在概率论与数理统计中,有两个相当重要的公式——全概率公式与贝叶斯公式。然而很多人对这两个公式感到非常迷茫。一来不知道公式背后的意义所在,二来不知道这些冰冷的公式能有什么现实应用。
1. 全概率公式
在讲全概率公式之前,首先要理解什么是“完备事件群”。
我们将满足
BiBj=∅(i≠j)B1+B2+⋯=Ω” role=”presentation”>BiBj=∅(i≠j)B1+B2+⋯=ΩBiBj=∅(i≠j)B1+B2+⋯=Ω
这样的一组事件称为一个“完备事件群”。简而言之,就是事件之间两两互斥,所有事件的并集是整个样本空间(必然事件)。
假设我们要研究事件A。我们希望能够求出P(A)” role=”presentation”>P(A)P(A)。
能不能根据这些信息,间接地求出P(A)” role=”presentation”>P(A)P(A)呢?
这当然是可以的。
我们不要忘记,Bi” role=”presentation”>BiBi是两两互斥的。
A=AΩ=AB1+AB2+AB3+⋯” role=”presentation”>A=AΩ=AB1+AB2+AB3+⋯A=AΩ=AB1+AB2+AB3+⋯
显然,AB1” role=”presentation”>AB1AB1也是两两互斥的。1
一说到两两互斥,我们就想到了概率的加法定理:2
在概率论与数理统计中,有两个相当重要的公式——全概率公式与贝叶斯公式。然而很多人对这两个公式感到非常迷茫。一来不知道公式背后的意义所在,二来不知道这些冰冷的公式能有什么现实应用。