导读:本文首先讲解条件概率及贝叶斯定理,之后有两道例题,看看你都能答对吗?
作者:基思·斯坦诺维奇(Keith E. Stanovich)、理查德·韦斯特(Richard F. West)、玛吉·托普拉克(Maggie E. Toplak)
来源:大数据DT(ID:hzdashuju)
首先来看一些概率的重要准则,这些准则大多数都和我们的直觉相符。
概率在0~1之间变化,即0≤P(A)≤1,其中P(A)代表事件A发生的概率。
如果事件确定发生,则其发生概率为1。即,当事件A确定发生时,P(A)=1。
如果事件确定不会发生,则其发生概率为0。即,当事件A确定不发生时,P(A)=0。
如果事件A和事件B不能同时发生,则称它们是互斥的。当事件A和事件B互斥时,任一事件(事件A或事件B)发生的概率就是每个事件发生概率之和,即:P(A或B)=P(A)+P(B)
概率计算规则中还有一个重要的概念是条件概率(conditional probability)。条件概率是指当某一事件(B)发生时,另一事件(A)发生的概率,即P(A|B)。当事件A和事件B互斥时,则有:P(A|B)=0,因为如果事件B发生,事件A就不可能发生(同样地,P(B|A)=0)。当事件A和事件B不互斥时,条件概率的表达公式为:
需要注意的是,一般来说P(A|B)不一定与P(B|A)相等,因为后者的表达公式中分母不同:
但是,我们可以根据条件概率P(A|B)推算出条件概率P(B|A),反之亦然。这样,通过一个简单的代数运算后,我们就得出了决策理论界最著名的定理之一——贝叶斯定理,有时也称为贝叶斯规则。18世纪,英格兰坦布里奇韦尔斯(Tunbridge Wells)城的牧师托马斯·贝叶斯首先提出此定律: