一个模型记忆全概率公式和贝叶斯公式

声明：

本文章所涉及模型未必符合真实贝叶斯公式的含义，仅提供一种记忆方式，所述内容仅供参考。

条件概率公式：

公式的含义：在事件B发生的条件下，事件A发生的概率；

记忆的话：记住谁是前提，然后用联合概率除以这个前提就行了。

贝叶斯公式：

贝叶斯公式其实是可以由条件概率公式推导出来的：

将右边的两项进行移项，就可以得到贝叶斯公式：

将其写成更常见的方式：

贝叶斯公式和全概率公式的记忆：

一个模型：

全概率公式：

根据这样的关系图：

那么求P(B)的话就是所有的线概率加起来。

即：

对上述式子的解释：

这里的P(B)其实就是全概率公式。

所以全概率公式本质上：其实是一个由因到果的过程。

根据先发生的系列事件P(A)，求得最终的P(B)。

---

贝叶斯公式：

而贝叶斯公式，其实是一个由果到因的过程。

根据事件P(B)的结果，求某个

求的方法是，用 i 这一条线除以所有线之和。（虽然根据逻辑，这么除貌似没有意义，这么做只是一种记忆方式）

比如，如果我想求，那么计算方法为：

这里的分母其实也就是全概率公式，所以上式可以写成：

上式中的称为先验概率，因为一般情况下是能够率先得到的。

这里的叫做后验概率，有两种理解方式：

第一种是从右往左看，结果B发生的情况下，A1发生的概率（这么理解类似于条件概率）；

第二种是从左往右看，事件A1发生导致B发生的概率。 

根据真实语境，其实更倾向于第二种理解方式。

---

记忆方式总结：

记住上述模型，那么

全概率公式：就是所有线相加；

贝叶斯公式：就是某一条线除以所有的线；

例题：

运用上述模型解题，关键的是要找准什么是事件A，什么是事件B。

某工厂有甲、乙、丙三个车间生产同一种产品，已知各车间的产量分别占全厂的25%，35%，40%，各车间的次品率为5%，4%，2%。现从工厂中检查出一个次品，问该次品来源于甲车间的概率？

对于这样的题目，我们可以绘制如图所示结构图：

那么根据前面讲述的：

最终计算结果为：(0.25*0.05)/(0.25*0.05+0.35*0.04+0.4*0.02)=0.362