Keywords
- Bayes Rule(贝叶斯公式)
- Total Probability Theorem(全概率公式)
- Prior Probability(先验概率)
- Posterior Probability(后验概率)
举个例子
如图,这是一个简单两步式的模型。
现在我们需要完成事件 B B B,那么可以有n种不同的路 A 1 , A 2 , A 3 , . . . , A n A_1,A_2,A_3,...,A_n A1,A2,A3,...,An选择:
如果我们选择 A 1 A_1 A1这条路,那么:
- 第一步:选择 A 1 A_1 A1的概率就是 P ( A 1 ) P(A_1) P(A1)
- 第二步:就是在 A 1 A_1 A1发生的条件下事件B发生的概率 P ( B ∣ A 1 ) P(B|A_1) P(B∣A1)
由此,我们就可以求出,由第一条路径 A 1 A_1 A1完成事件 B B B的概率为 P ( A 1 ) ⋅ P ( B ∣ A 1 ) P(A_1)\cdot P(B|A_1) P(A1)⋅P(B∣A1)
类似的,第二条,第三条,…,第n条路径完成事件 B B B的概率也是一样做法。
所以我们就可以得到完成事件B的概率,即所有路径的概率相加:
P ( B ) = P ( A 1 ) P ( B ∣ A 1 ) + P ( A 2 ) P ( B ∣ A 2 ) + . . . + P ( A n ) P ( B ∣ A n ) = ∑ i = 1 n P ( A i ) P ( B ∣ A i ) P(B) = P(A_1) P(B|A_1) + P(A_2) P(B|A_2) + ... + P(A_n) P(B|A_n) = \sum_{i=1}^{n}P(A_i) P(B|A_i) P(B)=P(A1)P(B∣A1</