos que $p$ es la probabilidad de que una palabra elegida al azar en los artículos procesados hasta el momento sea "el", y que esos artículos contengan en conjunto $n$ palabras. Ahora se obtiene un nuevo artículo con $k$ casos de "el" en $m$ palabras. A continuación, deberá actualizar $p$ a $\frac{pn+k}{n+m}$ y $n$ a $n+m$ para preparar el tratamiento del siguiente artículo.