假如sample space被某些disjoint events Ai瓜分(partitioned),則某個event B的機率:
這稱為total probability theorem,之前有散落在bayes theorem的變形筆記中。
另一個觀點可以把P(B)看成是P(Ai)對P(B|Ai)的權重,因為SUM(P(Ai)) = 1,所以P(B)相當於各種Ai可能發生的機率影響下的組合,這有點期望值的想法:
以上理論可以generalize到countable infinite partition set。
範例
這個例子把sample space用無限個countable (discrete) event(選中某個coin)瓜分了,投擲出head發生的機率 = (1/2)^i * (1/3)^i = (1/6)^i。
所以P(Head)根據total probability theorem = 1/6 / 5/6 = 1/5
沒有留言:
張貼留言