条件概率、全概率公式
条件概率
定义:
设A,B为两个事件,,且P(B)>0,则称P(A|B)=P(AB)P(B)\frac {P(AB)}{P(B)}P(B)P(AB)为事件B已经发生的条件下,事件A发生的概率,即P(A∣B)=P(AB)P(B)P(A|B)=\frac {P(AB)}{P(B)}P(A∣B)=P(B)P(AB)
条件概率有如下性质:
1.任意A,P(AB)≥0
2.P(Ω|B)=1
3.A1,A2,...AnA_1,A_2,...A_nA1,A2,...An两两互斥,则P(∪i=1∞Ai)=∑i=1∞P(Ai)P(\overset{∞}{\underset{i=1}{∪}}A_i)=\overset{∞}{\underset{i=1}{∑}}P(A_i)P(i=1∪∞Ai)=i=1∑∞P(Ai)
4.P(∅|B)=0
5.P(A−\overset{-}{A}A−|B)=1-P(A|B)
两种计算方法:
1.定义法
P(A∣B)=P(AB)P(B)P(A|B)=\frac {P(AB)}{P(B)}P(A∣B)=P(B)P(AB)
可以通过求的P(AB)和P(B)来求得A在B条件下的概率
2.样本空间缩减法
列出A和B的样本空间,并求的A和B中共同的样本C,并计算C在B中占的比例。
注:
一般情况下,P(A|B)≥P(AB),因为条件概率有约束条件,分母可能比1要小。
乘法定理:
设P(B)>0,有P(AB)=P(A|B)P(B)
可以在此进行推广:
三个事件 P(AB)>0 P(ABC)=P(A|BC)P(BC)=P(A|BC)P(B|C)P(C)
可以推广到n个事件:
若
P(A1,A2,...AnA_1,A_2,...A_nA1,A2,...An)>0
则有
P(A1,A2,...AnA_1,A_2,...A_nA1,A2,...An)=P(A1)P(A2∣A1)...P(An∣An−1...A1)P(A_1)P(A_2|A_1)...P(A_n|A_{n-1}...A_1)P(A1)P(A2∣A1)...P(An∣An−1...A1)
全概率公式和贝叶斯公式
划分:
定义:
设Ω,A1,A2,...AnA_1,A_2,...A_nA1,A2,...An是Ω中的一组事件,若满足:
1.Ai,AjA_i,A_jAi,Aj两两互质
2.∪i=1∞Ai\overset{∞}{\underset{i=1}{∪}}A_ii=1∪∞Ai=Ω
则称A1,A2,...AnA_1,A_2,...A_nA1,A2,...An是Ω的一组划分。
全概率公式(全局操作)(化整为零,逐个击破)(由因到果)
设B是Ω中一个事件,A1,A2,...AnA_1,A_2,...A_nA1,A2,...An是一个划分,且P(AiA_iAi)>0(i=1,2,…n),则有
全概率公式:P(B)=P(A1)P(B∣A1)+P(A2)P(B∣A2)+...+P(An)P(B∣An)=∑i=1∞P(Ai)P(B∣Ai)P(B)=P(A_1)P(B|A_1)+P(A_2)P(B|A_2)+...+P(A_n)P(B|A_n)=\overset{∞}{\underset{i=1}{∑}}P(A_i)P(B|A_i)P(B)=P(A1)P(B∣A1)+P(A2)P(B∣A2)+...+P(An)P(B∣An)=i=1∑∞P(Ai)P(B∣Ai)
条件概率、全概率公式相关推荐
- UA MATH564 概率论I 离散型随机变量
UA MATH564 概率论I 离散型随机变量 古典概型 排列数与组合数 二项式定理,负二项式定理与多项式定理 第二类Stirling数 独立性与条件概率 全概率公式 贝叶斯公式 Bernoulli试 ...
- 垃圾邮件过滤——学习笔记
有监督.二分类 流程: 模型评估: 主要看召回率 贝叶斯算法: 条件概率 全概率公式 贝叶斯公式 朴素贝叶斯公式: 例子: 每个特征概率.分类概率 朴素贝叶斯算法流程: [其他资料] 贝叶斯推断及其互 ...
- Unity 数学基础
Unity 数学基础 1.集合 集合基础 容斥原理 2.函数 定义域.值域 函数的性质 单调性 奇偶性 周期性 凹凸性 连续性 可导性 有界性 收敛性 初等函数 一次.二次.三次函数 幂函数 双勾函数 ...
- 概率论(离散型)极简入门
目录 古典概型 条件概率 全概率公式 伯努利概型 随机变量 随机变量的数字特征 古典概型 定义 \[ P(A)=\frac{m}{n} \] m:A包含的基本事件数. n:总基本事件数 基本事件:样本 ...
- 【概率论与数理统计】期末复习抱佛脚:公式总结与简单例题(完结)
不全. 截图来自猴博士的视频(B站搜猴博士即可). 我的稍微完整一些的笔记(例题具体解答在这里面):[猴博士]概率论与数理统计 笔记总结(完结) 多图预警. 文章目录 第一章:随机事件和概率 古典概型 ...
- 人工智能之主观贝叶斯方法及贝叶斯公式附加相关习题
概率论基础 条件概率 全概率公式 基本贝叶斯公式 产生式规则: IF E THEN Hi 主观贝叶斯的基本思想 知识不确定性的表示 以下为公式V: 几率函数 取值范围为[0,+∞] 所以几率函数就是把 ...
- 人工智能——主观贝叶斯方法(主要是公式)
目录 条件概率 全概率公式 贝叶斯公式 贝叶斯公式2.0 知识不确定性的表示 知识表示方法 充分性度量LS 必要性度量LN 几率函数 贝叶斯公式的几率似然性形式:计算O(H|E) 贝叶斯公式的必率似然 ...
- 天津理工大学概率论与数理统计期末考试复习
第一章 概率论基础 1.1 随机事件与样本空间 随机试验:可重复进行,结果预先知道 样本空间:随机试验的一切可能结果组成的集合,称为样本空间 1.2 事件之间的关系与运算 关系:包含.并交.互不相容( ...
- 【Mark】概率论与数理统计
Contents 概率论的基本概念 随机变量及其分布 多维随机变量及其分布 随机变量的数字特征 大数定律及中心极限定理 样本及抽样分布 参数估计 链接 概率论与数理统计BV15t411D7G1. 链接 ...
- 概率论与数理统计(上)
文章目录 Ch1. 随机事件及其概率 互不相容.对立 等可能概型 对偶律 事件的独立性 概率计算 五大公式 加法公式 减法公式 乘法公式 (条件概率) 全概率公式 贝叶斯公式 (先验概率) Ch2. ...
最新文章
- UI设计培训分享:学习UI设计有哪些技巧
- 2018AI最佳应用回顾
- 分区表--SQLServer创建分区表
- 在项目中添加引用的意思
- 【案例】弱电机房用电负荷计算意义及计算方法
- ar9344 9382 8035 编程器固件_沈阳熔铜炉设计,紧固件加热炉_宏祥电炉
- vue前端架构文档_Dubbo分布式架构搭建教育PC站-Vue前端:课程和登录页
- windows无法安装到这个磁盘。选中的磁盘采用GPT分区形式
- python列表切片和推导式思维导图_Python列表推导式使用
- 架构设计(2)---分布式架构的演进过程
- 用 GDI 操作 EMF 文件(转)
- x64下进程保护HOOK
- 核酸检测小程序实战教程
- SQL Server 2008 R2 学习总结
- 虚拟机安装mac os x详细图文教程
- matlab fft 作图,Matlab绘图示例
- 数学符号(取底、取顶、不大于、不小于)和标准假彩色合成
- 数字方法--按零补位
- C#对.CSV格式的文件--逗号分隔值文件 的读写操作及上传ftp服务器操作方法总结
- [转]拍照怎么搜题?(上)
热门文章
- dvdscr是什么意思?什么是dvdscr格式?
- 全球及中国医疗众筹行业发展战略与投资规划分析报告2022-2028年
- Vuepress-theme-reco 构建博客上传GitHub可以访问,无法正常显示。
- 数据库架构(一) 插入数据库
- “一站式”电子书转换工具“Calibre”
- “浙大学霸作息表”疯传,网友:越优秀就越努力!
- AR涂涂乐⭐二、 给material赋予材质、移除material、调整扫描框透明度
- Swift 进阶 | 看得见的算法
- js技巧收集(200多个)——2
- mac上如何彻底删除软件