概率论中的基本公式

1.条件概率

事件A已经发生的条件下，事件B发生

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

2.乘法定理

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

推广多个事件的积事件

P(ABC)=P(C|AB)P(B|A)P(A)P(ABC)=P(C|AB)P(B|A)P(A)

更一般地有

P(A1A2...An)=P(An|A1A2...An−1)P(An−1|A1A2...An−2)…P(A2|A1)P(A1)P(A1A2...An)=P(An|A1A2...An−1)P(An−1|A1A2...An−2)…P(A2|A1)P(A1)

3.全概率公式

概念：
试验E的样本空间S，事件BiBi，i=1,2...,ni=1,2...,n是样本空间的一个划分，每次试验有且仅有一个发生。

• BiBj=∅,i≠jBiBj=∅,i≠j
• B1∪B2∪...∪Bn=SB1∪B2∪...∪Bn=S

如果A是E的事件，事件A发生，

P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)

全概率公式的理解
例子：
人患肺癌的概率为0.1%，人群中有20%吸烟者，他们患肺癌的概率为0.4%, 那个不吸烟的人患肺癌的概率是多少？
换个人能看懂的说法，P(患肺癌)=0.001P(患肺癌)=0.001, P(吸烟)=0.2P(吸烟)=0.2, P(患肺癌|吸烟)=0.004P(患肺癌|吸烟)=0.004, 求 P(患肺癌|不吸烟)=?P(患肺癌|不吸烟)=?
P(患肺癌)=0.001P(患肺癌)=0.001 既包括了吸烟患肺癌的概率又包括不吸烟患肺癌的概率。

P(患肺癌)=P(吸烟患肺癌)+P(不吸烟患肺癌)P(患肺癌)=P(吸烟患肺癌)+P(不吸烟患肺癌)

=P(患肺癌|吸烟)P(吸烟)+P(患肺癌|不吸烟)P(不吸烟)=P(患肺癌|吸烟)P(吸烟)+P(患肺癌|不吸烟)P(不吸烟)

=0.004×0.2+P(患肺癌|不吸烟)×(1−0.2)=0.001=0.004×0.2+P(患肺癌|不吸烟)×(1−0.2)=0.001

所以不吸烟的人患肺癌的概率为0.00025.

4.贝叶斯公式

P(Bi|A)=P(A|Bi)P(Bi)∑nj=1P(A|Bj)P(Bj)P(Bi|A)=P(A|Bi)P(Bi)∑j=1nP(A|Bj)P(Bj)

n=2时，

P(B|A)=P(A|B)P(B)P(A|B)P(B)+P(A|B¯¯¯¯)P(B¯¯¯¯)P(B|A)=P(A|B)P(B)P(A|B)P(B)+P(A|B¯)P(B¯)

用条件概率、全概率公式理解贝叶斯公式：

P(A|B)=P(A∩B)P(A)P(A|B)=P(A∩B)P(A)

或者

P(B|A)=P(B∩A)P(A)P(B|A)=P(B∩A)P(A)

因为

P(A∩B)=P(B∩A)P(A∩B)=P(B∩A)

所以

P(B|A)=P(A|B)P(B)P(A)P(B|A)=P(A|B)P(B)P(A)

P(A)发生的概率就用到了全概率公式，包括B在各种情况下A发生的概率：

∑j=1nP(A|Bj)P(Bj)∑j=1nP(A|Bj)P(Bj)

实际应用中的定义

经典例子：
癌症诊断事件，人患癌症的统计概率为0.005，一个不患癌症的受诊者试验呈阳性的概率为0.05，一个患癌症的病人做诊断时呈阳性的概率为0.95，那么受诊者试验呈阳性，他患癌症的概率？
分析：
P(患癌症)=0.005P(患癌症)=0.005
P(呈阳性|不患癌症)=0.05P(呈阳性|不患癌症)=0.05
P(呈阳性|患癌症)=0.95P(呈阳性|患癌症)=0.95
P(患癌症|呈阳性)=?P(患癌症|呈阳性)=?

使用条件概率计算：

P(患癌症|呈阳性)=P(呈阳性|患癌症)P(患癌症)P(呈阳性)P(患癌症|呈阳性)=P(呈阳性|患癌症)P(患癌症)P(呈阳性)

P(呈阳性|患癌症)P(患癌症)=0.005×0.95=0.00475P(呈阳性|患癌症)P(患癌症)=0.005×0.95=0.00475

P(呈阳性)=P(呈阳性|不患癌症)P(不患癌症)+P(呈阳性|患癌症)P(患癌症)P(呈阳性)=P(呈阳性|不患癌症)P(不患癌症)+P(呈阳性|患癌症)P(患癌症)

=0.05×(1−0.005)+0.95×0.005=0.0545=0.05×(1−0.005)+0.95×0.005=0.0545

P(患癌症|呈阳性)=0.004750.0545=0.08715P(患癌症|呈阳性)=0.004750.0545=0.08715

转载于:https://www.cnblogs.com/siucaan/p/9623194.html