重学贝叶斯定理

前阵子面试时被一道贝叶斯定理的题问倒了,虽说是很久没接触遗忘了,但也反映了个人在概率学习上不够扎实,也没有做到学而时习,实在惭愧。在这里重新温习一下贝叶斯定理。
说到 贝叶斯定理,就不得不重点提一下 条件概率全概率

一、条件概率

定义:假定事件 A A A 发生的概率为 P ( A ) P(A) P(A),事件 B B B 发生的概率为 P ( B ) P(B) P(B)在事件 B B B 发生的前提下,事件 A A A 发生的概率 P ( A ∣ B ) P(A|B) P(AB) 就是条件概率。
P ( A ∣ B ) = P ( A B ) P ( B ) P(A|B) = \frac{P(AB)}{P(B)} P(AB)=P(B)P(AB)
用文氏图理解一下:
在这里插入图片描述
事件 B B B 发生后,事件 A A A 发生的概率,就是上图 A A A B B B 交集部分 P ( A B ) P(AB) P(AB) P ( B ) P(B) P(B) 部分的占比,即: P ( A ∣ B ) = P ( A B ) P ( B ) P(A|B) = \frac{P(AB)}{P(B)} P(AB)=P(B)P(AB)
同理,事件 A A A 发生后,事件 B B B 发生的概率就是: P ( B ∣ A ) = P ( A B ) P ( A ) P(B|A) = \frac{P(AB)}{P(A)} P(BA)=P(A)P(AB)
所以条件概率公式又可以推导为:
P ( A ∣ B ) = P ( A B ) P ( B ) = P ( B ∣ A ) ∗ P ( A ) P ( B ) (1) P(A|B) = \frac{P(AB)}{P(B)} =\frac{P(B|A)*P(A)}{P(B)} \tag{1} P(AB)=P(B)P(

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值