條件概率:
$$P(A|B)={P(AB)\over P(B)}$$
這個公式看下面韋恩圖就懂了:在事件\(B\)發生的條件下發生事件\(A\)的概率\(P(A|B)\),就是\(AB\)同時發生的概率\(P(AB)\),比\(B\)發生的概率\(P(B)\).
貝葉斯公式:
形式上很明顯,這個公式是條件概率變形而來
$$P(A|B)={P(AB)\over P(B)}$$
$$\Rightarrow\;P(A|B)P(B)=P(AB)$$
$$P(B|A)={P(AB)\over P(A)}$$
$$\Rightarrow\;P(B|A)P(A)=P(AB)$$
$$\Rightarrow\;P(A|B)P(B)=P(B|A)P(A)$$
$$\Rightarrow\;P(A|B)={P(B|A)P(A)\over P(B)}$$
貝葉斯公式中\(P(A|B)\)稱爲後驗,就是需要推斷的概率,\(P(B|A)\)稱爲似然,就是“貌似是這樣“的意思,\(P(B)\)稱爲先驗.
最大似然估計與最大後驗估計:
最大似然估計就是使似然最大化. \(P(B|A)\)這個是似然,用似然函數表示爲\(P(x|\theta)\), 其中\(x\)是樣本數據,\(\theta\)是條件,最大似然估計做的就是:"在什麼條件下,樣本數據被抽到的概率最大".
最大後驗估計就是使\(P(B|A)P(A)\),即\(P(A|B)\)最大. 這個方法適用於知道先驗的情況下.