文章目录
1.概率定义
频率派概率:一个结果发生的概率为P,则如果我们进行无数次的反复实验,有P的比例会导致这样的结果
贝叶斯概率:根据经验估计得出先验概率,随后根据数据一步步修正概率
2.条件概率
2.1条件概率公式
在事件F已经发生的情况下,事件E发生的概率表示为
P ( E ∣ F ) = P ( E F ) P ( F ) P(E|F) = \frac{P(EF)}{P(F)} P(E∣F)=P(F)P(EF)
P ( E F ) = P ( E ∣ F ) P ( F ) P(EF)=P(E|F)P(F) P(EF)=P(E∣F)P(F)
2.2贝叶斯公式
全概率公式:将某一事件单独发生的概率转化为与其他事件相关的条件概率公式
P ( E ) = P ( E F ) + P ( E F ′ ) = P ( E ∣ F ) P ( F ) + P ( E ∣ F ′ ) P ( F ′ ) P(E)=P(EF)+P(EF') = P(E|F)P(F)+P(E|F')P(F') P(E)=P(EF)+P(EF′)=P(E∣F)P(F)+P(E∣F′)P(F′)
P ( E ) = ∑ i = 1 n P ( F i ) P ( E ∣ F i ) P(E)=\sum_{i=1} ^nP(F_i)P(E|F_ i) P(E)=∑i=1nP(Fi)P(E∣Fi)
贝叶斯公式:
P ( F ∣ E ) = P ( E F ) P ( E ) = P ( E F ) P ( E ∣ F ) P ( F ) + P ( E ∣ F ′ ) P ( F ′ ) P(F|E)=\frac{P(EF)}{P(E)}=\frac{P(EF)}{P(E|F)P(F)+P(E|F')P(F')} P(F∣E)=P(E)P(EF)=P(E∣F)P(F)+P(E∣F′)P(F′)P(EF)
P ( F j ∣ E ) = P ( E F j ) P ( E ) = P ( E ∣ F j ) P ( F j ) ∑ i = 1 n P ( E ∣ F i ) P ( F i ) P(F_j|E)=\frac{P(EF_j)}{P(E)}=\frac{P(E|F_j)P(F_j)}{\sum_{i=1}^nP(E|F_i)P(F_i)}