概率论中那些符号
联合概率
p(x,y) = x和y同时发生的概率。当x与y是两个没有任何联系的事情的时候那么p(x,y)=p(x)p(y)。比如:你今天是否吃饭这个事和太阳是否从东边出来这就是两个没有任何联系的事。你今天吃不吃饭跟太阳出不出来并没有任何关系。两件事没有任何联系在学术上叫做这两件事相互独立,你这件事发生不干扰我,我这件事发生也不干扰你。
条件概率
那有哪些事件是不相互独立的呢?你今天是否吃饭这个事,与你今天参加马拉松拿第一名是不相互独立的。如果在你今天会吃饭的条件下马拉松拿第一的概率会更高。像这种有前提条件的事件发生的概率叫做条件概率。用公式表示就是p(x|y)=p(马拉松第一|今天吃饭)。注意:只要见到p(x|y)一定要自动把它翻译成:“在y发生的情况下,x发生的概率”。
条件概率计算公式: p ( x ∣ y ) = p ( x , y ) p ( y ) p(x|y)=\frac{p(x,y)}{p(y)} p(x∣y)=p(y)p(x,y)。
这公式怎么得来的呢?
很简单,遇到你记不住的公式你就画韦恩图。
p ( x ∣ y ) p(x|y) p(x∣y)表示y已经发生的条件下,也就是说在y那个圆中,x的的占比。这就很容得到 p ( x ∣ y ) = p ( x , y ) p ( y ) p(x|y)=\frac{p(x,y)}{p(y)} p(x∣y)=p(y)p(x,y)。
全概率公式
这个公式非常有用,一般很多不好求的概率可以通过全概率公式把各种情况的概率求和即可得到最终的概率。
比如p(x)概率不知道我可以通过 p ( x ) = ∑ y i p ( x ∣ y i ) p ( y i ) p(x)=\sum_{y_i} p(x|y_i)p(y_i) p(x)=∑yip(x∣yi)p(yi)这个方式来求概率。
贝叶斯公式
贝叶斯公式就是条件概率。在前面条件概率中我们提到了 p ( x , y ) = p ( x ∣ y ) p ( y ) = p ( y ∣ x ) p ( x ) p(x,y)=p(x|y)p(y)=p(y|x)p(x) p(x,y)=p(x∣y)p(y)=p(y∣x)p(x)。而贝叶斯公式就是: p ( x ∣ y ) p ( y ) = p ( y ∣ x ) p ( x ) p(x|y)p(y)=p(y|x)p(x) p(x∣y)p(y)=p(y∣x)p(x)。由这个公式我们可以得到:
- p ( x ∣ y ) = p ( y ∣ x ) p ( x ) p ( y ) p(x|y)=\frac{p(y|x)p(x)}{p(y)} p(x∣y)=p(y)