聯合概率
聯合概率指的是包含多個條件且所有條件同時成立的概率
P(X=a,Y=b)或P(a,b)或P(ab)
邊緣概率
僅與單個隨機變量有關的概率稱爲邊緣概率,也可以理解爲是將某一項寫開
P(X=a)或P(Y=b)
聯合概率和邊緣概率的關係
\(P(X=a)=\Sigma_bP(X=a,Y=b)\\
P(Y=b)=\Sigma_aP(X=a,Y=b)\)
求和符號表示窮舉所有Y(或X)所能取得b(或a)後,所有對應值相加得到的和
條件概率
在條件Y=b的條件下,X=a的概率,記作P(X=a|Y=b)或P(a|b)
性質:
“在條件Y=b下X的條件分佈”也是一種X的概率分佈,因此窮舉X的可取值之後,所有這些值對應的概率之和爲1即:
\(\Sigma_aP(X=a|Y=b)=1\)
聯合概率、邊緣概率、條件概率之間的關係
\(P(X=a|Y=b)=\frac{P(X=a,Y=b)}{P(Y=b)}\)
條件聯合分佈的分解
這個分解應該是基於獨立的吧 ?
貝葉斯公式
- 先驗概率:知道原因推結果,P(原因)、P(結果|原因)等
- 後驗概率 :根據結果推原因的,P(原因|結果)等
貝葉斯公式解決的是一些原因X無法直接觀測、測量,而我們希望通過其結果Y來反推出原因X的問題,也就是知道一部分先驗概率,來求後驗概率的問題。