AI 人工智能之概率论基础(4)

后验概率

后验概率是指在得到“结果”的信息后重新修正的概率，是“执果寻因”问题中的"果"。先验概率与后验概率有不可分割的联系，后验概率的计算要以先验概率为基础。

后验概率的计算要以先验概率为基础。后验概率可以根据通过贝叶斯公式，用先验概率和似然函数计算出来。后验概率实际上就是条件概率。

先验概率是以全事件为背景下，A事件发生的概率：P(A|Ω)
后验概率是以新事件B为背景下，A事件发生的概率： P(A|B)
全事件一般是统计获得的，所以称为先验概率，没有实验前的概率
新事件一般是实验，如试验B，此时的事件背景从全事件变成了B，该事件B可能对A的概率有影响，那么需要对A现在的概率进行一个修正，从P(A|Ω)变成 P(A|B)，所以称 P(A|B)为后验概率，也就是试验(事件B发生)后的概率。

贝叶斯公式——后验概率的公式

假设某个事件的结果为R的概率为P(R)，造成B的原因有事件1、2、3，事件1、2、3发生的概率分别为P(1)、P(2)、P(3)，事件1、2、3导致结果R发生的概率为P(R|1)、P(R|2)、P(R|3)，现在事件结果R发生了，问事件1发生的概率是多少？

P(R)=事件1发生并导致R+事件2发生并导致R+事件3发生并导致R，即：
P(R)=P(1,R)+P(2,R)+P(3,R)

事件1发生并导致R发生：
P(1,R)=P(