简介
学过概率与统计的同学想必都知道大名鼎鼎的贝叶斯公式,这个定理是英国数学家托马斯·贝叶斯(Thomas Bayes)在1763年发表的一篇论文中首次提出(这篇论文是在他死后由一位朋友发表的)
应用非常广泛,比如:
- 生命科学家用贝叶斯定理研究基因是如何被控制的;
- 基金经理用贝叶斯法则找到投资策略;
- Google用贝叶斯定理改进搜索功能,帮助用户过滤垃圾邮件;
- 无人驾驶汽车接收车顶传感器收集到的路况和交通数据,运用贝叶斯定理更新从地图上获得 的信息;
- 人工智能、机器翻译中大量用到贝叶斯定理
先一睹贝叶斯公式的尊容:
P ( A ∣ B ) = P ( B ∣ A ) P ( A ) P ( B ) P(A|B) = \frac {P(B|A)P(A)} {P(B)} P(A∣B)=P(B)P(B∣A)P(A)
推理
那么这个公式是怎么来的呢?
假定有两个事件 A 和 B
P(A) 是 A 发生的概率,或者是 A 的先验概率或边缘概率,之所以称为先验是因为它不考虑任何 B 方面的因素
P(A|B) 是已知 B 发生后 A 的条件概率,也由于得自 B 的取值而被称作 A 的后验概率
P(B|A) 是已知 A 发生后 B 的条件概率,也由于得自 A 的取值而被称作 B 的后验概率
P(B) 是 B 发生的概率,或者是 B 的先验概率或边缘概率
P(A,B) 是 A 和 B 同时发生的概率
则可以得到:
P ( A , B ) = P ( A ) P ( B ∣ A ) P(A,B) = P(A)P(B|A) P(A,B)=P(A)P(B∣A)
P ( A , B ) = P ( B ) P ( A ∣ B ) P(A,B) = P(B)P(A|B) P(A,B)=P(B)P(A∣B)
上面两个等式等价于:
P