公式一箩筐
条件概率
P(A|B)
表示
B
事件发生的前提下
A
事件发生的概率。假设
P(B)>0
,那么
P(A|B)=P(AB)P(B),P(AB)=P(B)P(A|B)
于是可以很熟练:
P(AB)=P(BA)=P(B)P(A|B)=P(A)P(B|A)
全概率公式
P(A)=P(AB)+P(AB¯¯¯¯)=P(A)P(B|A)+P(A)P(B¯¯¯¯A)=…=∑i=1P(A|Bi)P(Bi)
这里的
Bi
之间必须满足两两相互独立,且有
∑i=1Bi=Ω(即整个样本空间)
,而
A⊆Ω
。
贝叶斯公式(法则)
考查给定A事件的情况下B事件发生的概率,于是有
P(B|A)=P(BA)P(A)=P(B)P(A|B)P(A)
结合全概率公式,有
P(Bj|A)=P(Bj)P(A|Bj)∑ni=1P(A|Bi)P(Bi)
同样全概率公式的先决条件需满足。
二项分布
某个事件A在实验中发生的概率是p,那么重复试验n次,那么A发生k次的概率服从二次分布
B(n,p)
pk=Cknpk(1−p)n−k,i=0,1,2,…,n
最大似然法估计(maximum likelihood estimation, MLE)
用相对频率作为概率的估计值。若投硬币100次,正面朝上51次,采用MLE我们用相对频率0.51作为正面朝上的概率。