与条件概率有关的一些公式

已于 2023-12-24 23:47:19 修改
阅读量499 收藏 8
点赞数 7
文章标签： 概率论
于 2023-12-22 19:30:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/DamingR/article/details/135039023
版权

与条件概率有关的一些公式

1、P(AB|C)=P(A|BC)P(B|C)

证明如下：

因为P(AB|C)=\frac{P(ABC)}{P(C)} , P(A|BC)=\frac{P(ABC)}{P(BC)} , P(B|C)=\frac{P(BC)}{P(C)} ,

显然P(AB|C)=P(A|BC)P(B|C)。

应用：将“|”看作运算符号，符号左移时乘以B|C的概率，右移反之。

2、事件的第二吸收律：

\frac{P(A)}{P(A+B)}=P(A|A+B) , \frac{P(AB)}{P(B)}=P(AB|B)

证明略。

【为避免混淆，规定以下表示：

f(X)=P(A\bigcap X) 的意义是 \forall i,X=x_{i} 时 P(A\bigcap X)=P(A\bigcap \left \{ X=x_{i} \right \})

g(X,Y)=P(X\bigcap Y) 的意义是 \forall i,j,X=x_{i} 且 Y=y_{i} 时 P(X\bigcap Y)=P\left \{ X=x_{i} ,Y=y_{j} \right \}】

3、f(X)=P(A|X)则Ef(X)=P(A)

f(X)=P(A|X)\Rightarrow Ef(X)=P(A)

证明：\left\{\begin{matrix} P \left \{ X=x_{k} \right \}=p_{k}\\ Y=f(X)=P(A|X) \end{matrix}\right.\Rightarrow P\left \{ Y=P(A|X=x_{k}) \right \}=p_{k}

\Rightarrow EY=\sum_{i}^{}P(A|X=x_{i})p_{i}=\sum_{i}^{}P(A|X=x_{i})P\left \{ X=x_{i} \right \}

根据全概率公式，有

P(A)=P(A|X=x_{i})P\left \{ X=x_{i} \right \}

\therefore EY=P(A).    证毕。

4、全期望公式

E_{X}(E_{Y}(Y|X))=E(Y)

利用3、公式：f(X)=P(A|X)\Rightarrow Ef(X)=P(A)

依次令A=\left \{ Y=y_{k} \right \}即可证明。

意义：随机变量的条件期望的期望等于其本身期望


5、E(f(X)P(A|X))=P(A)E\left ( f(X)|A \right )

证明：利用等式 P(x_{i})P(A|x_{i})=P(A)P(x_{i}|A)

两边同乘以 f(x_{i})，求和，恰好是数学期望，得证。

令f(X)=1,即为3、式（可以算作3、的一种证法）

6、未完待续。。。

DamingR
关注
  • 7
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
5条件概率和贝叶斯公式1
08-08
而在一般情况下，我们可以利用条件概率公式P(A|B) = P(A∩B) / P(B)来计算。 贝叶斯公式是条件概率的一个重要应用，它允许我们从已知的条件概率反推出另一个条件概率。贝叶斯公式通常表示为： \[ P(A|B) = \frac{P...
《概率论与数理统计》1.3 条件概率及有关公式1
08-04
《概率论与数理统计》1.3章节主要讲解了条件概率及其相关的公式，包括乘法公式、全概率公式和Bayes公式。条件概率是指在已知某个事件发生的前提下，另一个事件发生的概率。 首先，条件概率的定义是：假设事件A和...
条件概率下的全概率公式
qq_32515081的博客
04-02 2940
常见的全概率公式： P(B)=∑i=1nP(Ai)P(B∣Ai) P\left(B\right)= \sum^{n}_{i=1} P(A_{i})P(B|A_{i}) P(B)=i=1∑n​P(Ai​)P(B∣Ai​) 当公式左端为条件概率时会有相类似的全概率公式： P(C∣A)=∑B∈IP(B∣A)P(C∣B,A)=∑B∈IP(B,A)P(A)P(C,B,A)P(A,B)=∑B∈IP(C,B,A)P(A)=∑B∈IP(C,B∣A)=P(C∣A) \begin{aligned} P(C|A) & =
条件概率/全概率/贝叶斯公式
热门推荐
野生猿-群号1025127672
07-17 19万+
参考：https://www.cnblogs.com/ohshit/p/5629581.html 1、条件概率公式 设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： P(A|B)=P(AB)/P(B) 分析：一般说到条件概率这一概念的时候，事...
1.4 条件概率与乘法公式
tang7mj的博客
03-05 1831
不超过三次而接通电话的概率.解设A,一“第之次接通电话”,i=1,2,3,B一“拨号不超过了次接通电话”,则利用概率的有限可加性和乘法公式，有= P(A;
条件概率和全概率公式
小马哥的博客
10-22 1万+
概率论
条件概率与贝叶斯公式
weixin_40252835的博客
06-16 3070
收藏 查看我的收藏 820 有用+1 已投票 135 条件概率 语音 编辑 锁定 讨论4 上传视频 本词条由“科普中国”科学百科词条编写与应用工作项目 审核 。 条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P（A|B），读作“在B的条件下A的概率”。条件概率可以用决策树进行计算。条件概率的谬论是假设 P(A|B) 大致等于 P(B|A)。数学家John Allen Pa...
从条件概率到贝叶斯公式
Backcanhave7
07-15 1万+
在实际生活中，有时需要考虑在已知一个事件发生的条件下，另外一个事件发生的概率，这个概率即条件概率。本文将从条件概率出发，引出概率论与数理统计中非常重要的两个公式：全概率公式和贝叶斯公式。 首先，我们来看下什么是条件概率？ 定义：设A、B是两个事件，且P(B)>0，则称比值为在事件B已经发生的条件下，事件A发生的条件概率，记作P(A|B)，即 。 如何理解这个条件概率的公式呢？...
条件概率、全概率和贝叶斯公式
Alsace的专栏
01-23 1654
条件概率在一间事情已经发生的情况下，另一件事情发生的概率。
条件概率与全概率公式
峻峰飞阳的博客 blog.csdn.net/while0
03-21 7160
条件概率公式 设A,B是两个事件，且P(B)>0，则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： 分析：一般说到条件概率这一概念的时候，事件A和事件B都是同一实验下的不同的结果集合，事件A和事件B一般是有交集的，若没有交集（互斥），则条件概率为0. 全概...
条件概率,乘法公式,全概率公式及贝叶斯公式的推导
牵着蜗牛_去散步
09-26 1万+
条件概率,乘法公式,全概率公式及贝叶斯公式的推导条件概率乘法公式全概率公式贝叶斯公式推导过程 条件概率 条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P(A∣B)P(A\mid B )P(A∣B)，读作“在B的条件下A发生的概率” 条件概率公式为: P(A∣B)=P(AB)P(B) P(A\mid B) = \frac{P(AB)}{P(B)}P(A∣B)=P(B)...
条件概率全概率公式与贝叶斯公式PPT学习教案.pptx
10-08
贝叶斯公式是指在事件B发生的条件下，事件A的条件概率公式，即P(A|B)=P(B|A) \* P(A) / P(B)。 三、条件概率的性质 条件概率有以下性质： （1）P(A|B)≠P(A)，即条件概率不等于事件A的概率。 （2）P(A|B)=P(AB)/...
数学条件概率全概率公式与贝叶斯公式PPT学习教案.pptx
10-03
"数学条件概率全概率公式与贝叶斯公式PPT学习教案" 本资源是关于数学条件概率全概率公式与贝叶斯公式的PPT学习教案，该资源共42页，涵盖了条件概率、贝叶斯公式、乘法定理、全概率公式等重要概念。 条件概率 条件...
机械学习—零基础学习日志（概率论总笔记5）
AI_freshfish的博客
09-07 519
如果P(X|Y)本身比较小，说明它反正也不太可靠，而这时非条件概率，即P(X)本身则占了主导地位，因为X本身出现的次数会比较多，统计结果可信度会高一些。要获得95%以上置信度的统计结果，需要被统计的对象出现上千次，但是如果整个样本只有几千字，被统计的对象能出现几次就不错了。怎么避免“黑天鹅”？插值法的精髓在于，相信那些见到次数比较多的统计结果，如果遇到统计数量不足时，就设法找一个可靠的统计结果来近似。古德的做法实际上就是把出现1次的单词的总量，给了出现0次的，出现2次单词的总量给了出现1次的，以此类推。
Matlab界面GUI设计的车牌定位[Matlab界面GUI设计].zip
最新发布
09-10
linux常用命令大全
【独家首发】基于matlab沙猫群算法SCSO-GMDH风电数据回归预测【含Matlab源码 7530期】.zip
09-10
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法优化GMDH回归预测系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO优化GMDH回归预测 4.4.2 粒子群算法PSO/蛙跳算法SFLA优化GMDH回归预测 4.4.3 灰狼算法GWO/狼群算法WPA优化GMDH回归预测 4.4.4 鲸鱼算法WOA/麻雀算法SSA优化GMDH回归预测 4.4.5 萤火虫算法FA/差分算法DE优化GMDH回归预测 4.4.6 其他优化算法优化GMDH回归预测
【2024首发原创】蜣螂优化算法DBO-TCN-LSTM-Multihead-Attention负荷预测Matlab实现.rar
09-10
1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 替换数据可以直接使用，注释清楚，适合新手
加速仪6050陀螺仪simulink.rar
09-10
加速仪6050陀螺仪simulink.rar
"条件概率与贝叶斯公式PPT学习教案：实际案例解析
条件概率与贝叶斯公式是统计学和概率论中的重要概念，它们在实际生活和商业决策中具有广泛的应用。条件概率是指在某一事件已经发生的条件下，另一事件发生的概率。贝叶斯公式则是一种基于条件概率的计算方法，可以...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值