条件概率、全概率、先验概率、后验概率、类条件概率

注：A表示事情的结果，B={B1，B2…}表示事情发生的原因

1. 条件概率
   在原因B发生的条件下，结果A发生的概率:
   
2. 全概率
   假如结果A发生的原因有B1，B2…等多种原因，则全概率公式如下：
   
3. 先验概率
     事情还没有发生，根据以往经验和分析得到的概率，在事情发生之前，得到的事情（结果）发生的概率。比如，一次抛硬币实验，我们认为正面朝上的概率是0.5，这就是一种先验概率，在抛硬币前，我们只有常识。
4. 类条件概率
   就是已知一个条件下，结果发生的概率。条件概率实际上把一个完整的问题集合S通过特征进行了划分，划分成S1/S2/S3…。类条件概率中的类指的是把造成结果的所有原因一 一进行列举，分别讨论。
   贝叶斯公式如下：
   
5. 后验概率
     事情已经发生了，结果的发生的原因有很多，判断结果的发生是由哪个原因引起的概率
   贝叶斯公式如下：
   

如果我们把事件A看做 “结果”，把诸事件B1,B2…看做导致这个结果的可能的“原因”，则可以形象地把全概率公式看做成为“由原因推结果”。　　而贝叶斯公式则恰好相反,其作用于“由结果推原因”：现在有一个“结果”A以发生,在众多可能的“原因”中，到底是哪一个导致了这结果。
举个例子:
  桌子上如果有一块肉喝一瓶醋，你如果吃了一块肉，然后你觉得是酸的，那你觉得肉里加了醋的概率有多大？你说：80%可能性加了醋。OK，你已经进行了一次后验概率的猜测。没错，就这么简单。¹

6. 进一步思考¹
   
      那么这个P(原因1导致结果)和P(结果|原因1)之间到底有什么联系呢?让我们举一个图像识别的例子
      假如给你一些图片,这些图片中有的图上有动物的角,这些图片占了1/10(即先验概率),且已知在有角的条件下是犀牛的概率是0.8(类条件概率1,注意这个概率互补的概率是有角条件下不是犀牛的概率),已知在无角条件下是犀牛概率的是0.05(类条件概率2),现在拿起一张图,发现是一张犀牛的图,那么这张图上带角的概率有多大(求后验概率)
   
      由图中公式可知P(图片上由动物的角|是犀牛) = 0.80.1/(0.80.1+0.05*0.9)=0.64
      可以看到P(图片上由动物的角且是犀牛)=0.08与P(是犀牛|图片上由动物的角)=0.8之间差别非常大

---

1. 参考博客https://www.cnblogs.com/yemanxiaozu/p/7680761.html ↩︎ ↩︎