关于概率的一些事(对于贝叶斯公式的一些初级理解)
条件概率公式:
P(A|B)=P(AB)/P(B)- - -
1
1
1
当A,B事件相互独立时,有P(AB)=P(A)*P(B)
P(B|A)=P(AB)/P(A)- - - 2 2 2
联立
1
1
1,
2
2
2式,可得
P(A|B)=P(A)*P(B|A)/P(B)- - -
3
3
3
3
3
3式也叫贝叶斯公式。
其中P(A)也叫先验概率(Prior probability),即在不知道B事件发生前,对A事件的一个主观评估的概率;
P(A|B)也叫后验概率(Posterior probability),即在发生B事件后,对A事件概率的重新评估;
P(B|A)/P(B)也叫可能性函数(Likelyhood),可以认为是对P(A)得一个调整因子,如果可能性函数的值>1,则"先验概率"被增强。
有
P(A)=P(A|B1)*P(B1)+P(A|B2)*P(B2)+…+P(A|Bn)*P(Bn)- - -
4
4
4
4
4
4式也叫全概率公式。可以这样理解:如果B1,B2…Bn事件构成全部的样本空间,那么事件A的概率等于事件B1,B2,…,Bn的概率分别乘上A对B1,B2,…,Bn的条件概率之和。画个图就明白了。
P(A∩B1)=P(AB1)=P(A|B1)*P(B1)
P(A∩B2)=P(AB2)=P(A|B2)*P(B2)
.
.
P(A∩Bn)=P(ABn)=P(A|Bn)*P(Bn)
P(A)=P(A∩E)=P(A∩B1)+P(A∩B2)+…+P(A∩Bn)=P(A|B1)*P(B1)+P(A|B2)*P(B2)+…+P(A|Bn)*P(Bn) 其中E为全集
这样就可以用全概率公式去计算贝叶斯公式里的P(B)。
P(A|B)
=P(A)*P(B|A)/P(B)
=P(A)*P(B|A)/(P(B|A1)*P(A1)+P(B|A2)*P(A2)+…+P(B|An)*P(An))