统计学中条件概率之于贝叶斯思想

条件概率公式：P(A/B)=P(AB)/P(B)，条件概率成立的首要条件应该是事件A与事件B存在联系，实际上条件概率全面的表达式应为：P(A/B)=P(AB)/P(B)+0，此处的0应该代表事件B的补集与事件A相交的部分。

P(A/B)与P(A)的重要区别在于：概率全集的不同，前者的全集是P(B)，后者的概率总体是P(A)与P(非A)。概率总体以事件及事件的补集之和存在的形式非常稀有，可以说，很多以此作为全集的，实际上应该是类似于P(B)的全集。这样的原因在于实际的观测与计算都是基于一定的条件进行，即利用条件概率对事件进行描述更为恰当。

贝叶斯思想，是基于条件概率出发，以利用P(B)为目的进行设计，此时的事件B与上述存在区别，即事件B先于事件A发生，由于事件B与事件A存在联系，因此事件B中包含着事件A的某些信息。公式为：P(B/A)=P(AB)/P(A)=P(AB)/(P(A/B)*P(B)+P(A/非B)*P(非B))。贝叶斯公式结构来源于条件概率，其目的在于可以利用先验信息，利用条件概率更好地估计分布信息中未知的参数，得到后验估计，服务于统计决策。贝叶斯统计的提出，是对传统统计学的补充，更接近于现实。贝叶斯公式的对象是条件概率的子集。贝叶斯中的较多对于先验信息的估计方法，对于实际的问题解决具有更好的作用，相对于传统统计学而言。