概率论的链式法则

2个事件同时发生的概率：

P(a, b) = P(a | b) * P(b)

其中：P(a, b)表示 a和b事件同时发生的概率， P(a | b)是一个条件概率，表示在b事件发生的条件下，a发生的概率

 

3个事件的概率链式调用：

P(a, b, c) = P(a | b, c) * P(b, c)

　　　　  = P(a | b, c) * P(b | c) * P(c)

 

推广到N个事件，概率链式法则长这样：

P(X1, X2, ... Xn) = P(X1 | X2, X3 ... Xn) * P(X2 | X3, X4 ... Xn) ... P(Xn-1 | Xn) * P(Xn)

 

那这个链式法则有什么用处呢？

 

要知道链式法则的用处，先要了解一下什么叫事件相互独立。事件相互独立就是：一个事件的发生与否，不会影响另外一个事件的发生。

 

当a和b两个事件互相独立时，有：

P(a | b) = P(a)

推广到3个事件就有下面这个公式：

P(a | b, c) = P(a | c)

其中：P(a | b, c)表示在b和c事件都发生的情况下，a事件发生的概率

既然a与b相互独立，那b就不是a是否发生的条件，a就只与c有关

 

链式调用的例子，假设有事件ABCDE，它们之间的关系是这样的：

所有的事件，只与它们的父节点有依赖关系，其中，E只和B有关，B只和AC有关，D只与C有关，A和C不依赖其他任何事件，

求ABCDE同时发生的概率 P(A, B, C, D, E) 是多少？

答：

P(A, B, C, D, E) = P(E | B, D, C, A) * P(B, D, C, A)

　　　　　　　 = P(E | B, D, C, A) * P(B | D, C, A) *  P(D, C, A)

　　　　　　　 = P(E | B, D, C, A) * P(B | D, C, A) *  P(D | C, A) * P(C, A)

 　　　　　　　= P(E | B, D, C, A) * P(B | D, C, A) *  P(D | C, A) * P(C | A) * P(A)　　

我们根据前面说的相互独立的事件关系，来分析下最后那个长长的式子：

1. E只与B有关，则 P(E | B, D, C, A) = P(E | B)
2. B只和AC有关，则 P(B | D, C, A) = P(B | C, A)
3. D只与C有关, 则 P(D | C, A) = P(D | C)
4. C与A无关，则 P(C | A) = P(C)

所以最后的式子简化成了这样：

P(A, B, C, D, E) = P(E | B) * P(B | C, A) * P(D | C) * P(C) * P(A)

 

内容部分借鉴网易公开课的麻省理工学院公开课：人工智能