条件概率,乘法公式、全概率公式、贝叶斯公式的解释(概率论) |
您所在的位置:网站首页 › 概率空间需要满足的三个条件 › 条件概率,乘法公式、全概率公式、贝叶斯公式的解释(概率论) |
条件概率
公式: 设A, B为任意两个事件,若P(A)>0,我们称在已知事件A发生的条件下,事件B发生的概率为条件概率,记为 P ( B ∣ A ) P(B|A) P(B∣A),并定义: P ( B ∣ A ) = P ( A B ) P ( A ) ( P ( A ) > 0 ) P(B|A) = \frac{P(AB)}{P(A)} ~~~~~~~~~~(P(A)>0) P(B∣A)=P(A)P(AB) (P(A)>0) 解释: 以投骰子游戏为例,设事件 A = { 1 , 2 , 3 , 4 , 5 } A=\{1,2,3,4,5\} A={1,2,3,4,5},事件 B = { 1 , 2 , 3 , 6 } B=\{1,2,3,6\} B={1,2,3,6} 则“当事件 A A A 发生的前提下,事件B发生的概率”意思为:现在知道投出的点数为A中的其中一个,那么有多少概率该点数也是B中的一个呢? 所以,要先求出AB的交集, A B = { 1 , 2 , 3 } AB=\{ 1,2,3 \} AB={1,2,3} 。如果投掷的点数在 A B AB AB 中,那么 B B B事件就也发生了 所以 P ( B ∣ A ) = P ( A B ) P ( A ) = 3 5 P(B|A) = \frac{P(AB)}{P(A)} = \frac{3}{5} P(B∣A)=P(A)P(AB)=53 乘法公式公式: 如果 P ( A ) > 0 P(A)>0 P(A)>0 ,则 P ( A B ) = P ( A ) P ( B ∣ A ) P(AB) = P(A)P(B|A) P(AB)=P(A)P(B∣A) 一般地,如果 P ( A 1 ⋯ A n − 1 ) > 0 P(A_1\cdots A_{n-1})>0 P(A1⋯An−1)>0 ,则 P ( A 1 A 2 ⋯ A n ) = P ( A 1 ) P ( A 2 ∣ A 1 ) P ( A 3 ∣ A 1 A 2 ) ⋯ P ( A n ∣ A 1 ⋯ A n − 1 ) P(A_1A_2\cdots A_n) = P(A_1)P(A_2|A_1)P(A_3|A_1A_2)\cdots P(A_n|A_1\cdots A_{n-1}) P(A1A2⋯An)=P(A1)P(A2∣A1)P(A3∣A1A2)⋯P(An∣A1⋯An−1) 注: A i A_i Ai 先于 A i + 1 A_{i+1} Ai+1 发生时用此公式 解释: 将条件概率公式的分母 P ( A ) P(A) P(A) 挪过去,就得到了该公式 全概率公式公式: 如果 ⋃ i = 1 n A i = Ω \bigcup_{i=1}^n A_i = \Omega ⋃i=1nAi=Ω , A i A j = ∅ ( i ≠ j ) A_i A_j = \varnothing~(i\neq j) AiAj=∅ (i=j) , P ( A i ) > 0 P(A_i)>0 P(Ai)>0 , 则对任一事件 B B B ,有 B = ⋃ i = 1 n A i B P ( B ) = ∑ i = 1 n P ( A i ) P ( B ∣ A i ) B = \bigcup_{i=1}^{n} A_i B \\\\ P(B) = \sum_{i=1}^{n} P(A_i) P(B|A_i) B=i=1⋃nAiBP(B)=i=1∑nP(Ai)P(B∣Ai) 解释: 已知有很多事件 A i A_i Ai,每个事件的发生都会影响B事件的发生(影响可能是0),那么 B 事件的发生概率就是 P ( B ) P(B) P(B)。 假设,现在我们想派 张三、李四、王五 三个中的其中一个去偷东西,他们被委派的概率分别是: 1 10 、 3 10 、 6 10 \frac{1}{10}、\frac{3}{10}、\frac{6}{10} 101、103、106。而他们偷窃成功的概率分别是 0 、 1 3 , 1 2 0、\frac{1}{3}, \frac{1}{2} 0、31,21 。 那么,现在问,东西被偷成功的概率是多少? 在该样例中,事件 B B B 为“东西被偷成功”,事件 A 1 A_1 A1为“派张三去偷”,依次类推;则 P ( B ∣ A 1 ) P(B|A_1) P(B∣A1) 为“派张三去偷的前提下,偷成功的概率”,依次类推。我们将其总结成以下表格 人物张三李四王五被委派事件 A 1 A_1 A1 A 2 A_2 A2 A 3 A_3 A3被委派的概率 P ( A 1 ) = 1 10 P(A_1)=\frac{1}{10} P(A1)=101 P ( A 2 ) = 3 10 P(A_2)=\frac{3}{10} P(A2)=103 P ( A 3 ) = 6 10 P(A_3)=\frac{6}{10} P(A3)=106被指派且偷窃成功的事件 A 1 B A_1B A1B A 2 B A_2B A2B A 3 B A_3B A3B偷窃成功的概率 P ( B ∣ A 1 ) = 0 P(B∣A_1)=0 P(B∣A1)=0 P ( B ∣ A 2 ) = 1 3 P(B∣A_2)=\frac{1}{3} P(B∣A2)=31 P ( B ∣ A 3 ) = 1 2 P(B∣A_3)=\frac{1}{2} P(B∣A3)=21那么,偷成功的概率则为: P ( B ) = ∑ i = 1 3 P ( A i ) P ( B ∣ A i ) = 1 10 × 0 + 3 10 × 1 3 + 6 10 × 1 2 = 2 5 P(B) = \sum_{i=1}^{3} P(A_i) P(B|A_i) = \frac{1}{10} \times 0+ \frac{3}{10} \times \frac{1}{3} + \frac{6}{10} \times \frac{1}{2} = \frac{2}{5} P(B)=i=1∑3P(Ai)P(B∣Ai)=101×0+103×31+106×21=52 贝叶斯公式(逆概公式)公式: 如果 ⋃ i = 1 n A i = Ω \bigcup_{i=1}^n A_i = \Omega ⋃i=1nAi=Ω , A i A j = ∅ ( i ≠ j ) A_i A_j = \varnothing~(i\neq j) AiAj=∅ (i=j) , P ( A i ) > 0 P(A_i)>0 P(Ai)>0 , 则对任一事件 B B B , 只要 P ( B ) > 0 P(B)>0 P(B)>0 ,就有: P ( A j ∣ B ) = P ( A j ) P ( B ∣ A j ) ∑ i = 1 n P ( A i ) P ( B ∣ A i ) ( j = 1 , 2 , ⋯ , n ) P(A_j | B) = \frac{P(A_j)P(B|A_j)}{\sum_{i=1}^{n}P(A_i) P(B|A_i)} ~~~~~~~~(j=1,2,\cdots,n) P(Aj∣B)=∑i=1nP(Ai)P(B∣Ai)P(Aj)P(B∣Aj) (j=1,2,⋯,n) 解释: 贝叶斯公式是全概率公式的逆公式,意思为:现在已知B事件已经发生了,找出是由哪个 A j A_j Aj 引起的。 还是用上面的例子。现在东西已经被偷了,我想知道“是张三干、是李四干的、是王五干的”这三个事件的概率。 人物张三李四王五被委派事件 A 1 A_1 A1 A 2 A_2 A2 A 3 A_3 A3被委派的概率 P ( A 1 ) = 1 10 P(A_1)=\frac{1}{10} P(A1)=101 P ( A 2 ) = 3 10 P(A_2)=\frac{3}{10} P(A2)=103 P ( A 3 ) = 6 10 P(A_3)=\frac{6}{10} P(A3)=106被指派且偷窃成功的事件 A 1 B A_1B A1B A 2 B A_2B A2B A 3 B A_3B A3B偷窃成功的概率 P ( B ∣ A 1 ) = 0 P(B∣A_1)=0 P(B∣A1)=0 P ( B ∣ A 2 ) = 1 3 P(B∣A_2)=\frac{1}{3} P(B∣A2)=31 P ( B ∣ A 3 ) = 1 2 P(B∣A_3)=\frac{1}{2} P(B∣A3)=21东西已经被偷,是谁干的事件的概率 P ( A 1 ∣ B ) P(A_1∣B) P(A1∣B) P ( A 2 ∣ B ) P(A_2∣B) P(A2∣B) P ( A 3 ∣ B ) P(A_3∣B) P(A3∣B)将 P ( A j B ) P(A_jB) P(AjB) 求得,分别是: P ( A 1 ∣ B ) = P ( A 1 ) P ( B ∣ A 1 ) ∑ i = 1 n P ( A i ) P ( B ∣ A i ) = 1 10 × 0 2 / 5 = 0 P ( A 2 ∣ B ) = P ( A 2 ) P ( B ∣ A 2 ) ∑ i = 1 n P ( A i ) P ( B ∣ A i ) = 3 10 × 1 3 2 / 5 = 1 4 P ( A 2 ∣ B ) = P ( A 3 ) P ( B ∣ A 3 ) ∑ i = 1 n P ( A i ) P ( B ∣ A i ) = 6 10 × 1 2 2 / 5 = 3 4 \begin{aligned} P(A_1 | B) &= \frac{P(A_1)P(B|A_1)}{\sum_{i=1}^{n}P(A_i) P(B|A_i)} = \frac{\frac{1}{10}\times 0}{2/5} = 0 \\\\ P(A_2 | B) &= \frac{P(A_2)P(B|A_2)}{\sum_{i=1}^{n}P(A_i) P(B|A_i)} = \frac{\frac{3}{10}\times \frac{1}{3}}{2/5} = \frac{1}{4} \\\\ P(A_2 | B) &= \frac{P(A_3)P(B|A_3)}{\sum_{i=1}^{n}P(A_i) P(B|A_i)} = \frac{\frac{6}{10}\times \frac{1}{2}}{2/5} = \frac{3}{4} \\\\ \end{aligned} P(A1∣B)P(A2∣B)P(A2∣B)=∑i=1nP(Ai)P(B∣Ai)P(A1)P(B∣A1)=2/5101×0=0=∑i=1nP(Ai)P(B∣Ai)P(A2)P(B∣A2)=2/5103×31=41=∑i=1nP(Ai)P(B∣Ai)P(A3)P(B∣A3)=2/5106×21=43 从上面的计算不难看出,贝叶斯公式的分母就是全概率公式的结果,即东西被偷成功的概率;而分子则是此人所占的比重,即此人被派去偷且偷成功的概率 参考资料 张宇概率论9讲张宇概率论基础班 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |