贝叶斯变换

基础概念：

（1）联合概率

P(AB)或者P（A,B）：在整个事件中，A,B同时发生的概率。

（2）条件概率

P（A|B）：在B发生的情况下，A发生的概率。
P（B|A）：在A发生的情况下，B发生的概率。

（3）边缘概率

P（A）：整个事件中，A发生的概率
P（B）：整个事件中，B发生的概率

（4）联合概率、条件概率、边缘概率的关系

在整个事件中，共有以下五种情况：
X=1,Y=1;
X=2,Y=1;
X=1,Y=2;
X=2,Y=2
X=3,Y=1;

定义：A事件为X=1；B事件为Y=2

P(A|B)=1/2
P(B)= 2/5
P(A,B)=1/5
P（A|B)*P（B）=P（A，B）=P（B，A）

同理可求：P（B|A)*P（A）=P（B，A）=P（A，B）

（5）先验概率

知道原因推结果 P（原因） ，P（结果|原因）

（6）后验概率

知道结果推原因 P（原因|结果）

实例

某个医院早上收了六个门诊病人，如下表。

　　症状　　职业　　　疾病

　　打喷嚏　护士　　　感冒
　　打喷嚏　农夫　　　过敏
　　头痛　　建筑工人　脑震荡
　　头痛　　建筑工人　感冒
　　打喷嚏　教师　　　感冒
　　头痛　　教师　　　脑震荡

现在又来了第七个病人，是一个打喷嚏的建筑工人。请问他患上感冒的概率有多大？也就是求：P(感冒|打喷嚏、建筑工人)=？
根据贝叶斯定理：

　P(A|B) = P(B|A) P(A) / P(B)

可知：
P(感冒|打喷嚏x建筑工人)= （P(打喷嚏x建筑工人|感冒) x P(感冒)） / P(打喷嚏x建筑工人)

由于：
P(打喷嚏x建筑工人|感冒)=P(打喷嚏|感冒)xP(建筑工人|感冒)

所以：
P(感冒|打喷嚏x建筑工人)= （P(打喷嚏|感冒)xP(建筑工人|感冒) x P(感冒)） / P(打喷嚏)x P(建筑工人)

根据上表计算可知:
P(打喷嚏|感冒)=2/3
P(建筑工人|感冒) =1/3
P(感冒)=12
P(打喷嚏)=1/2
P(建筑工人) =1/3
P(感冒|打喷嚏x建筑工人)=(2/3 x 1/3 x 1/2)/(1/2 x 1/3)=0.66

**因此，**这个打喷嚏的建筑工人，有66%的概率是得了感冒。同理，可以计算这个病人患上过敏或脑震荡的概率。比较这几个概率，就可以知道他最可能得什么病。