概率论与数理统计 P6 条件概率

文章目录

  • P6 条件概率
    • 一.条件概率
    • 二.乘法定理
    • 三.全概率公式 & 贝叶斯公式
      • 3.1 全概率公式(由因求果)
      • 3.2 贝叶斯公式(由果导因)

P6 条件概率

一.条件概率

1.Def:设A、B是两个事件,且 P ( A ) > 0 P(A)>0 P(A)>0,称
P ( B ∣ A ) = P ( A B ) P ( A ) P(B|A)=\dfrac{P(AB)}{P(A)} P(BA)=P(A)P(AB)
为在事件A发生的条件下事件B发生的条件概率

注意:这里样本空间已经从 S 坍塌到 A 了,样本空间减小。 \color{red}{注意:这里样本空间已经从S坍塌到A了,样本空间减小。} 注意:这里样本空间已经从S坍塌到A了,样本空间减小。

2.条件概率满足条件(也是概率)

已知事件A发生且P(A)>0

  • 非负性:对于每一件事件B,有 P ( B ∣ A ) ⩾ 0 P(B|A)\geqslant0 P(BA)0

  • 规范性:对于必然事件S,有 P ( S ∣ A ) = 1 P(S|A)=1 P(SA)=1

  • 可列可加性:设 B 1 , B 2 , … B_1,B_2,… B1,B2,是两两互不相容事件,则有

P ( ⋃ i = 1 ∞ B i ∣ A ) = ∑ i = 1 ∞ P ( B i ∣ A ) P(\quad\bigcup\limits_{i=1}^∞B_i|A\quad) =\sum\limits_{i=1}^∞P(B_i|A) P(i=1BiA)=i=1P(BiA)

3.条件概率的性质:当P(A)> 0时

  • P ( B ∣ A ) ⩾ 0 P(B|A)\geqslant 0 P(BA)0
  • 有限可加性: P ( ⋃ i = 1 n B i ∣ A ) = ∑ i = 1 n P ( B i ∣ A ) P(\quad\bigcup\limits_{i=1}^nB_i|A\quad) =\sum\limits_{i=1}^nP(B_i|A) P(i=1nBiA)=i=1nP(BiA)
  • P ( S ∣ A ) = 0 , P ( ∅ ∣ A ) = 0 P(S|A)=0,P(∅|A)=0 P(SA)=0,P(∅∣A)=0
  • 加法公式: P ( B ∪ C ∣ A ) = P ( B ∣ A ) + P ( C ∣ A ) − P ( B C ∣ A ) P(B∪C|A)=P(B|A)+P(C|A)-P(BC|A) P(BCA)=P(BA)+P(CA)P(BCA)
  • 当B、C互不相容时, P ( B ∪ C ∣ A ) = P ( B ∣ A ) + P ( C ∣ A ) P(B∪C|A)=P(B|A)+P(C|A) P(BCA)=P(BA)+P(CA)
  • 可减性: P ( B − C ∣ A ) = P ( B ∣ A ) − P ( B C ∣ A ) P(B-C|A)=P(B|A)-P(BC|A) P(BCA)=P(BA)P(BCA)
  • P ( B ˉ ∣ A ) = 1 − P ( B ∣ A ) P(\bar{B}|A)=1-P(B|A) P(BˉA)=1P(BA)

二.乘法定理

1.Def:设P(A)> 0,P(B)> 0 ,则有
P ( A B ) = P ( B ∣ A ) P ( A ) = P ( A ∣ B ) P ( B ) P(AB)=P(B|A)P(A)=P(A|B)P(B) P(AB)=P(BA)P(A)=P(AB)P(B)
称为乘法公式。

2.推广

  • 三个事件A、B、C,且P(AB)> 0[ P ( A ) ⩾ P ( A B ) > 0 P(A)\geqslant P(AB) > 0 P(A)P(AB)>0].

P ( A B C ) = P ( C ∣ A B ) P ( B ∣ A ) P ( A ) P(ABC)=P(C|AB)P(B|A)P(A) P(ABC)=P(CAB)P(BA)P(A)

  • n( n ⩾ 2 n\geqslant2 n2)个事件 A 1 , A 2 , … A n A_1,A_2,…A_n A1,A2,An,且 P ( A 1 A 2 … A n − 1 ) > 0 P(A_1A_2…A_{n-1}) > 0 P(A1A2An1)>0,则有

P ( A 1 A 2 … A n ) = P ( A 1 ) P ( A 2 ∣ A 1 ) P ( A 3 ∣ A 2 A 1 ) … P ( A n ∣ A n − 1 … A 2 A 1 ) P(A_1A_2…A_n)=P(A_1)P(A_2|A_1)P(A_3|A_2A_1)…P(A_n|A_{n-1}…A_2A_1) P(A1A2An)=P(A1)P(A2A1)P(A3A2A1)P(AnAn1A2A1)

  • 注意事件发生的先后次序, A i A_i Ai先于 A i + 1 A_{i+1} Ai+1​发生,可用上式。

三.全概率公式 & 贝叶斯公式

3.1 全概率公式(由因求果)

1.样本空间划分:设S为试验E的样本空间, B 1 , B 2 , … , B n B_1,B_2,…,B_n B1,B2,,Bn为E的一组事件,若

  • B i B j = B_iB_j= BiBj=∅, i ≠ j , i , j = 1 , 2 , … , n i ≠ j, i,j=1,2,…,n i=j,i,j=1,2,,n
  • B 1 ∪ B 2 ∪ … ∪ B n = S B_1∪B_2∪…∪B_n=S B1B2Bn=S

则称 B 1 , B 2 , … , B n B_1,B_2,…,B_n B1,B2,,Bn为样本空间S的一个划分(也叫完备事件集)。

注意 : \color{red}{注意:} 注意:①若 B 1 , B 2 , … , B n B_1,B_2,…,B_n B1,B2,,Bn为样本空间S的一个划分,则对每次试验,事件 B 1 , B 2 , … , B n B_1,B_2,…,B_n B1,B2,,Bn中必有一个且仅有一个发生。

​ ②样本空间的划分一般不唯一。

2.全概率公式:设试验E的样本空间为S,A为E的事件, B 1 , B 2 , … , B n B_1,B_2,…,B_n B1,B2,,Bn为S的一个划分,且 P ( B i ) > 0 ( i = 1 , 2 , … , n ) P(B_i)>0(i=1,2,…,n) P(Bi)>0(i=1,2,,n),则
P ( A ) = P ( A ∣ B 1 ) P ( B 1 ) + P ( A ∣ B 2 ) P ( B 2 ) + … + P ( A ∣ B n ) P ( B n ) = ∑ i = 1 n P ( A ∣ B i ) P ( B i ) P(A)=P(A|B_1)P(B_1)+P(A|B_2)P(B_2)+…+P(A|B_n)P(B_n)=\sum_{i=1}^nP(A|B_i)P(B_i) P(A)=P(AB1)P(B1)+P(AB2)P(B2)++P(ABn)P(Bn)=i=1nP(ABi)P(Bi)

3.2 贝叶斯公式(由果导因)

1.Def:设试验E的样本空间为S。A为E的事件, B 1 , B 2 , … , B n B_1,B_2,…,B_n B1,B2,,Bn为S的一组划分,且P(A)> 0, P ( B i ) > 0 ( i = 1 , 2 , … , n ) P(B_i)>0(i=1,2,…,n) P(Bi)>0(i=1,2,,n),则
P ( B i ∣ A ) = P ( A ∣ B i ) P ( B i ) ∑ i = 1 n P ( A ∣ B i ) P ( B i ) P(B_i|A)=\dfrac{P(A|B_i)P(B_i)}{\sum\limits_{i=1}^n P(A|B_i)P(B_i)} P(BiA)=i=1nP(ABi)P(Bi)P(ABi)P(Bi)
称为贝叶斯公式。

2.全概率 & 贝叶斯

取n=2,并将 B 1 B_1 B1记为 B B B B 2 B_2 B2记为$ \bar{B}$,则全概率公式和贝叶斯公式可以写成:
P ( A ) = P ( A ∣ B ) P ( B ) + P ( A ∣ B ˉ ) P ( B ˉ ) ——全概率公式 P(A)=P(A|B)P(B)+P(A|\bar{B})P(\bar{B})——全概率公式 P(A)=P(AB)P(B)+P(ABˉ)P(Bˉ)——全概率公式

P ( B ∣ A ) = P ( A B ) P ( A ) = P ( A ∣ B ) P ( B ) P ( A ∣ B ) P ( B ) + P ( A ∣ B ˉ ) P ( B ˉ ) ——贝叶斯公式 P(B|A)=\dfrac{P(AB)}{P(A)}=\dfrac{P(A|B)P(B)}{P(A|B)P(B)+P(A|\bar{B})P(\bar{B})}——贝叶斯公式 P(BA)=P(A)P(AB)=P(AB)P(B)+P(ABˉ)P(Bˉ)P(AB)P(B)——贝叶斯公式

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:http://www.mzph.cn/news/734562.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

深度学习在硬件和计算平台上的优化:实现更快、更高效的突破

引言 深度学习,作为机器学习领域的一个子集,通过模拟人脑神经元的连接方式,构建复杂的网络结构来处理和分析数据。然而,随着深度学习模型规模的不断扩大和复杂度的提高,其对计算资源的需求也呈指数级增长。因此&#…

【MySQL】表的增删改查——MySQL基本查询、数据库表的创建、表的读取、表的更新、表的删除

文章目录 MySQL表的增删查改1. Create(创建)1.1 单行插入1.2 多行插入1.3 替换 2. Retrieve(读取)2.1 select查看2.2 where条件2.3 结果排序2.4 筛选分页结果 3. Update(更新)3.1 更新单个数据3.2 更新多个…

如何保证消息的可靠传输

数据的丢失问题,可能出现在生产者、MQ、消费者中 生产者丢失: 生产者将数据发送到 RabbitMQ 的时候,可能数据就在半路给搞丢了,因为网络问题啥的,都有可能。此时可以选择用 RabbitMQ 提供的事务功能,就是生…

Unmanaged PowerShell

简介 在渗透测试当中经常会使用到PowerShell来执行脚本, 但是直接使用PowerShell.exe是一个非常敏感的行为, EDR等产品对PowerShell.exe进程的创建监控的很密切, 并且随着PowerShell的渗透测试工具的普及, 越来越多的EDR会利用微软提供的AMSI接口对PS脚本进行扫描, 但是对于低…

vue实现购物车功能

实现功能 CSS部分 <style>.tr {display: flex;}.th {margin: 10px;width: 20%;height: 50%;}.td {display: flex;margin: 10px;width: 20%;height: 100px;align-items: center;}.app-container .banner-box {border-radius: 20px;overflow: hidden;margin-bottom: 10px;}…

input中文输入法导致的高频事件

这是基本结构 <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8" /><meta name"viewport" content"widthdevice-width, initial-scale1.0" /><title>中文输入法的高频事件</title&…

以题为例 浅谈前缀和算法

前缀求和算法是什么 前缀和算法就是以空间去换取时间&#xff0c;可用于快速求数组的区间和&#xff0c;它可以用于一维数组和二维数组&#xff0c;但我现在只接触了一维数组并没有接触二维数组&#xff0c;所以在这里先介绍一维数组前缀和相关的知识 前缀和典型代码 for(int…

通信-CAN-01 总线拓扑

本文主要介绍CAN总线拓扑&#xff0c;并结合实际用到CAN设备做些说明。 1 总线拓扑 拓扑结构中分为CPU&#xff0c;CAN 控制器&#xff0c;收发器&#xff0c;双绞线。CAN控制器根据两根线上的电位差来判断总线电平。发送方通过使总线发生变化&#xff0c;将消息发送给接收方…

BPSK调制解调

BPSK数字调制是相移键控PSK的一种&#xff0c;通过数字信号&#xff0c;调制载波的相位&#xff0c;利用载波的相位变化来反映数字信号&#xff0c;载波的振幅和频率均不变化。PSK应用很广泛&#xff0c;抗噪声性能比ASK和FSK要好&#xff0c;频带利用率较高。BPSK中&#xff0…

探讨:C#运行程序文件并获取输出的小问题

尝试了一下用C#运行一个控制台程序&#xff0c;希望获取输出并在适当的时候输入&#xff0c;看起来挺简单&#xff0c;不过实际使用发现只能让程序一次性执行完毕并获取输出&#xff08;并没有仔细尝试各种方式&#xff09;。 代码很简单&#xff1a; private void Test(){Proc…

Java实战:Spring Boot 利用 Redis 解决海量重复提交问题

本文将详细介绍如何在 Spring Boot 应用程序中利用 Redis 解决海量重复提交问题。我们将深入探讨重复提交问题的原因和影响&#xff0c;以及如何使用 Redis 的数据结构和原子操作来控制请求的重复提交。 1. 引言 在现代的互联网应用中&#xff0c;用户可能会频繁地提交相同的…

前端文件流、切片下载和上传

前端文件流、切片下载和上传技术在提升文件传输效率和优化用户体验方面发挥着关键作用。这些技术不仅可以帮助解决大文件传输过程中可能遇到的问题&#xff0c;如网络超时、内存溢出等&#xff0c;还能通过并行传输和断点续传等功能&#xff0c;提高传输速度和稳定性。 一、前端…

C++高级面试提:请解释 C++ 中的指针算术和指针迭代器的区别。

请解释 C 中的指针算术和指针迭代器的区别。 在 C 中&#xff0c;指针算术&#xff08;Pointer Arithmetic&#xff09;和指针迭代器&#xff08;Pointer Iterators&#xff09;是处理指针的两种不同方法。 指针算术&#xff08;Pointer Arithmetic&#xff09;&#xff1a; …

webpack5基础--07_自动清空上次打包资源

自动清空上次打包资源 1. 配置 const path require("path");module.exports {entry: "./src/main.js",output: {path: path.resolve(__dirname, "dist"),filename: "static/js/main.js",clean: true, // 自动将上次打包目录资源清…

每日学习笔记:C++ 11的Tuple

#include <tuple> Tuple介绍(不定数的值组--可理解为pair的升级版) 定义 创建 取值 初始化 获取tuple元素个数、获取tuple某元素类型、将2个tuple类型串接为1个新tuple类型

解决Ubuntu 16.04/18.04 图形化界面异常、鼠标光标消失、鼠标变成叉叉等问题

bug场景&#xff1a; 一切从一次换源说起…叭叭叭 这篇文章解决的问题&#xff1a; 1.换源&#xff0c;默认源太慢&#xff0c;换成可用的阿里云的源 2.apt-get failed to …问题 3.图形化异常问题 4.get unmet dependence 问题 5. 鼠标光标消失和鼠标变成叉叉问题。 解决方…

【Python】time模块

专栏文章索引&#xff1a;Python 目录 一、介绍​编辑 二、常用函数​编辑 一、介绍 Python 的 time 模块提供了处理时间的函数。 二、常用函数 1.time()&#xff1a;返回当前时间的时间戳&#xff08;从1970年1月1日开始计时的秒数&#xff09;。 import timecurrent_ti…

Android Gradle 开发与应用 (五) : 基于Gradle 8.2,创建Gradle插件

1. 前言 本文介绍在Android中&#xff0c;如何基于Gradle 8.2&#xff0c;创建Gradle插件。 1.1 本文环境 Android Studio 版本 : Android Studio Hedgehog | 2023.1.1Gralde版本 : gradle 8.2 使用 Android Gradle 插件升级助理 Android Gradle 插件版本说明 1.2 为什么要写…

蓝桥杯递推与递归法|斐波那契数列|数字三角形|42点问题|数的计算|数的划分(C++)

递归是用来做dfs&#xff0c;是搜索算法的基础 递推是用来做dp部分&#xff0c;及部分其他算法&#xff0c;复杂度较低&#xff0c;不会出现爆栈问题递推法&#xff1a; 递推法是一种在数学和其他领域广泛应用的重要方法&#xff0c;它在计算机科学中被用作一种关键的数值求解…

无源元器件-电阻电容磁珠电感选型参数总

🏡《总目录》 目录 1,概述2,电阻选型参数2,电容选型参数3,磁珠选型参数4,电感选型参数1,概述 无源器件(电阻、电容、电感)的选型时,需要考虑的参数多种多样,这些参数的选择会直接影响到电路的性能、稳定性、成本等多个方面。本文对电阻电容磁珠电感的参数进行详细介…