重学贝叶斯定理

前阵子面试时被一道贝叶斯定理的题问倒了，虽说是很久没接触遗忘了，但也反映了个人在概率学习上不够扎实，也没有做到学而时习，实在惭愧。在这里重新温习一下贝叶斯定理。
说到 贝叶斯定理，就不得不重点提一下 条件概率 和 全概率：

一、条件概率

定义：假定事件 $A$ 发生的概率为 $P(A)$，事件 $B$ 发生的概率为 $P(B)$ 。在事件 $B$ 发生的前提下，事件 $A$ 发生的概率 $P(A|B)$ 就是条件概率。
$$P(A|B)=\frac{P(AB)}{P(B)}$$
用文氏图理解一下：

事件 $B$ 发生后，事件 $A$ 发生的概率，就是上图 $A$ 与 $B$ 交集部分 $P(AB)$ 在 $P(B)$ 部分的占比，即：$P(A|B)=\frac{P(AB)}{P(B)}$，
同理，事件 $A$ 发生后，事件 $B$ 发生的概率就是：$P(B|A)=\frac{P(AB)}{P(A)}$。
所以条件概率公式又可以推导为：
$$P(A|B)=\frac{P(AB)}{P(B)}=\frac{P(B|A)\ast P(A)}{P(B)}\text{\hspace{1em}(1)}$$

注：
当事件 A 与事件 B 相互独立时：$P(AB)=P(A)\ast P(B)$。

二、全概率

定义：设事件 $B_1,B_2,\dots ,B_n$ 是一个完备事件组，即它们互不相容，和为全集。则对于任意的事件 $A$ 都有：
$$P(A)=P(A{B}_1)+P(A{B}_2)+\dots +P(A{B}_n)=\sum _{i=1}^{n}P(A{B}_i)$$
由条件概率的定义可知：$P(AB)=P(A|B)\ast P(B)$，所以：
$$P(A)=\sum _{i=1}^{n}P(B_i)P(A|B_i)\text{\hspace{1em}(2)}$$

全概率就是表示造成某个结果，有多种原因，问造成这种结果的概率是多少。

用文氏图理解一下：

$A_1、A_2、A_3$ 组成了一个完备事件组，要求事件 $B$ 发生的概率，就是求事件 $B$ 与事件 $A_1$同时发生的概率 、事件 $B$ 与事件 $A_2$ 同时发生的概率 、事件 $B$ 与事件 $A_3$同时发生的概率 的之和。

三、贝叶斯定理

贝叶斯定理是执果索因的过程，就是当已知结果（后验概率），问导致这个结果的第 i 原因（先验概率）的可能性是多少。
在条件概率公式和全概率公式的基础上可以推出贝叶斯定理：
$$P(B_i|A)=\frac{P(A{B}_i)}{P(A)}=\frac{P(A|B_i)P(B_i))}{{\sum }_{i=1}^{n}P(A|B_i)P(B_i)}\text{\hspace{1em}(3)}$$

---

现有这么一个场景：某员工通勤有 3 条路线可以选择，路线1最近，选择路线1的概率为 50%，选择路线2的概率为30%，选择路线3的概率为20%。
假设已知选择路线1但是未迟到的概率是20%，选择路线2但是未迟到的概率是40%，选择路线3但是未迟到的概率是70%。
请问，该员工在某天未迟到，他选择路线1的可能性有多大？

解：
令事件未迟到为 $A$，选择路线 $i$ 为 $B_i$。
已知：

• $P(B_1)=0.5$ ; $P(A|B_1)=0.2$ ;
• $P(B_2)=0.3$ ; $P(A|B_2)=0.4$ ;
• $P(B_1)=0.2$ ; $P(A|B_3)=0.7$ ;
• 求 $P(B_1|A)$？

那么引用式（3）：
$P(B_i|A)=\frac{P(A{B}_i)}{P(A)}=\frac{P(A|B_i)P(B_i))}{{\sum }_{i=1}^{n}P(A|B_i)P(B_i)}$
$P(B_1|A)=\frac{P(A|B_1)P(B_1)}{P(B_1)P(A|B_1)+P(B_2)P(A|B_2)+P(B_3)P(A|B_3)}\approx 0.28$

参考：https://blog.csdn.net/u010164190/article/details/81043856