贝叶斯网络

前验概率

定义：

举例:
由统计资料表明总药品数为N，其中正常药品数为N1，异常药品数为N2，则


我们称 P(w1)及P(w2) 为先验概率。显然在一般情况下正常药品占比例大，即 P(w1)>P(w2)：仅按先验概率来决策，就会把所有药品都划归为正常药品，并没有达到将正常药品与异常药品区分开的目的。这表明由先验概率所提供的信息太少。

后验概率[1]

定义：事情已经发生，要求这件事情发生的原因是由某个因素引起的可能性的大小，是后验概率。

比较理解：
事情还没有发生，要求这件事情发生的可能性的大小，是先验概率。事情已经发生，要求这件事情发生的原因是由某个因素引起的可能性的大小，是后验概率。

先验概率不是根据有关自然状态的全部资料测定的，而只是利用现有的材料(主要是历史资料)计算的；后验概率使用了有关自然状态更加全面的资料，既有先验概率资料，也有补充资料；

条件概率

公式：P(B|A) = P(AB)/P(A)
公式解释：条件概率是事件A已经发生的条件下，事件B的条件概率，P(A)

联合概率

联合概率也叫乘法公式，是指两个任意事件的乘积的概率，或称为交事件的概率。记A与B的联合概率为P(AB)，并有联合概率公式：
P(AB)=P(B|A).P(A)
条件概率是一种基于缩小样本空间的思想，即已知A已发生，则只考虑属于A的那些样本点。当A已发生时，则B也发生（即P(B|A)），意味着A与B同时发生（P(AB)），因此P(B|A)与P(AB)成正比，而比例因子位1/P(A)。

类条件概率密度

定义:类条件概率密度函数 是指在已知某类别的特征空间中，出现特征值X的概率密度，指第 类样品其属性X是如何分布的。
举例解释：全世界华人占地球上人口总数的20%，但各个国家华人所占当地人口比例是不同的，类条件概率密度函数P(x|Wi) 是指Wi条件下出现X的概率密度，在这里指第 类样品其属性X是如何分布的。

参考文献：
[1]后验概率_百度百科