理解条件概率的链式法则
条件概率:
\(\text{x}=x\) 事件发生时 \(\text{y}=y\) 事件发生的概率:
\[ P(\text{y}=y|\text{x}=x)=\frac{P(\text{x}=x,\text{y}=y)}{P(\text{x}=x)} \]条件概率的链式法则
也称为条件概率的乘法法则
\[ \begin{aligned} P(a,b,c) &= P(a|b,c)P(b,c) \\ &= P(a|b,c)P(b|c)P(c) \end{aligned} \]
- 推广到一般情况有:
\[ \begin{aligned} P(\text{x}^{(1)},\text{x}^{(2)},\cdots,\text{x}^{(n)}) &= P(\text{x}^{(n)}|\text{x}^{(n-1)},\cdots,\text{x}^{(1)})P(\text{x}^{(1)},\cdots,\text{x}^{(n-1)})\\ &=P(\text{x}^{(n)}|\text{x}^{(n-1)},\cdots,\text{x}^{(1)})P(\text{x}^{(n-1)}|\text{x}^{(n-2)},\cdots,\text{x}^{(1)})P(\text{x}^{(1)},\cdots,\text{x}^{(n-2)})\\ &=P(\text{x}^{(n)}|\text{x}^{(n-1)},\cdots,\text{x}^{(1)})P(\text{x}^{(n-1)}|\text{x}^{(n-2)},\cdots,\text{x}^{(1)})\cdots P(\text{x}^{(2)}|\text{x}^{(1)})P(\text{x}^{(1)})\\ &=P(\text{x}^{(1)})\prod_2^nP(\text{x}^{(i))}|\text{x}^{(1)}\cdots\text{x}^{(i-1)}) \end{aligned} \]
通俗点讲,条件概率的链式法则可以如下理解:
以 \(P(\text{x}^{(1)},\text{x}^{(2)},\cdots,\text{x}^{(n)})\) 为例,可以看作 \(P(\text{x}^{(1)})\) 发生后,\(P(\text{x}^{(2)}|\text{x}^{(1)})P(\text{x}^{(1)})\) 是\(\text{x}^{(1)},\text{x}^{(2)}\) 同时发生的概率,\(P(\text{x}^{(3)}|\text{x}^{(1)},\text{x}^{(2)})P(\text{x}^{(2)}|\text{x}^{(1)})P(\text{x}^{(1)})\) 是 \(\text{x}^{(1)},\text{x}^{(2)},\text{x}^{(3)}\) 同时发生的概率,依次类推下去,便可以得到条件概率的链式法则公式。
参考资料:Deep Learning 3.5
转载于:https://www.cnblogs.com/yuyin/articles/10958971.html
理解条件概率的链式法则相关推荐
- 条件概率 and 条件概率的链式法则 and 期望、方差和协方差
条件概率的链式法则 协方差和相关性是有联系的,但实际上是不同的概念.它们是有联系的,因为两个变量如果相互独立那么它们的协方差为零,如果两个变量的协方差不为零那么它们一定是相关的.然而,独立性又是和协方 ...
- 怎样理解条件概率公式
这是一个很经典的公式,全概率公式,贝叶斯公式都会由它而来,公式如下: P(A|B)=P(AB)/P(B) 这个公式的含义是在条件B下产生A的概率可以由A和B的联合概念除以B的概率得到,怎样来的呢?其实 ...
- 5分钟理解边缘概率,联合概率,条件概率,随机事件独立,随机事件依赖
在隐马尔可夫(HMM)和条件随机场(CRF)中有很多概率计算问题,要想理解他们,必须先把概率的一些概念及计算公式搞清楚.本文旨在用形象的图形和具体事例来讲解这些概念和公式,以帮助理解.这里讲的部分内容 ...
- 2.如何正确理解古典概率中的条件概率《zobol的考研概率论教程》
写本文主要是帮助粉丝理解考研中的古典概率-条件概率的具体定义. "B事件发生的条件下,A事件发生的概率"? "在A集合内有多少B的样本点"? "在B约 ...
- 机器学习中的矩阵向量求导(四) 矩阵向量求导链式法则
在机器学习中的矩阵向量求导(三) 矩阵向量求导之微分法中,我们讨论了使用微分法来求解矩阵向量求导的方法.但是很多时候,求导的自变量和因变量直接有复杂的多层链式求导的关系,此时微分法使用起来也有些麻烦. ...
- 全概公式和贝叶斯公式的理解
目录(?)[+] 条件概率 首先,理解这两个公式的前提是理解条件概率,因此先复习条件概率. P(A|B)=P(AB)P(B) 理解这个可以从两个角度来看. 第一个角度:在B发生的基础上,A发生的概率 ...
- [200902] 条件概率与独立事件
[200902] 条件概率与独立事件 通过B站,巩固了条件概率与独立事件: 条件概率表示事件A发生后,事件B发生的概率.两者应该处于同一空间. A与B同时发生的概率,除以A发生的概率. P ( B ∣ ...
- 惯性传感器的卡尔曼滤波
一.引言 下面我们引用文献[1]中的一段话作为本文的开始: 想象你在黄昏时分看着一只小鸟飞行穿过浓密的丛林,你只能隐隐约约.断断续续地瞥见小鸟运动的闪现.你试图努力地猜测小鸟在哪里以及下一时刻它会出现 ...
- 数学学习笔记--概率论
2. 概率论 2.1 概率分布与随机变量 2.1.1 机器学习为什么要使用概率 事件的概率是衡量该事件发生的可能性的量度.虽然在一次随机试验中某个事件的发生是带有偶然性的,但那些可在相同条件下大量重复 ...
最新文章
- Mybatis复习笔记:1
- 数据蒋堂 | 大清单报表的打印?
- 借助C/C++进行Android开发:NDK的配置与使用
- Android系统初始化过程分析(Android 4.3)
- keil 使用AC6 中文警告解决办法
- 什么样的编程姿势才没有bug
- nginx 负载均衡 404_nginx配置负载均衡
- day05 selenium库的基础使用
- Java 8:功能接口示例
- 锐界机器人_2019款锐界智能家居远程控制使用介绍
- Go 单元测试--Mock接口实现和对接口打桩
- Java使用Redis
- 2019杭电多校第九场 Rikka with Cake (hdu6681)
- 佛说剖腹产的孩子_选择好的剖腹产时间会改变孩子的命运吗?
- 上网行为管理软件的功能
- 利用python做一个超简单的抽签器
- 进制转换C语言实现(十进制转换为任意进制)
- 【统计学】Python计算并绘制样本数据的经验分布函数
- Spring Cloud: .yml属性文件配置 (完善中)
- QQ使用的一个小问题