概率论全概率公式和贝叶斯公式概率论是数学的一个分支，研究事件发生的可能性和规律。
全概率公式和贝叶斯公式是概率论中的重要定理，用于计算给定条件下的概率。
全概率公式是概率论中的一个基本定理，用于计算一个事件的概率，它通过将事件分解为几个互斥事件的并集，来求解一个复杂事件的概率。
假设有一组事件{B1,B2,...,Bn}，这些事件互斥且构成了一个完备事件组，即它们的并集为整个样本空间。
如果已知每个事件Bi的概率和它们与另一事件A的交集的概率，那么全概率公式可以计算出事件A的概率。
全概率公式的数学表达式如下：P(A)=P(A∩B1)+P(A∩B2)+...+P(A∩Bn)其中，A是所求事件，Bi是一组互斥事件，P(A∩Bi)是事件A与事件Bi的交集的概率。
全概率公式的原理是，事件A可以通过事件Bi的分解来计算。
我们首先计算A和B1的交集的概率，再计算A和B2的交集的概率，以此类推。
然后将这些概率相加，得到事件A的概率。
全概率公式的应用非常广泛，比如在统计学中用于估计一个总体的概率分布，或者在机器学习中用于计算样本的条件概率。
贝叶斯公式是概率论中的另一个重要定理，它可以在已知后验概率的条件下，计算先验概率。
先验概率是在考虑任何证据之前，根据以往的知识或经验得到的概率。
后验概率是在考虑了一些新证据之后，根据贝叶斯公式计算得到的概率。
贝叶斯公式的数学表达式如下：P(A，B)=(P(B，A)*P(A))/P(B)其中，P(A，B)表示在已知事件B发生的条件下，事件A发生的概率。
P(A)表示事件A的先验概率。
P(B，A)表示在事件A发生的条件下，事件B发生的概率。
P(B)表示事件B的概率。
贝叶斯公式的原理是，通过已知事件B发生的条件下，根据已知的先验概率P(A)和条件概率P(B，A)，计算事件A发生的概率。
这个公式可以用于判断新的证据对先验概率的影响，从而进行更精确的概率估计。
贝叶斯公式的应用非常广泛，比如在医学诊断中用于计算疾病的概率，或者在文本分类中用于计算一些词语在一个文档中的概率。
全概率公式与贝叶斯公式之间的关系
全概率公式和贝叶斯公式都是概率论中经典的公式，它们之间存在一定的联系和区别。
全概率公式描述了一种基于先验概率和条件概率推导出后验概率的方法，它是由贝叶斯公式演化而来的。
全概率公式通过将所有可能的事件划分为互斥且完备的事件集合，并计算它们的概率从而推导出后验概率。
贝叶斯公式是用于计算“逆概率”的公式，即已知某种结果出现的概率，求当前这种结果的特定概率。
它同样也是通过先验概率和条件概率计算出后验概率的方法。
贝叶斯公式的主要应用是在分类、估计、预测等实际问题中，例如在医学领域中用于诊断疾病。
总的来说，全概率公式是用来求解不同情况下的条件概率的，而贝叶斯公式是用来根据观察到的事件推测其原因的。
两者都是基于先验概率和条件概率计算出后验概率的方法。
【概率论与数理统计】全概率公式和贝叶斯公式注：很久以前就知道这两个公式，但⼀直仅限于了解。
直到最近学习edx上的课程，才对这两个公式有了新的理解，记录于此。
1. 条件概率公式设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(conditional probability)为：P(A|B)=P(AB)/P(B)条件概率是理解全概率公式和贝叶斯公式的基础，可以这样来考虑，如果P(A|B)⼤于P(A)则表⽰B的发⽣使A发⽣的可能性增⼤了。
在条件概率中，最本质的变化是样本空间缩⼩了——由原来的整个样本空间缩⼩到了给定条件的样本空间。
2. 乘法公式2.1 乘法公式由条件概率公式得：P(AB) = P(B)·P(A|B) = P(A)·P(B|A)上⾯的式⼦就是乘法公式。
2.2 乘法公式的推⼴对于任何正整数n≥2，当P(A1A2...A n-1) > 0 时，有：P(A1A2...A n-1A n) = P(A1)P(A2|A1)P(A3|A1A2)...P(A n|A1A2...A n-1)3. 全概率公式3.1 前提假设设B1，B2，....为有限或⽆限个事件，它们两两互斥且在每次试验中⾄少发⽣⼀个，即：不重，B i∩ B j = ∅（不可能事件）i≠j ,不漏，B1∪B2∪.... = Ω（必然事件）.图1：B1 - B n是对S的⼀个划分这时，称事件组 B1, B2,...是样本空间S的⼀个划分，把具有这些性质的⼀组事件称为⼀个“完备事件组”。
设 B1, B2,...是样本空间S的⼀个划分，A为任⼀事件（图1中红圈内部区域），则：$$P(A) = \displaystyle \sum_{ i = 1 }^{ n } P(B_i)P(A|B_i) \hspace{ 10pt } (1)$$上式即为全概率公式（formula of total probability)也可以分为两步来看全概率公式：图2：分两步看全概率公式，S先被划分为n个⼦集B1 - B n，然后每个⼦集的发⽣会对A的发⽣产⽣不同程度的影响设P(B j) = p j, P(A|B j) = q j, j = 1, 2, ..., n则$$P(A) = \displaystyle \sum_{ j = 1 }^{ n } p_{j}q_{j} \hspace{ 10pt } (2)$$在运⽤全概率公式时的已知未知条件为：划分后的每个⼩事件的概率，即P(B i), i = 1, 2, ..., n；每个⼩事件发⽣的条件下，A发⽣的概率，即P(A|B i), i = 1, 2, ..., n；求解⽬标是计算A发⽣的概率，即P(A)。
