2個事件同時發生的機率:
P(a, b) = P(a | b) * P(b)
其中:P(a, b)表示 a和b事件同時發生的機率, P(a | b)是一個條件機率,表示在b事件發生的條件下,a發生的機率
3個事件的機率鍊式調用:
P(a, b, c) = P(a | b, c) * P(b, c)
= P(a | b, c) * P(b | c) * P©
推廣到N個事件,機率鍊式法則長這樣:
P(X1, X2, … Xn) = P(X1 | X2, X3 … Xn) * P(X2 | X3, X4 … Xn) … P(Xn-1 | Xn) * P(Xn)
那這個鍊式法則有什麼用處呢?
要知道鍊式法則的用處,先要了解一下什麼叫事件互相獨立。事件互相獨立就是:一個事件的發生與否,不會影響另外一個事件的發生。
當a和b兩個事件互相獨立時,有:
P(a | b) = P(a)
推廣到3個事件就有下面這個公式:
P(a | b, c) = P(a | c)
其中:P(a | b, c)表示在b和c事件都發生的情況下,a事件發生的機率
既然a與b互相獨立,那b就不是a是否發生的條件,a就隻與c有關
鍊式調用的例子,假設有事件ABCDE,它們之間的關系是這樣的:
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLiAzNfRHLGZkRGZkRfJ3bs92YsYTMfVmepNHLxMGRNhXQU5UeRpHW4Z0MMBjVtJWd0ckW65UbM5WOHJWa5kHT20ESjBjUIF2X0hXZ0xCMx81dvRWYoNHLrdEZwZ1Rh5WNXp1bwNjW1ZUba9VZwlHdssmch1mclRXY39CXldWYtlWPzNXZj9mcw1ycz9WL49zZuBnL0IzMzIzNzIjM5ETNwkTMwIzLc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
技術分享圖檔
所有的事件,隻與它們的父節點有依賴關系,其中,E隻和B有關,B隻和AC有關,D隻與C有關,A和C不依賴其他任何事件,
求ABCDE同時發生的機率 P(A, B, C, D, E) 是多少?
答:
P(A, B, C, D, E) = P(E | B, D, C, A) * P(B, D, C, A)
= P(E | B, D, C, A) * P(B | D, C, A) * P(D, C, A)
= P(E | B, D, C, A) * P(B | D, C, A) * P(D | C, A) * P(C, A)
= P(E | B, D, C, A) * P(B | D, C, A) * P(D | C, A) * P(C | A) * P(A)
我們根據前面說的互相獨立的事件關系,來分析下最後那個長長的式子:
E隻與B有關,則 P(E | B, D, C, A) = P(E | B)
B隻和AC有關,則 P(B | D, C, A) = P(B | C, A)
D隻與C有關, 則 P(D | C, A) = P(D | C)
C與A無關,則 P(C | A) = P©
是以最後的式子簡化成了這樣:
P(A, B, C, D, E) = P(E | B) * P(B | C, A) * P(D | C) * P© * P(A)
内容部分借鑒網易公開課的麻省理工學院公開課:人工智能