贝叶斯法则

1. 预备知识（条件概率）

1.1 条件概率定义公式

$$P(A|B)=\frac{P(A\cap B)}{P(B)}$$

1.2 条件概率的乘法定理（乘法规则）

$$P(A|B)=\frac{P(A\cap B)}{P(B)}\Rightarrow P(A\cap B)=P(B)P(A|B)=P(A)P(B|A)$$

2. 贝叶斯法则

2.1 介绍

$$P(B|A)=\frac{P(B\cap A)}{P(A)}=\frac{P(A|B)P(B)}{P(A)}$$
式子分母$P(A)$可以看作普通变量，因为我们只关心在给定事件A的情况下可能发生事件B的概率，$P(A)$的值时确定不变的。故有

$$argmax\frac{P(A|B)P(B)}{P(A)}=argmaxP(A|B)P(B)$$

注：这里argmax的意思是求事后面的值最大的B的参数

2.2 事件A的概率计算方法

首先，根据乘法规则：
$P(A\cap B)=P(A|B)P(B)$
$P(A\cap \bar{B})=P(A|\bar{B})P(\bar{B})$

因此有：

$$P(A)=P(A\cap B)+P(A\cap \bar{B})=P(A|B)P(B)+P(A|\bar{B})P(\bar{B})$$

推广到一般形式，假设B事样本空间$\Omega$的一个划分，即${\sum }_i{B}_i=\Omega$。如果$A\subseteq {\bigcup }_i{B}_i$,并且$B_i$互不相交，那么$A={\sum }_{i=1}{B}_{i}A$，于是$P(A)={\sum }_{i=1}P(B_{i}A)$。由乘法定理可得
$$P(A)=\sum _{i}P(A|B_i)P(B_i)$$该公式称为全概率公式。