2.1 条件概率,全概率公式,Bayes公式

我的未来我决定 提交于 2020-01-23 21:28:03

2.1 条件概率,全概率公式,Bayes公式

1.条件概率

对概率的讨论总是限制在一组固定条件下进行。以前的讨论总是假设除此以外再无其余信息可供使用。然而,我们有时却需要考虑:已知某一事件 BB 已经发生,要求在该情况下另一事件 AA 发生的概率这样的情况。我们所需要计算的概率实际上是“在已知事件 BB 发生的条件下,事件 AA 发生的概率”,我们记这个概率为:P(AB)P(A|B).

定义2.1.1(条件概率)

(Ω,F,P)(\Omega, \mathscr{F},P) 为一个概率空间,BFB \in \mathscr{F},且 P(B)>0P(B)>0,则对任意 AFA \in \mathscr{F},记
P(AB)=P(AB)P(B).P(A|B) = \frac{P(AB)}{P(B)}.
并称 P(AB)P(A|B)在事件 BB 发生的条件下事件 AA 发生的条件概率.

注:

  1. 未经特别指出,在出现条件概率 P(AB)P(A|B) 时,均假定 P(B)>0.P(B)>0.
  2. 由条件概率定义式立即得到:
    P(AB)=P(B)P(AB).P(AB) = P(B)P(A|B).
    称该等式为: 概率的乘法公式或乘法定理
  3. P(A)>0P(A)>0 ,亦可相应地定义 P(BA).P(B|A).

下面讨论条件概率的性质:

  1. 显见条件概率具有概率的基本性质:非负性、规范性、可列可加性:

1.1 P(AB)0P(A|B) \geq 0;

1.2 P(ΩB)=1P(\Omega|B) = 1;

1.3 P(i=1AiB)=i=1P(AiB)P(\sum_{i=1}^{\infty}A_{i}|B) = \sum_{i=1}^{\infty}P(A_{i}|B).

  1. 对条件概率,也可由三个基本性质导出其余一些性质:

2.1 P(B)=0P(\empty|B) = 0

2.2 P(AB)=1P(AB)P(A|B) = 1-P(\overline{A}|B)

2.3 P(A1A2B)=P(A1B)+P(A2B)P(A1A2B).P(A_{1}\cup A_{2}|B) = P(A_{1}|B) + P(A_{2}|B) - P(A_{1}A_{2}|B).

  1. (推广的乘法公式)可以将乘法公式推广至任意 nn 个事件相交的情况:

P(A1A2An)=P(A1)P(A2A1)P(A3A1A2)P(AnA1A2An1)P(A_{1}A_{2}\dotsb A_{n}) = P(A_{1})P(A_{2}|A_{1})P(A_{3}|A_{1}A_{2})\dotsb P(A_{n}|A_{1}A_{2}\dotsb A_{n-1})
当然,此处要求 P(A1A2An1)>0.P(A_{1}A_{2}\dotsb A_{n-1})>0.


2. 全概率公式

如何从已知的简单事件的概率推算出未知复杂事件的概率,是概率论的重要研究课题之一。为达到这个目的,我们经常将一个复杂时间分解为若干个不相容的简单事件之和,再通过分别计算这些简单事件的概率,最后利用概率的可加性得到结果。在此,全概率起着非常重要的作用。

从最简单的情况开始。为计算 P(B)P(B),找一个和它有关的事件 AA,利用关系式:
P(B)=P(AB)+P(AB)=P(A)P(BA)+P(A)P(BA)P(B) = P(AB) + P(\overline{A}B) = P(A)P(B|A) + P(\overline{A})P(B|\overline{A})
就是最常见的方法之一。

下面研究更一般的状况:
设事件 A1,A2,,An,A_{1},A_{2},\dotsb, A_{n},\dotsb 是样本空间 Ω\Omega 的一个分割,亦称 完备时间组,即 Ai (i=1,2,,n,)A_{i}\ (i = 1,2,\dotsb, n,\dotsb) 两两互不相容,且
i=1Ai=Ω\sum_{i=1}^{\infty}A_{i} = \Omega
这样就有
B=i=1AiBB = \sum^{\infty}_{i = 1}A_{i}B
此处的 AiB (i=1,2,,n,)A_{i}B \ (i = 1,2,\dotsb, n, \dotsb) 也两两互不相容。
由概率的完全可加性,再利用乘法公式得:
P(B)=i=1P(Ai)P(BAi)P(B) = \sum_{i = 1}^{\infty}P(A_{i})P(B|A_{i})
称该公式为 全概率公式,是概率论中使用频率最高的一个基本公式。


3. Bayes公式

若事件 BB 能且只能与两两互不相容的事件 A1,A2,,An,A_{1},A_{2},\dotsb,A_{n},\dotsb 之一同时发生,即:
B=i=1BAiB = \sum_{i = 1}^{\infty}BA_{i}

由于
P(AiB)=P(B)P(AiB)=P(Ai)P(BAi)P(A_{i}B) = P(B)P(A_{i}|B) = P(A_{i})P(B|A_{i})

P(AiB)=P(Ai)P(BAi)P(B)P(A_{i}B) = \frac{P(A_{i})P(B|A_{i})}{P(B)}
再利用全概率公式即得:
P(Ai)B=P(Ai)P(BAi)i=1P(Ai)P(BAi)P(A_{i})|B = \frac{P(A_{i})P(B|A_{i})}{\sum_{i = 1}^{\infty}P(A_{i})P(B|A_{i})}
称该公式为 Bayes公式

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!