概率统计Python计算：全概率公式

戌崂石

已于 2024-05-21 21:20:15 修改

阅读量4.6k

点赞数 8

分类专栏：概率统计文章标签：概率论

于 2021-05-02 11:44:36 首次发布

本文链接：https://blog.csdn.net/u012958850/article/details/116350305

版权

概率统计专栏收录该内容

76 篇文章 29 订阅

订阅专栏

在这里插入图片描述

1. numpy数组的按元素计算

设完备事件组 $A_1,A_2,\cdots,A_n$ 作为引发事件 $B$ 的 $n$ 个因素。诸因素的先验概率构成的序列为 $P(A_1),P(A_2),\cdots,P(A_n)$ ，在诸因素 $A_i$ 发生的条件下，事件 $B$ 的似然度构成序列 $P(B|A_1),P(B|A_2),\cdots,P(B|A_n)$ ，这两个序列是等长（所含元素个数相同）的。序列对应元素积之和 $\sum\limits_{i=1}^nP(A_i)P(B|A_i)$ ，即为用全概率公式计算的事件 $B$ 的概率 $P (B)$ 。Python的numpy包提供的数组array类的两个等长（所含元素个数相同）对象之间就支持这样的“按元素”运算：对应元素分别计算，得到一个新的数组（如图所示）。
在这里插入图片描述
运算包括常见的加+、减-、乘*、除/、幂**以及各种函数计算。例如以下代码示例了等长数组间的四则运算：

import numpy as np
x=np.array([2, 3, 4])
y=np.array([1, 2, 3])
print(x+y)
print(x-y)
print(x*y)
print(x/y)

运行程序，输出

[3 5 7]
[1 1 1]
[ 2  6 12]
[2.         1.5        1.33333333]

2. 全概率公式计算

利用numpy的这一技术，将计算全概率公式的算法表示成如下的函数定义：

def totalProb(prioProbs, likelihood):   #参数类型为np.array
    return (prioProbs*likelihood).sum() #按元素乘法然后求和

上列程序定义了计算全概率公式的函数totalProb，该函数有两个numpy数组类型的参数：表示完备组先验概率序列的prioProb和表示似然度序列的likelihood。函数计算先验概率序列prioProb和似然度序列likelihood按元素的积（prioProbs*likelihood），然后调用该数组的sum方法对所得序列求和（(prioProbs*likelihood).sum()），最后将所得值作为返回值返回（第2行）。
例1 设某仓库有一批产品，已知其中甲、乙、丙三个工厂生产的产品依次占 $50\%$ ， $30\%$ 和 $20\%$ ，且甲、乙、丙厂的次品率分别为 $1/10$ ， $1/15$ 和 $1/20$ 。现从这批产品中任取一件，求取得正品的概率。
解：设事件“从仓库中任取一件产品是正品”为 $B$ 。 $A_1, A_2, A_3$ 分别表示事件：“产品是甲、乙、丙厂生产的”，则 $A_1, A_2, A_3$ 构成一个完备事件组，可视为事件 $B$ 发生的3个因素。按题设 $P(A_1)=1/2$ ， $P(A_2)=3/10$ ， $P(A_3)=1/5$ （各因素的前验概率），且由 $P(\bar{B}|A_1)=1/10$ ， $P(\bar{B}|A_2)=1/15$ ， $P(\bar{B}|A_3)=1/20$ ，得 $P(B|A_1)=9/10$ ， $P(B|A_2)=14/15$ 及 $P(B|A_3)=19/20$ （B相对于各因素的似然率）。
运用全概率公式计算事件“从仓库中任取一件产品是正品”的概率 $P (B)$ ，实际上就是将各因素的先验概率序列 $P(A_1), P(A_2), P(A_3)]$ 与似然率序列 $P(B|A_1), P(B|A_2), P(B|A_3)]$ 逐元素相乘，然后求和而得：
$P(B)=P(A_1)P(B|A_1)+P(A_2)P(B|A_2)+P(A_3)P(B|A_3)\\=\frac{1}{2}\cdot\frac{9}{10}+\frac{3}{10}\cdot\frac{14}{15}+\frac{1}{5}\cdot\frac{19}{20}=23/25.$
下列程序验算本例。

import numpy as np                          #导入numpy
from sympy import Rational as R             #导入Rational类
prioProb=np.array([R(1,2), R(3,10), R(1,5)])
likelihood=np.array([R(9,10), R(14,15), R(19,20)])
p=totalProb(prioProb, likelihood)
print('P(B)=%s'%p)

第3、4行分别将 $A_1,A_2,A_3$ 的先验概率序列 ${1/2,3/10,1/5\}$ 和对 $B$ 的似然度序列 ${9/10,14/15,19/20\}$ 分别设置为numpy（第1行导入）的array类数组prioProbs和likelihood。第5行调用函数totalProb，传递参数prioProb和likelihood，返回值赋予p。第7行输出计算结果：