学习概率论

去年，包括今年刚开始看的一些算法、机器学习的一些书，提到的一些公式，感觉似懂非懂，之前大学老师教的知识全都还给老师了，这周开始早上早点来公司，抽半小时开始从概率论的一些基础学起，学了两、三天了，结合一些相关视频，慢慢对一些公式也熟悉起来。

想要学好后面的机器学习，还是不要操之过急，先从基础复习起来，之前大学的知识点慢慢捡起来吧。每天学一点

今天看公式，提到了贝叶斯公式、全概率公式

1、全概率公式

讲全概率之前，提到了完备事件

什么是完备事件？

若事件A1 U A2 U A3....UAn=Ω, AiAj =空，1<=i != j <=n

则称事件A1,A2,....An是一组完备事件组

全概率公式

A1,A2,....An是完备事件组，且P(Ai)>0, i=1,2,...n

则：P(B)=P(A1B)+P(A2B)+P(A3B)+....+P(AnB)

P(B)  =  

2、贝叶斯公式

所谓贝叶斯公式，是指当分析样本大到接近总体数时，样本中事件发生的概率将接近于总体中事件发生的概率。是概率统计中的应用所观察到的现象对有关概率分布的主观判断（即先验概率）进行修正的标准方法。公式如下：

P（A|B）=

注：P(A)：没有数据的支持下，A发生的概率，也叫先验概率

注：P(A|B)：在数据B的支持下，A发生的概率，也叫后验概率

注：P(B|A)：给定某参数A的概率分布：也叫似然函数

该公式又可写为：

P(Bi|A)=