李宏毅《机器学习》——分类:概率生成模型

盒子抽球问题

李宏毅《机器学习》——分类:概率生成模型_第1张图片

假设两个盒子,各装了5个球,还得知随机抽一个球,抽到的是盒子1的球的概率是 P ( B 1 ) = 2 / 3 P(B_1) = 2/3 P(B1)=2/3,是盒子2的球的概率是 P ( B 2 ) = 1 / 3 P(B_2) = 1/3 P(B2)=1/3。从盒子中蓝色球和绿色球的分配可以得到:在盒子1中随机抽一个球,是蓝色的概率为 P ( B l u e ∣ B 1 ) = 4 / 5 P(Blue|B_1) = 4/5 P(BlueB1)=4/5,绿的的概率为 P ( G r e e n ∣ B 1 ) = 1 / 5 P(Green|B_1) = 1/5 P(GreenB1)=1/5,同理得到盒子2的信息:在盒子1中随机抽一个球,是蓝色的概率为 P ( B l u e ∣ B 3 ) = 2 / 5 P(Blue|B_3) = 2/5 P(BlueB3)=2/5,绿的的概率为 P ( G r e e n ∣ B 2 ) = 3 / 5 P(Green|B_2) = 3/5 P(GreenB2)=3/5

求:随机从两个盒子中抽一个球,抽到的是盒子1中蓝色球的概率 P ( B 1 ∣ B l u e ) P(B_1|Blue) P(B1Blue)是多少?

根据条件独立公式,如果事件 B 1 B_1 B1:是盒子1,和事件 B u l e Bule Bule:是蓝色球相互独立,则有: P ( B 1 , B u l e ) = P ( B 1 ) P ( B u l e ) P(B_1,Bule)=P(B_1)P(Bule) P(B1,Bule)=P(B1)P(Bule)
条件概率公式:

P ( B 1 ∣ B u l e ) = P ( B u l e , B 1 ) P ( B u l e ) P(B_1|Bule)=\frac{P(Bule,B_1)}{P(Bule)} P(B1Bule)=P(Bule)P(Bule,B1)

P ( B u l e ∣ B 1 ) = P ( B u l e , B 1 ) P ( B 1 ) P(Bule|B_1)=\frac{P(Bule,B_1)}{P(B_1)} P(BuleB1)=P(B1)P(Bule,B1)
或者说:
P ( B 1 ∣ B u l e ) = P ( B u l e ∣ B 1 ) P ( B 1 ) P ( B u l e ) P(B_1|Bule)=\frac{P(Bule|B_1)P(B_1)}{P(Bule)} P(B1Bule)=P(Bule)P(BuleB1)P(B1)

由全概率公式:
P ( X ) = ∑ k P ( X ∣ Y = Y k ) P ( Y k ) 其 中 ∑ k P ( Y k ) = 1 P(X)=∑_{k}P(X|Y=Y_k)P(Y_k)其中∑_{k}P(Y_k)=1 P(X)=kP(XY=Yk)P(Yk)kP(Yk)=1
故: P ( B u l e ) = P ( B l u e ∣ B 1 ) P ( B 1 ) + P ( B l u e ∣ B 2 ) P ( B 2 ) P(Bule) = P(Blue|B1)P(B1)+P(Blue|B2)P(B2) P(Bule)=P(BlueB1)P(B1)+P(BlueB2)P(B2)

所以:
P ( B 1 ∣ B u l e ) = P ( B u l e ∣ B 1 ) P ( B 1 ) P ( B l u e ∣ B 1 ) P ( B 1 ) + P ( B l u e ∣ B 2 ) P ( B 2 ) P(B_1|Bule) = \frac{P(Bule|B_1)P(B_1)}{P(Blue|B1)P(B1)+P(Blue|B2)P(B2)} P(B1Bule)=P(BlueB1)P(B1)+P(BlueB2)P(B2)P(BuleB1)P(B1)

P ( C 1 ∣ x ) P(C1|x) P(C1x) 是由贝叶斯 ( b a y e s ) (bayes) (bayes)公式得到的; P ( x ) P(x) P(x)是由全概率公式得到的

你可能感兴趣的:(机器学习算法)