1、先验概率
基于客观事实 或者 统计频率 得到的,或者你自身依据经验给出的一个概率值,我们称其为先验概率(prior probability),更加形象的例子,P(X=掷硬币为正面)=0.5。
2、来个栗子🌰
玩LOL占总人口60%,不玩LOL人数占40%,为便于叙述,用变量X来表示取值情况(X为全事件),有 :
P
(
X
=
玩
l
o
l
)
=
0.6
P(X=玩lol)=0.6
P(X=玩lol)=0.6,
P
(
X
=
不
玩
l
o
l
)
=
0.4
P(X=不玩lol)=0.4
P(X=不玩lol)=0.4。
另外玩lol中80%是男性,20%是女性,不玩lol中20%是男性,80%是女性,用离散变量Y表示性别取值,则相应的条件概率分布(新事件Y):
P
(
Y
=
男
性
∣
X
=
玩
l
o
l
)
=
0.8
,
P
(
Y
=
女
性
∣
X
=
玩
l
o
l
)
=
0.2
P(Y=男性|X=玩lol)=0.8,P(Y=女性|X=玩lol)=0.2
P(Y=男性∣X=玩lol)=0.8,P(Y=女性∣X=玩lol)=0.2,
P
(
Y
=
男
性
∣
X
=
不
玩
l
o
l
)
=
0.2
,
P
(
Y
=
女
性
∣
X
=
不
玩
l
o
l
)
=
0.8
P(Y=男性|X=不玩lol)=0.2,P(Y=女性|X=不玩lol)=0.8
P(Y=男性∣X=不玩lol)=0.2,P(Y=女性∣X=不玩lol)=0.8
Then提问来了,问在已知玩家为男性的情况下,他是lol玩家的概率是多少?
由Bayes可得:
P
(
X
=
玩
l
o
l
∣
Y
=
男
性
)
=
P
(
Y
=
男
性
∣
X
=
玩
l
o
l
)
∗
P
(
X
=
玩
l
o
l
)
P
(
Y
=
男
性
∣
X
=
玩
l
o
l
)
∗
P
(
X
=
玩
l
o
l
)
+
P
(
Y
=
男
性
∣
X
=
不
玩
l
o
l
)
∗
P
(
X
=
不
玩
l
o
l
)
P(X=玩lol|Y=男性)=\frac{P(Y=男性|X=玩lol)*P(X=玩lol)}{ P(Y=男性|X=玩lol)*P(X=玩lol)+P(Y=男性|X=不玩lol)*P(X=不玩lol)}
P(X=玩lol∣Y=男性)=P(Y=男性∣X=玩lol)∗P(X=玩lol)+P(Y=男性∣X=不玩lol)∗P(X=不玩lol)P(Y=男性∣X=玩lol)∗P(X=玩lol)
最后算出的
P
(
X
=
玩
l
o
l
∣
Y
=
男
性
)
P(X=玩lol|Y=男性)
P(X=玩lol∣Y=男性)称之为
X
X
X的后验概率,即它获得是在观察到事件
Y
Y
Y发生后得到的。
3、总结时间
(1)先验概率:以全事件为背景下,可以理解为以我们所知道的经验为背景,
P
(
A
∣
Ω
)
=
A
事
件
发
生
的
概
率
(
人
类
已
具
备
的
知
识
,
比
如
硬
币
正
反
各
自
50
%
概
率
)
P(A|Ω)=A事件发生的概率(人类已具备的知识,比如硬币正反各自50\%概率)
P(A∣Ω)=A事件发生的概率(人类已具备的知识,比如硬币正反各自50%概率),
Ω
Ω
Ω指的是人类已具备之经验。
(2)后验概率:以新事件
B
B
B为背景下,
A
A
A事件发生的概率, 也就是
P
(
A
∣
B
)
P(A|B)
P(A∣B),本文例子
B
B
B事件指的是男性。
全事件一般是统计获得的,所以称为先验概率,先验–>先于实验–>不用做实验就知道–>为啥不做实验也能知道概率呢?–>因为人类有知识,经验呀,我们是站在巨人的肩膀上前进丫!!!
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