1 条件概率
设A,B是两个事件,且P(B)>0,则在事件B发生的条件下,事件A发生的条件概率为:
P ( A ∣ B ) = P ( A , B ) P ( B ) P(A|B)=\frac{P(A,B)}{P(B)} P(A∣B)=P(B)P(A,B)
一般说到条件概率这一概念的时候,事件A和事件B都是同一实验下的不同的结果集合,事件A和事件B一般是有交集的,若没有交集(互斥),则条件概率为0。
用图更能说明上述问题,我们进行某一实验,某一实验所有的可能的样本的结合为Ω(也即穷举实验的所有样本),圆圈A代表事件A所能囊括的所有样本,圆圈B代表事件B所能囊括的所有样本。
由图再来理解一下这个问题:“B已经发生的条件下,A发生的概率”,这句话中,“B已经发生”就相当于已经把样本的可选范围限制在了圆圈B中,其实就等价于这句话:“在圆圈B中,A发生的概率”,显然P(A|B)就等于A,B交集中样本的数目/B的样本数目(为什么这里用的是样本的数目相除,而上面的公式却是用的概率相除,原因很简单,用样本数目相除时,把分子分母同除以总样本数,这就变成了概率相除)。
2 乘法公式
这里的乘法公式其实是条件概率公式的变形,具体推导如下:
由 P ( A ∣ B ) = P ( A , B ) P ( B ) P(A|B)=\frac{P(A,B)}{P(B)} P(A∣B)=P(B)P(A,B),可得 P ( A , B ) = P ( A ∣ B ) P ( B ) P(A,B)=P(A|B)P(B) P(A,B)=P(A∣B)P(B),由 P ( B ∣ A ) = P ( B , A ) P ( A ) P(B|A)=\frac{P(B,A)}{P(A)} P(B∣A)=P(A)P(B,A),可得 P ( B , A ) = P ( B ∣ A ) P ( A ) P(B,A)=P(B|A)P(A) P(B,A)=P(B∣A)P(A),其中 P ( A , B ) = P ( B , A ) P(A,B)=P(B,A) P(A,B)=P(B,A),所以有如下式子即乘法公式成立:
P ( A , B ) = P ( A ∣ B ) P ( B ) = P ( B ∣ A ) P ( A ) P(A,B)=P(A|B)P(B)=P(B|A)P(A) P(A,B)=P(A∣B)P(B)=P(B∣A)P(A)
乘法公式推广:对于任何正整数 n ≥ 2 n≥2 n≥2,当 P ( A 1 A 2 . . . A n − 1 ) > 0 P(A_1A_2...A_{n-1}) > 0 P(A1A2...An−1)>0 时,有如下式子成立:
P ( A 1 A 2 . . . A n − 1 A n ) = P ( A 1 ) P ( A 2 ∣ A 1 ) P