条件概率和独立性
贝叶斯公式
重要程度：9 分
<div>
<h2>贝叶斯公式</h2>
<p>贝叶斯公式是条件概率中的一个重要公式，用于计算在已知某些条件下的反向概率。其数学表达式为：</p>
<pre>
P(A|B) = P(B|A) * P(A) / P(B)
</pre>
<p>其中，P(A|B) 表示在事件 B 发生的条件下，事件 A 发生的概率；P(B|A) 表示在事件 A 发生的条件下，事件 B 发生的概率；P(A) 和 P(B) 分别表示事件 A 和事件 B 发生的边缘概率。</p>
<h3>例题解析</h3>
<p>假设一个城市中有两种类型的疾病：病A和病B。据调查，该城市中患病A的概率为0.05，患病B的概率为0.01。另外，检测结果显示，对于病A，检测出阳性的概率为0.95，而对于病B，检测出阳性的概率为0.02。</p>
<p>现在有一个市民被检测出阳性，求这个市民患有病A的概率。</p>
<ol>
<li>定义事件：
<ul>
<li>A：患有病A</li>
<li>B：检测结果为阳性</li>
</ul>
</li>
<li>已知数据：
<ul>
<li>P(A) = 0.05</li>
<li>P(B|A) = 0.95</li>
<li>P(B|¬A) = 0.02</li>
</ul>
</li>
<li>计算P(B)，即检测结果为阳性的总概率：</li>
<pre>
P(B) = P(B|A) * P(A) + P(B|¬A) * P(¬A)
= 0.95 * 0.05 + 0.02 * (1 - 0.05)
= 0.0475 + 0.019
= 0.0665
</pre>
<li>应用贝叶斯公式计算P(A|B)：</li>
<pre>
P(A|B) = P(B|A) * P(A) / P(B)
= 0.95 * 0.05 / 0.0665
≈ 0.7148
</pre>
</ol>
<p>所以，当一个市民被检测出阳性时，他患有病A的概率大约为71.48%。</p>
</div>