概率论中几个入门公式

临时整理一下,以后会慢慢补

独立

独立:对于事件$A$和$B$,如果$P(AB)$=$P(A)P(B)$,那么称$A$和$B$是独立的。

所谓独立,即两事件的结果不会相互影响。从样本点的⻆度来考虑,即两者不包含相同的样本点。

条件概率

条件概率:

如果$P(B)>0$,那么$A$在$B$下的条件概率为 $$P(A|B)=\frac{P(AB)}{P(B)}$$

可以这么理解:在$B$时间发生后事件$A$发生的概率,实际等于事件$B$发生后$AB$同时发生的概率

全概率公式

如果样本空间可以被划分为两两互斥的若干部分$A_1,\ldots,A_k$,那么 $$P(B)=\sum_{i=1}^{k}P(B\mid A_i)P(A_i)$$

这个公式可以用来处理$P(B)$不好直接计算的情况

贝叶斯公式

对于事件$A$和$B$,如果$P(A)>0$且$P(B)>0$,那么

$$P(A|B)=\frac{P(B\mid A)P(A)}{P(B)}$$

通常我们会有样本空间的一个划分$A_1,\ldots,A_k$,结合全概率公式,对于任意$1\leq i\leq k$有

$$P(A_i\mid B) = \frac{P(B\mid A_i)P(A_i)}{\sum_j P(B\mid A_j)P(A_j)} $$

上面的公式实际是将条件概率公式移项之后变形

下面的公式是将原公式的分母用全概率公式展开

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏xingoo, 一个梦想做发明家的程序员

Spark机器学习——模型选择与参数调优之交叉验证

spark 模型选择与超参调优 机器学习可以简单的归纳为 通过数据训练y = f(x) 的过程,因此定义完训练模型之后,就需要考虑如何选择最终我们认为最优的模...

4786
来自专栏宏伦工作室

动手实现notMNIST数据集图片分类

1913
来自专栏和蔼的张星的图像处理专栏

4. 经典卷积网络之AlexNet

原文:《ImageNet Classification with Deep Convolutional Neural Networks》 我没有读原文,这个已...

1562
来自专栏计算机视觉战队

深度压缩网络 | 较大程度减少了网络参数存储问题

神经网络是计算密集型和内存密集型,很难使它们用有限的硬件资源去部署在嵌入式系统中。为了解决这种限制,本文引入“深度压缩”,一共有三个阶段的流水线:剪枝、量化和霍...

3475
来自专栏机器学习算法工程师

手把手教你搭建目标检测器-附代码

翻译:刘威威 编辑:祝鑫泉 前 言 本文译自:[http://www.hackevolve.com/create-your...

3424
来自专栏和蔼的张星的图像处理专栏

7.SSD目标检测之一:运行SSD模型

需要在跟踪模型的前面把检测模型加进去,传统使用一些背景建模和轨迹建模的方式来做,对于动摄像头以及复杂背景的适应性都比较差,所以考虑用深度学习的方法来做。我以前也...

2512
来自专栏智能算法

深度学习三人行(第9期)----卷积神经网络实战进阶(附代码)

接下来我们一起学习下关于CNN的代码实现,内存计算和池化层等相关知识,我们多多交流,共同进步。本期主要内容如下:

873
来自专栏CreateAMind

DeepMind时间序列生成模型

使用vae推理;lstm 时间相关建模;external memory加强记忆;和神经图灵机 可微分计算机等进行比较。

1242
来自专栏Python小屋

Python扩展库scipy.misc中图像转换成pillow图像

众所周知,在数字图像处理领域中有很多基准测试图像,这些图像用来作为科研人员PK自己的算法时的参考,给大家提供一个公平的样本,针对同一个问题进行处理时,可以用这些...

3085
来自专栏目标检测和深度学习

手把手教你搭建目标检测器-附代码

1192

扫码关注云+社区