基本公式
全概率公式:设试验E的样本空间为S,A为E的事件,B1,B2,…,Bn为S的一个划分,并且P(Bi)>0(i=1,2,..,n) 那么:
P(A)=P(A|B1)P(B1)+P(A|B2)PB2)+…+P(A|Bn)P(Bn)
全概率公式证明依据:P(A)=P(AS)=P(AB1)+P(AB2)…+P(ABn)=P(A|B1)P(B1)+P(A|B2)P(B2)+….P(A|Bn)P(Bn)
S是样本空间,B1,B2,…,Bn是S的划分
贝叶斯公式:设试验E的样本空间为S,A为E的事件,B1,B2,..,Bn为S的一个划分,且P(A)>0,P(Bi)>0(i=1,2,3,…,n)那么:
贝叶斯公式分子证明依据(条件概率公式):P(Bi|A)=P(BiA)/P(A) P(BiA)=P(A|Bi)P(Bi)
贝叶斯公式分母证明依据(全概率公式)
贝叶斯规则
贝叶斯规则以Thomas Bayes主教命名。
用来估计统计量的某种性质。
贝叶斯是用概率反映知识状态的确定性程度,数据集可以直接观测到,所以他不是随机的。
贝叶斯推断与其他统计学推断方法截然不同。它建立在主观判断的基础上,也就是说,你可以不需要客观证据,先估计一个值,然后根据实际结果不断修正。贝叶斯推断需要大量的计算。
http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_one.html
贝叶斯定理
他是一种条件概率条件概率。 比如:在B发生时,A发生的可能性。
公式为: