全概率公式和贝叶斯公式

这篇具有很好参考价值的文章主要介绍了全概率公式和贝叶斯公式。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、完备事件组

设E是随机试验,Ω是相应的样本空间,A1,A2,...,An为Ω的一个事件组,

若两两事件互斥且所有事件的并集为全集,则称A1A2...An为样本空间的一个完备事件组。

二、条件概率

设A,B是两个事件,且P(B)>0,则在事件B发生的条件下,事件A发生的条件概率:

P(A|B)=P(AB)/P(B)

特例:事件A和事件B互斥,则条件概率为0.

三、全概率公式

全概率公式以加法公式和乘法公式为基础。

全概率公式:通过已知每种"原因"发生的概率,求"结果"发生的概率,"原因"发生的概率称为"先验概率",即"已知原因,分析结果"。

P(A) = P(A|B1)P(B1) + P(A|B2)P(B2) + … + P(A|Bn)P(Bn)

间接求概率P(A)。

四、贝叶斯公式

贝叶斯公式以条件概率公式和全概率公式为基础。

从已知"结果"发生的条件下分析各个"原因"引起的条件概率,这个条件概率称为"后验概率",即"已知结果,分析原因"。

P(Bi|A) = P(A|Bi)P(Bi) / P(A)

五、举例理解

        我该怎么来理解这2个公式呢?打个比方,假设学校的奖学金都采取申请制度,只有满足一定的条件你才能拿到这比奖学金。那么有哪些原因能够使你有可能拿到奖学金呢?1、三好学生,拿到奖学金的概率是p(A1)=0.3。 2、四好学生,拿到奖学金的概率是p(A2)=0.4。3、五好学生,拿到奖学金的概率是p(A3)=0.5。4、六好学生,拿到奖学金的概率是p(A4)=0.6。这些学生只能是三好四好五好六好学生种的一种,不能跨种类。这个学校学生是三好学生的概率是p(B1)=0.4,四好学生的概率是p(B2)=0.3,五好学生的概率是p(B3)=0.2,六好学生的概率是p(B4)=0.1。现在问题出来了,一个学生能够拿到奖学金的概率是多少?

       慢慢来分析,导致一个学生拿到奖学金的方式有哪些?这个学生是三好学生,刚好他又凭借三好学生的身份申请到了奖学金p1=p(A1)*p(B1|A1)=0.4*0.3=0.12;这个学生是四好学生,刚好凭借他四好学生的身份拿到了奖学金,p2=p(A2)*p(B2|A2)=0.3*0.4=0.12;这个学生是五好学生,刚好凭借他五好学生的身份拿到奖学金,p3=p(A3)*p(B3|A3)=0.2*0.5=0.10;这个学生是六好学生,刚好凭借他六好学生的身份拿到了奖学金,p4=p(A4)*p(B4|A4)=0.1*0.6=0.06。四种方式都能导致一个学生拿到奖学金,那么拿到奖学金的概率为p=p1+p2+p3+p4=0.4.所以这么理解全概率公式:导致一个事件发生的原因有很多种(各种原因互斥),那么这个事件发生的概率就是每种原因引起该事件发生的概率的总和。

       一个学生已经拿到了奖学金,这个学生是三好学生的概率是多少?p=p1/(p1+p2+p3+p4)=0.3。怎么理解呢?一个事件已经发生了,有很多原因都能导致这个事件发生。那么其中的一种原因导致该事件发生的概率是多少?这就是贝叶斯概率公式解决的问题。就正如一本书现在已经被别人借走了(事件已经发生),已知只有可能是张三,李四,王五这3个人借走(事件发生的所有原因)。那么这本书被张三借走的概率会是多大呢?
 文章来源地址https://www.toymoban.com/news/detail-522426.html

到了这里,关于全概率公式和贝叶斯公式的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 概率论与数理统计学习笔记(7)——全概率公式与贝叶斯公式

    下图是本文的背景内容,小B休闲时间有80%的概率玩手机游戏,有20%的概率玩电脑游戏。这两个游戏都有抽卡环节,其中手游抽到金卡的概率为5%,端游抽到金卡的概率为15%。已知小B这天抽到了金卡,那么请问他是在手机上抽到的还是在电脑上抽到的? 上述问题中,我们先考

    2024年02月09日
    浏览(43)
  • <6>【深度学习 × PyTorch】概率论知识大汇总 | 实现模拟骰子的概率图像 | 互斥事件、随机变量 | 联合概率、条件概率、贝叶斯定理 | 附:Markdown 不等于符号、无穷符号

      人的一生中会有很多理想。短的叫念头,长的叫志向,坏的叫野心,好的叫愿望。理想就是希望,希望是生命的原动力!   🎯作者主页: 追光者♂🔥          🌸个人简介:   💖[1] 计算机专业硕士研究生💖   🌟[2] 2022年度博客之星人工智能领域TOP4🌟   🏅[3] 阿里

    2024年02月10日
    浏览(39)
  • 【概率论】几何概率、条件概率及全概率公式作业

    有两箱零件,第一箱装50件,其中20件是一等品;第二箱装30件,其中18件是一等品,现从两箱中随意挑出一箱,然后从该箱中先后任取两个零件,试求第一次取出的零件是一等品的概率_____(结果小数点后保留1位) 【正确答案:0.5 或1/2】 解析: 设A₁,A₂分别表示“挑出第一箱

    2024年02月11日
    浏览(47)
  • 分享本周所学——概率论:贝叶斯更新详解

            大家好,欢迎来到《分享本周所学》第六期。本人是一名人工智能初学者,因为马上要上大学了嘛,就想着提前稍微预习一下大一课程。我预习的这门课叫Mathematical Techniques for Computer Science,是一门针对计算机的数学课,所以这里面有很多内容会面向数学在计算机

    2024年01月17日
    浏览(50)
  • 概率论公式

    方差D(x+y)=D(x)+D(y)+2Cov(x,y)=D(x)+D(y) 协方差Cov(x,y)=E(xy)-E(x)E(y),相互独立的随机变量x,y满足E(xy)=E(x)E(y) 所以随机变量xy相互对立 时,D(x+y)=D(x)+D(y) 转自:多个随机变量运算后的均值与方差计算_爱吃酸菜鱼的汉堡的博客-CSDN博客_多个随机变量的和的方差  

    2024年02月12日
    浏览(35)
  • 第四章 基于概率论的分类方法:朴素贝叶斯

    朴素贝叶斯 优点:在数据较少的情况下仍然有效,可以处理多类别问题。 缺点:对于输⼊数据的准备⽅式较为敏感。 适⽤数据类型:标称型数据。 假设类别为 c 1 , c 2 c_1,c_2 c 1 ​ , c 2 ​ : 如果 p 1 ( x , y ) p 2 ( x , y ) p1(x,y) p2(x,y) p 1 ( x , y ) p 2 ( x , y ) ,那么类别为 c 1 c_1 c

    2024年02月13日
    浏览(45)
  • 【机器学习实战】-基于概率论的分类方法:朴素贝叶斯

    【机器学习实战】读书笔记 **朴素贝叶斯:**称为“ 朴素 ”的原因,整个形式化过程只做最原始、最简单的假设,特征之间没有关联,是统计意义上的独立。 **优点:**在数据较少的情况下仍然有效,可以处理多类别问题。 **缺点:**对于输入数据的准备方式较为敏感。 **适

    2024年03月25日
    浏览(53)
  • 概率论与数理统计常用公式大全

    A − B = A − A B = A B ‾ B = A ‾    ⟺    A B = ∅    且 A ∪ B = Ω ( 1 ) 吸 收 律    若 A ⊂ B , 则 A ∪ B = B , A B = A ( 2 ) 交 换 律    A ∪ B = B ∪ A , A B = B A ( 3 ) 结 合 律    ( A ∪ B ) ∪ C = A ∪ ( B ∪ C ) , ( A B ) C = A ( B C ) ( 4 ) 分 配 律    A ( B ∪ C ) = A B ∪ A C , A ∪ B C = ( A ∪

    2024年02月11日
    浏览(50)
  • 概率论与机器学习:从朴素贝叶斯到深度学习

    概率论和机器学习是计算机科学和人工智能领域的基本概念。概率论是用于描述不确定性和随机性的数学框架,而机器学习则是利用数据来训练计算机程序以进行自动化决策的方法。这两个领域密切相连,因为机器学习算法通常需要使用概率论来描述和处理数据的不确定性。

    2024年02月01日
    浏览(43)
  • 概率论_概率公式中的逗号( , ) 竖线( | ) 分号( ; )及其优先级

    目录 1.概率公式中的分号(;)、逗号(,)、竖线(|) 2.各种概率相关的基本概念 2.1 联合概率 2.2 条件概率(定义) 2.3 全概率(乘法公式的加强版) 2.4 贝叶斯公式 贝叶斯定理的公式推导  ;  分号 代表前后是两类东西,以概率P(x;θ)为例,分号前面是x样本,分号后边是模型参数。 分号

    2024年02月05日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包