Math：条件概率

（一）条件概率

定义：设$A,B$是两个事件，且$P(A)>0$，称

$$P(B|A)=\frac{P(AB)}{P(A)}$$

为在事件$A$发生的条件下事件$B$发生的条件概率。

条件概率$P(.|A)$符合概率定义中的三个条件，即

1、非负性：对于每一事件$B$，有$P(B|A)⩾0$；
2、规范性：对于必然事件$S$，有$P(S|A)=1$；
3、可列可加性：设$B_1,B_2,...$是两两互不相容的事件，则有

$$P(\bigcup _{i=1}^{\infty }{B}_i|A)=\sum _{i=1}^{\infty }P(B_i|A).$$

（二）乘法定理

由条件概率的定义，可得下述定理。

乘法定理：设$P(A)>0$，则有

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

此式称为乘法公式。

乘法公式容易推广到多个事件的积事件的情况。例如，设$A,B,C$为事件，且$P(AB)>0$，则有

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

在这里，注意到由假设$P(AB)>0$可推得$P(A)⩾P(AB)>0.$

一般，设$A_1,A_2,...,A_n$为$n$个事件，$n⩾2$，且$P(A_1{A}_2...A_{n-1})>0$，则有

$$P(A_1{A}_2...A_n)=P(A_n|A_1{A}_2...A_{n-1})P(A_{n-1}|A_1{A}_2...A_{n-2})...P(A_2|A_1)P(A_1).$$

（三）全概率公式和贝叶斯公式

样本空间的划分

定义：设$S$为试验$E$的样本空间，$B_1,B_2,...,B_n$为$E$的一组事件。若

（1）$B_i{B}_j=空集,i̸=j,i,j=1,2,...,n$；
（2）$B_1\cup B_2\cup ...\cup B_n=S$，

则称$B_1,B_2,...,B_n$为样本空间$S$的一个划分。

若$B_1,B_2,...,B_n$是样本空间的一个划分，那么，对每次试验，事件$B_1,B_2,...,B_n$中必有一个且仅有一个发生。

全概率公式

设试验$E$的样本空间为$S$，$A$为$E$的事件，$B_1,B_2,...,B_n$为$S$的一个划分，且$P(B_i)>0(i=1,2,...,n)$，则

$$P(A)=P(A|B_1)P(B_1)+P(A|B_2)P(B_2)+...+P(A|B_n)P(B_n)$$

此式称为全概率公式

贝叶斯公式

设试验$E$的样本空间$S$。$A$为$E$的事件，$B_1,B_2,...,B_n$为$S$的一个划分，且$P(A)>0,P(B_i)>0(i=1,2,...,n)$，则

$$P(B_i|A)=\frac{P(A|B_i)P(B_i)}{{\sum }_{j=1}^{n}P(A|B_j)P(B_j)},i=1,2,...,n.$$

此式称为贝叶斯（Bayes）公式。