贝叶斯公式
如果我们把事件A看成“结果”,把诸事件
B1,B2,…,Bn
看成导致这结果可能的“原因”,而事件A只能伴随着“原因”
B1,B2,…,Bn
其中之一发生。又已知各“原因”
Bi
的概率和在每个“原因”下A的概率。若要求A的概率时,通常用全概率公式。如果在该试验中,事件A已经发生,要求出某个“原因”
Bi
导致该结果发生的概率,要用到一下介绍的Bayes公式。
设一完备事件组
B1,B2,…,Bn
,则对任一事件A,若P(A)>0,有:
P(Bi|A)=P(Bi)P(A|Bi)∑nj=1P(Bj)P(A|Bj)
,i=1,2,….,n
以上定理称为Bayes公式。
先验(Priori)概率与后验(Posterior)概率
在上述公式中,P(
Bi
)是在没有得到信息,即不知A是否发生的情况下,人们对
Bi
发生可能性大小的估计,成为先验概率。换一种说法,可以将先验概率视为边缘概率,即某个事件发生的概率。
若得到新的信息,即A已经发生的情况下人们对
Bi
发生可能性大小有了新的估计。得到的条件概率P(
Bi|A
)称为后验概率。通俗易懂的说可以将条件概率视为后验概率。P(A|B)可以表达为事件A在事件B已经发生条件下的发生概率。
P(A|B)=
P(A,B)P(B)
联合概率表示两个事件共同发生的概率。A与B的联合概率表示为
P(A⋂B)
或 P(A,B).