全概率和贝叶斯公式
引言:到什么山头唱什么歌!
0. 条件概率P(A | B) = P(AB) / P(B),变形P(AB)=P(A)*P(B|A)1. 若某个事件B的发生是由于多个原因(Ai)引起,且这些原因构成一个完备的事件组,则常将事件B分解为一些简单的A1,A2 … 等事件,从而可以通过全概率公式来出概率P(B)。
2. 如果某一个事件B已经发生,再回头来分析某个“原因”(Ai)所引起的概率的大小时,则使用贝叶斯公式。此时的P(Ai)是从以往的经验得出,常称为先验概率。而通过实验,若B事件已经发生了,得到了新消息后再重新加以修正“原因”(Ai)出现的可能性大小 。即P(Ai | B),常称为后验概率。常用后验概率来分析结果B出现的原因,这就是贝叶斯决策的主要依据。
个人心得:
全概率公式使用方法:P(B)
1. 知道事件完备组的每个小事件的概率值P(Ai)。
2. 每个小事件发生后再发生B事件的条件概率P(B|Ai) 。
3. xigema求和即好。
贝叶斯公式使用方法: P(Aj | B)
1. P(Aj | B) = P(AjB) / P(B)
2. 此时的P(B)通过全概率公式求出。
3. P(AjB)变形 P(B | Aj) * P(Aj)求出。
综上:永远将B想成次品,A为工厂,那么P(B | Aj)表示Aj工厂的次品B概率。而P(Aj) 就是工厂与其他工厂占比概率。