1.先验概率 prior probability
先验概率是在收集新数据之前事件发生的概率。 这是在进行实验之前根据当前知识对结果可能性进行的最佳理性评估。
事件A发生的先验概率记作:P ( A )
先验概率是事件还没有发生,根据以往的经验来判断事件发生的概率。
例子:扔一个硬币,在扔之前就知道正面向上的概率为0.5。这是根据我们之前的经验得到的。这个0.5就是先验概率。
2.后验概率 (Posterior Probability)
后验概率是在考虑新信息之后事件发生的修正或更新概率。 后验概率通过使用贝叶斯定理更新先验概率来计算。 用统计术语来说,后验概率是假设事件B已经发生的情况下事件A发生的概率。
(贝叶斯定理公式)给定B发生的情况下,计算A发生后验概率的公式:
3.条件概率公式
条件概率 示例:就是事件A 在另外一个事件 B 已经发生条件下的发生概率.条件概率表示为 P(A|B),读作“在 B 条件下 A 的概率”
P(A|B)——在 B 条件下 A 的概率.即事件A 在另外一个事件 B 已经发生条件下的发生概率.
P(AB)——事件A、 B同时发生的概率,即联合概率.联合概率表示两个事件共同发生的概率.A 与 B 的联合概率表示为 P(AB) 或者 P(A,B).
P(B)——事件B发生的概率.
全概率公式
全概率公式为概率论中的重要公式,它将对一复杂事件B的概率求解问题转化为了在不同情况下发生的简单事件的概率的求和问题
全概率就是表示达到某个目的,有多种方式(或者造成某种结果,有多种原因),问达到目的的概率是多少(造成这种结果的概率是多少)。
全概率公式就是计算第二步P(B)的概率 等于 所有路径的概率总和
贝叶斯公式
贝叶斯公式:
就是已知结果B的概率 反过来求某一条路径Ai的概率
最大似然估计