概率论全概率公式与贝叶斯公式:步骤、例题、易错点

全概率公式求 B 的总概率,贝叶斯公式在 B 已发生时求来源的后验概率,贝叶斯公式的分母就是全概率公式的结果。

什么时候用:结果有多个「来源」时

题目里出现「某件事的结果可能来自几种不同的情况」,就要想到这两个公式:

  • 全概率公式:已知每种情况各占多大比例、每种情况下事件 B 发生的概率,求 B 总的发生概率。P(B) = Σ P(Aᵢ)·P(B | Aᵢ)。
  • 贝叶斯公式:已经知道 B 发生了,反过来问它来自哪种情况的概率。P(Aᵢ | B) = P(Aᵢ)·P(B | Aᵢ) / P(B)。

使用的前提:A₁、A₂、...... 要把所有可能的情况不重不漏地分开(两两互斥,并起来是整个样本空间),并且每个 P(Aᵢ) 大于 0(用贝叶斯公式还需要 P(B) > 0)。

一个完整例题

某批零件由甲、乙两条生产线生产,甲线产量占 60%,乙线占 40%。甲线的次品率是 5%,乙线的次品率是 10%。

问题一:从这批零件里任取一个,它是次品的概率是多少?

设 A₁ = 「来自甲线」,A₂ = 「来自乙线」,B = 「是次品」。A₁、A₂ 把所有零件分成两类,且互斥。

P(B) = P(A₁)·P(B | A₁) + P(A₂)·P(B | A₂) = 0.6 × 0.05 + 0.4 × 0.10 = 0.03 + 0.04 = 0.07。

问题二:已知取到的是次品,它来自甲线的概率是多少?

P(A₁ | B) = P(A₁)·P(B | A₁) / P(B) = 0.03 / 0.07 = 3/7,约 0.4286。

代回检验:它来自乙线的概率是 P(A₂ | B) = 0.04 / 0.07 = 4/7。两个概率相加 3/7 + 4/7 = 1,说明划分没有漏。

这个结果的意思是:甲线产量更多,但次品率较低;乙线产量少,次品率高。抽到次品之后,来自乙线的可能性(4/7)反而比来自甲线(3/7)更大。这就是贝叶斯公式的用途:用已发生的结果,修正对来源的判断。

做题步骤

  1. 设事件:把「各种来源」设为 A₁、A₂、......,把「已发生或要求的事件」设为 B。
  2. 列出已知:P(Aᵢ) 和 P(B | Aᵢ),写成表格或一行行列出来。
  3. 判断问法:问「B 总的概率」用全概率;问「B 发生后来自哪一类」用贝叶斯。
  4. 计算并检验:贝叶斯算出的各类后验概率相加应当等于 1。

常见错误

  • 条件反了:P(B | A) 和 P(A | B) 不是一回事。例中 P(次品 | 甲线) = 0.05,P(甲线 | 次品) = 3/7。
  • 贝叶斯公式的分母忘了用全概率公式:分母 P(B) 要把所有来源加起来,不能只写一项。
  • 划分不完整:漏了一种情况,各概率之和不为 1,计算就会出错。
  • 把独立和互斥搞混:互斥是不能同时发生,独立是一个发生不影响另一个,两者不是一回事。

练习建议

改一改数字再做一遍:比如把甲线次品率改成 4%、乙线改成 8%,重新算 P(B) 和 P(甲 | 次品),再检查后验相加是否为 1。可以把「设事件、列已知、判断问法」这几步固定下来。

文里全概率和贝叶斯这两个公式的用法,我整理成了一张可以逐张翻面自测的导图,放在我自己做的学习工具 SeekFlaw 求瑕里。

小结

  • 来源要不重不漏地划分
  • 分母用全概率公式
  • 后验概率相加应为 1

常见问题

全概率公式和贝叶斯公式什么关系?

贝叶斯公式的分母就是全概率公式的结果,分子是其中一项。所以通常先算全概率,再算贝叶斯。

三种或更多来源怎么办?

结构不变,求和多加几项即可,前提还是不重不漏地划分。

不是所有题都要套公式吗?

对简单情形,画一棵概率树或列表,直接算每条路径的概率也可以,结果与公式一致。


本文在 AI 辅助下完成,文中的数字和结论都逐条核对过出处。

相关推荐
岑梓铭7 天前
《考研408数据结构》第七章(B树 和 B+树)复习笔记
数据结构·笔记·b树·考研·408
希和202714 天前
考研英语阅读词汇笔记|城市野径、抄近道步道(非正式小路)
笔记·考研
MicrosoftCloud19 天前
计网 14|HTTP 协议核心:报文结构、状态码、持续连接
计算机网络·考研·http·状态码·408·万维网·持续连接
aichitang202420 天前
代数拓扑学与现代前沿视角
考研·算法·数学建模·ai·拓扑学·高考
MicrosoftCloud20 天前
计网 12|ARP、DHCP、ICMP:地址解析、动态分配与差错报告
计算机网络·考研·408·arp·dhcp·icmp·ping
优化控制仿真模型20 天前
2026【英一】考研英语一历年真题及答案解析PDF电子版(1980-2025年)
考研·pdf
computersciencer20 天前
贝叶斯入门:由全概率公式引出贝叶斯公式
笔记·数学建模·概率论
希和202720 天前
考研高数综合题|二重积分(平移极坐标)
考研
computersciencer20 天前
应用贝叶斯公式:迟到了,那坐的是哪种交通工具呢?
算法·机器学习·概率论