9条件概率公式

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

条件概率编辑讨论上传视频

本词条由“科普中国”科学百科词条编写与应用工作项目审核。

条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为:P(A|B),读作“在B的条件下A的概率”。条件概率可以用决策树进行计算。条件概率的谬论是假设P(A|B) 大致等于P(B|A)。数学家John Allen Paulos 在他的《数学盲》一书中指出医生、律师以及其他受过很好教育的非统计学家经常会犯这样的错误。这种错误可以通过用实数而不是概率来描述数据的方法来避免。中文名条件概率外文名Conditional probability分类数学表示P(A|B)计算决策树定理贝叶斯公式

目录

1 基本概念

2 基本定理

3 统计独立性

4 互斥性

5 其它

6 著名谬论

基本概念编辑

条件概率

条件概率是指事件A在事件B发生的条件下发生的概率。条件概率表示为:P(A|B),读作“A在B发生的条件下发生的概率”。若只有两个事件A,B,那么,。

概率测度

如果事件B 的概率P(B) > 0,那么Q(A) = P(A | B) 在所有事件A 上所定义的函数Q 就是概率测度。如果P(B) = 0,P(A | B) 没有定义。条件概率可以用决策树进行计算。[1]

联合概率

表示两个事件共同发生的概率。A与B的联合概率表示为P(AB) 或者P(A,B),或者P(A∩B)。[2]

边缘概率

是某个事件发生的概率,而与其它事件无关。边缘概率是这样得到的:在联合概率中,把最终结果中不需要的那些事件合并成其事件的全概率而消失(对离散随机变量用求和得全概率,对连续随机变量用积分得全概率)。这称为边缘化(marginalization)。A的边缘概率表示为P(A),B的边缘概率表示为P(B)。

条件概率公式

条件概率公式

需要注意的是,在这些定义中A与B之间不一定有因果或者时间顺序关系。A可能会先于B发生,也可能相反,也可能二者同时发生。A可能会导致B的发生,也可能相反,也可能二者之间根本就没有因果关系。例如考虑一些可能是新的信息的概率条件性可以通过贝叶斯定理实现。[3]

基本定理编辑

定理1

设A,B 是两个事件,且A不是不可能事件,则称为在事件A发生的条件下,事件B发生的条件概率。一般地,,且它满足以下三条件:(1)非负性;(2)规范性;(3)可列可加性。

定理2

设E 为随机试验,Ω 为样本空间,A,B 为任意两个事件,设P(A)>0,称为在“事件A 发生”的条件下事件B 的条件概率。

上述乘法公式可推广到任意有穷多个事件时的情况。

设,,…为任意n 个事件(n≥2)且,则

定理3(全概率公式)

定义:(完备事件组/样本空间的划分)

设B1,B2,…Bn是一组事件,若

(1)

(2)B1∪B2∪…∪Bn=Ω

则称B1,B2,…Bn样本空间Ω的一个划分,或称为样本空间Ω 的一个完备事件组。

定理(全概率公式):

设事件组是样本空间Ω 的一个划分,且P(Bi)>0(i=1,2,…n)则对任一事件B,有

定理4(贝叶斯公式)

设B1,B2,…Bn…是一完备事件组,则对任一事件A,P(A)>0,有

统计独立性编辑

当且仅当两个随机事件A与B满足

P(A∩B)=P(A)P(B)

的时候,它们才是统计独立的,这样联合概率可以表示为各自概率的简单乘积。

同样,对于两个独立事件A与B有

P(A|B)=P(A)

以及

P(B|A)=P(B)

换句话说,如果A与B是相互独立的,那么A在B这个前提下的条件概率就是A自身的概率;同样,B在A的前提下的条件概率就是B自身的概率。

相关文档
最新文档