概率论中的基本公式

1.条件概率

事件A已经发生的条件下，事件B发生

$$P(B|A)=\frac {P(AB)}{P(A)}$$

2.乘法定理

$$P(AB)=P(B|A)P(A)$$
推广多个事件的积事件
$$P(ABC)=P(C|AB)P(B|A)P(A)$$
更一般地有
$$P(A_1A_2...A_n)=P(A_n|A_1 A_2...A_{n-1})P(A_{n-1}|A_1A_2...A_{n-2})\ldots P(A_2|A_1)P(A_1)$$

3.全概率公式

概念：
试验E的样本空间S，事件$B_i$，$i = 1,2...,n$是样本空间的一个划分，每次试验有且仅有一个发生。

• $B_iB_j=\varnothing, i \neq j$
• $B_1\cup B_2\cup...\cup B_n = S$

如果A是E的事件，事件A发生，

$$P(A) = P(A|B_1)P(B_1) + P(A|B_2)P(B_2) + ... + P(A|B_n)P(B_n)$$

全概率公式的理解
例子：
人患肺癌的概率为0.1%，人群中有20%吸烟者，他们患肺癌的概率为0.4%, 那个不吸烟的人患肺癌的概率是多少？
换个人能看懂的说法，$P(患肺癌) = 0.001$, $P(吸烟) = 0.2$, $P(患肺癌|吸烟) = 0.004$, 求 $P(患肺癌|不吸烟) = ?$
$P(患肺癌) = 0.001$ 既包括了吸烟患肺癌的概率又包括不吸烟患肺癌的概率。

$$P(患肺癌) = P(吸烟患肺癌) + P(不吸烟患肺癌)$$ $$= P(患肺癌|吸烟) P(吸烟) + P(患肺癌|不吸烟) P(不吸烟)$$ $$= 0.004\times 0.2 + P(患肺癌|不吸烟) \times (1-0.2) = 0.001$$
所以不吸烟的人患肺癌的概率为0.00025.

4.贝叶斯公式

$$P(B_i|A) = \frac{P(A|B_i)P(B_i)}{\sum_{j=1}^{n} P(A|B_j)P(B_j)}$$
n=2时，
$$P(B|A) = \frac{P(A|B)P(B)}{P(A|B)P(B)+P(A| \overline B)P(\overline B)}$$

用条件概率、全概率公式理解贝叶斯公式：

$$P(A|B) = \frac{P(A\cap B)}{P(A)}$$ 或者
$$P(B|A) = \frac{P(B\cap A)}{P(A)}$$ 因为 $$P(A\cap B)= P(B\cap A)$$ 所以 $$P(B|A) = \frac{P(A|B)P(B)}{P(A)}$$
P(A)发生的概率就用到了全概率公式，包括B在各种情况下A发生的概率： $$\sum_{j=1}^{n} P(A|B_j)P(B_j)$$

实际应用中的定义

经典例子：
癌症诊断事件，人患癌症的统计概率为0.005，一个不患癌症的受诊者试验呈阳性的概率为0.05，一个患癌症的病人做诊断时呈阳性的概率为0.95，那么受诊者试验呈阳性，他患癌症的概率？
分析：
$P(患癌症) = 0.005$
$P(呈阳性|不患癌症) = 0.05$
$P(呈阳性|患癌症) = 0.95$
$P(患癌症|呈阳性) = ?$

使用条件概率计算：

$$P(患癌症|呈阳性) =\frac{P(呈阳性|患癌症)P(患癌症)}{P(呈阳性)}$$ $$P(呈阳性|患癌症)P(患癌症) = 0.005 \times 0.95 = 0.00475$$ $$P(呈阳性) = P(呈阳性|不患癌症)P(不患癌症) + P(呈阳性|患癌症)P(患癌症)$$ $$= 0.05\times(1-0.005)+0.95\times0.005= 0.0545$$ $$P(患癌症|呈阳性) =\frac{0.00475}{0.0545} = 0.08715$$