定義
如果已知某個event B發生的機率大於0,則如果B確實發生了,A發生的機率為:換句話說,A發生的機率可能會受到B是否發生了而改變!
直覺解讀1: 可以看成event B為新的sample space,所以A交集B的event才符合B發生前提之下,A也發生的event
直覺解讀2: 轉換成以下等式:
由右邊往左讀:A交集B的event發生的機率,相當於B發生了,且在B內的A也發生了。這有點會跟independent的定義搞混,所以我傾向還是用直覺1去解讀。
Independence和conditional prob.
別搞混了!A和B是獨立事件的定義為:
而P(A|B)的定義為:
所以可以看到當A和B為independent時,P(A) = P(A|B),反向亦成立,這是iff關係。直覺上解讀就是即便我們知道B確切發生了,但這不改變我們對P(A)的看法,則A和B為獨立事件。
Conditional Probability就是一般的機率,遵守機率三公理
標題的陳述是可以證明出來的,所以當把B視為一個新的sample space(因為已知B確切發生了),P(A|B)遵守機率三公理:一個範例
把B當成新的sample space計算會很快,也比符合直覺,不過不管怎樣,總是能回歸定義去計算:可以看到P(A|B)和P(B|A)並不對稱,事實上這也是符合預期的。
MIT課程補充:雷達範例
conditional probability適合用來一直改進我們對某件事情的認知(probabilisitic model),舉以下例子。令event A = 真的有飛機飛過
event B = 雷達偵測到物件
以下的probability tree說明了conditional probability扮演的角色:
這邊也再次提到令人震驚的條件機率:P(真的有飛機 | 雷達偵測到物件)
只有34%的機率! 即便雷達的spec相當好了!
這不知道對決策是好是壞的影響?
generalize conditional probability to multiplication rule
如果是牽涉到三個event:最general form:
沒有留言:
張貼留言