
【计】 conditional probability
条件概率是概率论中衡量事件关联性的核心概念,指在已知某一事件(B)发生的前提下,另一事件(A)发生的可能性。其数学定义为:当$P(B)>0$时,条件概率$P(A|B)$满足
$$
P(A|B) = frac{P(A cap B)}{P(B)}
$$
其中$P(A cap B)$表示事件A与B同时发生的联合概率。
实际应用示例:假设一副扑克牌中随机抽取一张牌,已知抽到的是红色花色(事件B),则抽到红心A(事件A)的条件概率为$P(A|B) = frac{1}{26}$,因为红色牌共有26张,而红心A仅1张。
条件概率在数据分析、机器学习和风险评估中均有广泛应用。例如,医学诊断中可根据患者症状(B)计算患某疾病(A)的概率;金融领域可通过历史违约数据(B)预测贷款违约风险(A)。该概念的严格公理化体系由俄罗斯数学家柯尔莫哥洛夫于1933年提出,为现代概率论奠定了基础。
条件概率是概率论中的核心概念,用于描述在已知某一事件发生的前提下,另一事件发生的可能性。以下是详细解释:
条件概率记作 ( P(A|B) ),表示事件B已发生时,事件A发生的概率。其数学定义为: $$ P(A|B) = frac{P(A cap B)}{P(B)} $$ 其中:
条件概率的本质是缩小样本空间。例如:
若事件A和B独立(即B的发生不影响A的概率),则: $$ P(A|B) = P(A) $$ 此时条件概率退化为普通概率。
如果需要具体案例或公式推导的进一步说明,可以补充提问。
【别人正在浏览】