章节2：条件和贝叶斯准则 Lec. 2: Conditioning and
数学大学
章节2：条件和贝叶斯准则
概率论——不确定性的科学 · 单元2：条件与独立 Unit 2: Conditioning and independenc
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
数学大学
章节2：条件和贝叶斯准则
概率论——不确定性的科学 · 单元2：条件与独立 Unit 2: Conditioning and independenc
Conditional probabilitie
条件概率：已知 B 发生时 A 的概率 P(A|B)=P(A∩B)/P(B)。
定义
在 B 的世界内重新归一化概率
模型意义
新信息把样本空间缩小到 B
A die roll example
掷骰子例题：已知点数大于 3，重算各事件的概率。
缩小空间
条件把 6 个结果缩到 3 个
解读
分母 P(B) 是归一化系数
The multiplication rule
乘法法则：P(A∩B∩C)=P(A)·P(B|A)·P(C|A∩B)，逐条件展开。
公式
条件概率定义的移项形式
用途
顺序发生事件的联合概率计算
Total probability theore
全概率公式：按互斥完备的「原因集」分解，加权求和。
公式
P(B)=ΣP(Aᵢ)P(B|Aᵢ)
适用
B 难直接算，但各条件下好算
Bayes' rule
贝叶斯公式：由结果反推原因——P(A|B)=P(B|A)P(A)/P(B)。
公式
结合条件定义与全概率公式导出
含义
先验 × 似然 ∝ 后验，是新信息更新机制
本节要点
- ✓条件概率 = 缩小样本空间后归一化
- ✓乘法法则展开联合概率
- ✓全概率正向分解，贝叶斯反向归因
延伸主题：做一道全概率+贝叶斯连用题复述三公式的使用场景
课后思考
先自己回答，再展开参考答案——能讲出来才算真懂。
1贝叶斯公式中先验与后验的区别是什么？
参考答案先验 P(A) 是看到证据前对原因的信念；后验 P(A|B) 是看到证据 B 后更新的信念。贝叶斯公式的本质是用似然 P(B|A) 把先验按证据校准，是理性学习的形式化。
2全概率公式与贝叶斯公式为什么总是成对出现？
参考答案全概率把 P(B) 用各原因展开，正好是贝叶斯公式的分母。实际解题的完整链路是：分解原因 → 算各条件下证据的概率 → 加权得 P(B) → 贝叶斯反推原因后验。
3医学检测悖论为什么会出现？
参考答案罕见病先验极低，即使检测高度准确，阳性结果中真阳性的比例仍可能不高——因为健康人群基数太大，假阳性绝对数可观。贝叶斯计算能精确给出后验，纠正「检出即患病」的直觉错误。