全概率和贝叶斯公式

全概率和贝叶斯公式

引言：到什么山头唱什么歌！
0. 条件概率P(A | B) = P(AB) / P(B),变形P(AB)=P(A)*P(B|A)

1. 若某个事件B的发生是由于多个原因（Ai）引起，且这些原因构成一个完备的事件组，则常将事件B分解为一些简单的A1，A2 … 等事件，从而可以通过全概率公式来出概率P(B)。

2. 如果某一个事件B已经发生，再回头来分析某个“原因”(Ai)所引起的概率的大小时，则使用贝叶斯公式。此时的P(Ai)是从以往的经验得出，常称为先验概率。而通过实验，若B事件已经发生了，得到了新消息后再重新加以修正“原因”（Ai）出现的可能性大小 。即P（Ai | B），常称为后验概率。常用后验概率来分析结果B出现的原因，这就是贝叶斯决策的主要依据。

个人心得：

全概率公式使用方法：P(B)
1. 知道事件完备组的每个小事件的概率值P(Ai)。
2. 每个小事件发生后再发生B事件的条件概率P(B|Ai) 。
3. xigema求和即好。

贝叶斯公式使用方法： P(Aj | B)
1. P(Aj | B) = P(AjB) / P(B)　
2. 此时的P(B)通过全概率公式求出。
3. P(AjB)变形 P(B | Aj) * P(Aj)求出。

综上：永远将B想成次品，A为工厂，那么P(B | Aj)表示Aj工厂的次品B概率。而P(Aj) 就是工厂与其他工厂占比概率。