主要讲了条件概率,贝叶斯定理以及全概率定理
条件概率(conditional probability)
假如事件A,B来自于同一个样品空间,知道事件B发生的前提下,事件A发生的概率,即为条件概率P(A/B). The probability of event A given that event B occured.
实例


贝叶斯定理(Bayes Theorem)
个人理解总结
贝叶斯定理是由条件概率推理而来,两者求的都是条件概率P(A/B),方程式为除法,分母皆为P(B),不同的部分为分子的表达式

全概率定理(Law of total probability)


实例


如上图所示,P(A)为prior prob, 先验概率,obtain this without any information at all
P(A/B) 为posterior prob, 后验概率,即知道事件B发生的情况下,事件A发生的概率。

本文深入探讨了概率论中的核心概念:条件概率、贝叶斯定理和全概率定理。条件概率描述了在已知B发生的情况下A发生的可能性;贝叶斯定理提供了一种更新先验概率为后验概率的方法;全概率定理则用于计算事件的概率,即使其发生途径未知。通过实例解释,帮助读者更好地理解和应用这些理论。
322

被折叠的 条评论
为什么被折叠?



