【概率论】1.2事件的运算、条件概率和独立性

本文是陈希儒老师的《概率论与数理统计》读书笔记，如有转载请标明原作者，谢谢。理解不当之处还请指出。

1.事件的互斥和概率的加法定理

若两事件A,B不能在同一次试验中都发生（但可以都不发生），则称它们是互斥的。如果一些事件中任意两个都互斥，则称这些事件是两两互斥的，或简称互斥的。

事件的和：即把各事件的那些试验结果并在一起所构成的事件。

推广到一般，设有多个事件A1，A1，……An，它们的和A，定义为事件A，A=A1+A2+……+An

若干个互斥事件之和的概率，等于各事件的概率之和，即

P(A1+A2+……)=P(A1)+P(A2)+……

事件个数可以是有限或无限个，这个定理就称为(概率的)加法定理，其重要条件是各事件必须两两互斥。

事件的积：同属于这个集合的那些试验结果组成，即这两个事件的交叉。

条件概率是附加一定的条件之下所计算的概率。当说到条件概率时，总是指另外附加的条件，其形式总可归结为“已知某事发生了”。

条件概率的一般公式是：

P(A|B)=P(AB)/P(B)

2.事件的独立性和概率的乘法定理

有两个事件A和B，若P(A)=P(A|B)，即B的发生与否对A发生的可能性毫无影响，则称A,B两事件独立。

若干个独立事件A1，A1，……An之积的概率，等于各事件概率的乘积

P(A1…An)=P(A1)…P(An)

它被称为概率的乘法定理，其重要条件是两事件相互独立。相加是互斥，相乘是独立。

3.全概率公式

设B1，B2……组成一个完备事件群，即：

BiBj=空集，B1+B2+…=OU(必然事件)，那么，

P(A)=P(B1)P(A|B1)+P(B2)P(A|B2)+……

上式被称为全概率公式，A事件被分成了很多部分之和。

4.贝叶斯公式

在全概率公式的假定之下，有

P(Bi|A)=P(ABi)/P(A)=[P(Bi)*P(A|Bi)]/[P(B1)*P(A|B1)+P(B2)*P(A|B2)+…]

这个公式叫做贝叶斯公式，是概率论中一个著名的公式。

如果说，把事件A看成是结果，把诸事件B1,B2，…看成是导致这个结果的可能的原因，那么全概率公式可以看做是“由原因推结果”。而贝叶斯公式则恰好相反，其作用在于由结果推原因：现在有一个结果A已发生了，在众多可能的原因中，到底是哪一个导致了这个结果？这是一个在日常生活中和科学技术中经常遇到的问题。例如，某地区发生了一起刑事案件，按照平常掌握的资料，嫌疑犯有张三李四等人，在不知道案情细节（事件A）之前，人们对它们犯罪的可能性有个认识，那是基于警局的记录，但当知道案情细节时，这个估计就有了变化，原来不可能的张三，现在成了重点嫌疑犯。

以上的讨论可看出贝叶斯公式在统计上的作用。在统计学中，是依靠收集的数据去寻找所感兴趣的问题的答案，这是一个由结果找原因性质的过程，故而贝叶斯公式有用武之地。事实上，依据这个公式的思想发展了一整套统计推断的方法，叫做贝叶斯统计。