下载文档原格式
全概率公式贝叶斯公式推导过程Standardization of sany group #QS8QHH-HHGX8Q8-GNHHJ8-HHMHGN#全概率公式、贝叶斯公式推导过程（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)（2）乘法公式1.由条件概率公式得：P(AB)=P(A|B)P(B)=P(B|A)P(A)上式即为乘法公式；2.乘法公式的推广：对于任何正整数n≥（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)（2）乘法公式1.由条件概率公式得：P(AB)=P(A|B)P(B)=P(B|A)P(A)上式即为乘法公式；2.乘法公式的推广：对于任何正整数n≥2，当P(A1A2...An-1) > 0 时，有：P(A1A2...An-1An)=P(A1)P(A2|A1)P(A3|A1A2)...P(An|A1A2...An-1)（3）全概率公式1. 如果事件组B1，B2，.... 满足，B2....两两互斥，即 Bi∩ Bj= ，i≠j ， i,j=1，2，....，且P(Bi)>0,i=1,2,....;∪B2∪....=Ω，则称事件组 B1,B2,...是样本空间Ω的一个划分设B1,B2,...是样本空间Ω的一个划分，A为任一事件，则：上式即为全概率公式（formula of total probability)2.全概率公式的意义在于，当直接计算P(A)较为困难,而P(Bi ),P(A|Bi)(i=1,2,...)的计算较为简单时，可以利用全概率公式计算P(A)。
思想就是，将事件A分解成几个小事件，通过求小事件的概率，然后相加从而求得事件A 的概率，而将事件A进行分割的时候，不是直接对A进行分割，而是先找到样本空间Ω的一个个划分B1,B2,...Bn,这样事件A就被事件AB1,AB2,...ABn分解成了n部分，即A=AB1+AB2+...+ABn, 每一Bi发生都可能导致A发生相应的概率是P(A|Bi)，由加法公式得P(A)=P(AB1)+P(AB2)+....+P(ABn)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(PBn)3.实例：某车间用甲、乙、丙三台机床进行生产，各台机床次品率分别为5%，4%，2%，它们各自的产品分别占总量的25%，35%，40%，将它们的产品混在一起，求任取一个产品是次品的概率。
全概率公式、贝叶斯公式推导过程（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)（2）乘法公式1.由条件概率公式得：P(AB)=P(A|B)P(B)=P(B|A)P(A)上式即为乘法公式；2.乘法公式的推广：对于任何正整数n≥全概率公式、贝叶斯公式推导过程（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)（2）乘法公式1.由条件概率公式得：P(AB)=P(A|B)P(B)=P(B|A)P(A)上式即为乘法公式；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1. 如果事件组B1，B2，.... 满足1.B1，B2....两两互斥，即B i ∩ B j = ∅，i≠j ，i,j=1，2，....，且P(B i)>0,i=1,2,....;2.B1∪B2∪....=Ω ，则称事件组B1,B2,...是样本空间Ω的一个划分设 B1,B2,...是样本空间Ω的一个划分，A为任一事件，则：上式即为全概率公式（formula of total probability)2.全概率公式的意义在于，当直接计算P(A)较为困难,而P(B i),P(A|B i) (i=1,2,...)的计算较为简单时，可以利用全概率公式计算P(A)。
思想就是，将事件A分解成几个小事件，通过求小事件的概率，然后相加从而求得事件A的概率，而将事件A进行分割的时候，不是直接对A进行分割，而是先找到样本空间Ω的一个个划分B1,B2,...B n,这样事件A就被事件AB1,AB2,...AB n分解成了n部分，即A=AB1+AB2+...+AB n, 每一B i发生都可能导致A发生相应的概率是P(A|B i)，由加法公式得P(A)=P(AB1)+P(AB2)+....+P(AB n)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|B n)P(PB n)3.实例：某车间用甲、乙、丙三台机床进行生产，各台机床次品率分别为5%，4%，2%，它们各自的产品分别占总量的25%，35%，40%，将它们的产品混在一起，求任取一个产品是次品的概率。
条件概率贝叶斯公式与条件概率的关系
条件概率是指在已知某一事件发生的条件下，另一事件发生的概率。
而贝叶斯公式则是用来计算在已知一些先验概率和新的证据后，更新我们对某一事件概率的推断。
条件概率和贝叶斯公式之间有着密切的关系。
事实上，贝叶斯公式可以被视为是条件概率的一种特殊形式，其中先验概率和证据的概率都是条件概率。
具体来说，贝叶斯公式可以表示为P(A|B) = P(B|A) * P(A) / P(B)，其中P(A|B)表示在B发生的条件下，A发生的概率；P(B|A)表示在A 发生的条件下，B发生的概率；P(A)表示A发生的先验概率；P(B)表示B发生的总概率。
可以看到，P(A|B)和P(B|A)都是条件概率，而贝叶斯公式则将
它们联系起来，使我们能够在已知一些信息的情况下，计算我们对某一事件概率的更新值。
因此，条件概率和贝叶斯公式都是统计学和机器学习中非常重要的概念，它们在数据分析、预测和决策等方面都有着广泛的应用。
- 1 -。
