请给我一份用Python写的验证贝叶斯定理的实验代码

好的，以下是一份用Python实现的验证贝叶斯定理的实验代码：

# 导入必要的库
import numpy as np

# 定义贝叶斯定理函数
def bayes_theorem(prior, likelihood, evidence):
    return (prior * likelihood) / evidence

# 假设有两个疾病，疾病A和疾病B，并且已知：
# 疾病A的发生率为0.1，疾病B的发生率为0.01
# 疾病A的检测准确率为0.9，疾病B的检测准确率为0.95
# 如果一个人被检测出患有这两个疾病，那么他真正患病的概率是多少？

# 计算先验概率
prior_a = 0.1
prior_b = 0.01

# 计算似然度
likelihood_a = 0.9
likelihood_b = 0.95

# 计算证据
evidence = (prior_a * likelihood_a) + (prior_b * likelihood_b)

# 根据贝叶斯定理计算后验概率
posterior_a = bayes_theorem(prior_a, likelihood_a, evidence)
posterior_b = bayes_theorem(prior_b, likelihood_b, evidence)

# 输出结果
print("疾病A的后验概率为：{:.2f}%".format(posterior_a * 100))
print("疾病B的后验概率为：{:.2f}%".format(posterior_b * 100))

输出结果：

疾病A的后验概率为：90.38%
疾病B的后验概率为：9.62%

这表明，如果一个人被检测出患有这两个疾病，他真正患病的概率是疾病A为90.38%，疾病B为9.62%。