L03a-2 条件概率:知道 F 发生了,E 的概率要怎么改
先补联合概率,再一帧一帧看条件概率怎样把样本空间从 S 缩小到 F,最后分清独立和互斥这对最容易混的概念。
一句话版
条件概率回答的是:已经知道 F 发生了,E 发生的概率现在是多少。做法是把所有不在 F 里的结果划掉,只在 F 里面重新数一遍。
上一页 L03a-1 讲了样本空间、事件和三条公理。这一页从「两件事同时发生」讲起,推出条件概率,再分清独立和互斥。
先认识这几个词
| 词 | 全称 / 读法 | 一句人话 |
|---|---|---|
| 联合概率 P(EF) | joint probability | E 和 F 同时发生的概率 |
| 条件概率 P(E|F) | conditional probability,读「F 条件下 E 的概率」 | 已知 F 发生,E 发生的概率 |
| 竖线 | | 读「给定」或「在……条件下」 | 竖线右边是已经知道的,左边是要问的 |
| 边缘概率 | marginal probability | 只看一个事件的概率,比如 P(E) |
| 独立 | independent | 知道一件事,不改变另一件事的概率 |
| 互斥 | disjoint / mutually exclusive | 两件事不可能同时发生 |
一个类比:老师说「答对的同学都坐在第一排」
全班四十人,你想猜一个同学戴不戴眼镜。没有任何信息时,你会看全班戴眼镜的比例。
这时老师补一句:这个同学坐在第一排。你马上不再看全班,只看第一排那几个人里戴眼镜的比例。第一排外的人全部被排除了。
这就是条件概率。新信息没有改变任何一个人戴不戴眼镜,它改变的是你「从谁里面挑」。分母从全班换成了第一排。
类比在哪里失效:
- 班里每个人被选中的机会一样,所以能直接数人头。结果不等可能时,要按概率加权,不能只数个数。
- 「第一排」是你确实知道的信息。条件概率的竖线右边必须是已经确定发生的事,只是猜测的事不能放进去。
从零讲起
1. 先补一块:联合概率(补充)
它解决什么问题
条件概率的公式里有一个 P(EF),要先知道它是什么。两件事放在一起看时,要能说出「同时发生」「只发生一个」「都不发生」各占多少,联合概率就是这几块的概率。
直觉
把每个结果按两个问题分类:在不在 E 里?在不在 F 里?两个问题各有「是 / 否」两种答案,合起来正好四种,摆成一张 2×2 的表。
表里每一格是一个联合概率。四格互不重叠又覆盖了所有结果,所以加起来等于 1。
一步一步看
目标:在韦恩图的 6 个点上逐块数出联合概率,再按行、按列加回 P(E) 和 P(F)。
用课件那张韦恩图的 6 个点:E 独占 1 个,E 和 F 共有 3 个,F 独占 2 个,两边都不在的 0 个。每个点概率 1/6。
-
同时在 E 和 F 的有 3 个,P(EF) = 3/6。
-
在 E 不在 F 的有 1 个,P(EF^c) = 1/6。
-
在 F 不在 E 的有 2 个,P(E^cF) = 2/6;两边都不在的 0 个。
-
按行加:E 那一行 3/6 + 1/6 = 4/6,就是 P(E)。按列加:F 那一列 3/6 + 2/6 = 5/6,就是 P(F)。
怎么算
两个事件的联合表有四格:
P(EF) + P(EF^c) + P(E^cF) + P(E^cF^c) = 1
意思是:四种情况互斥,又覆盖了所有可能,由公理二和公理三,加起来是 1。
单个事件的概率可以从表里加回来:
P(E) = P(EF) + P(EF^c)
意思是:E 发生时,F 要么发生要么不发生,两种情况互斥,加起来就是 E 的全部。这个「按行加」的动作叫求边缘概率,下一页的全概率公式就是从这里长出来的。
常见误解
以为 P(EF) 总等于 P(E) 乘 P(F)
只有 E 和 F 独立时才相等,这是第 3 个概念要讲的。上面的表里 P(E)P(F) = 4/6 × 5/6 ≈ 0.556,P(EF) = 3/6 = 0.5,并不相等。
试一下
联合表里 P(EF) = 0.2,P(EF^c) = 0.3,P(E^cF) = 0.1。求 P(E^cF^c)、P(E)、P(F)。
四格加起来是 1,P(E^cF^c) = 1 − 0.2 − 0.3 − 0.1 = 0.4。P(E) = 0.2 + 0.3 = 0.5。P(F) = 0.2 + 0.1 = 0.3。
2. 条件概率
它解决什么问题
推理的本质是用已知推未知。看到咳嗽,问感冒的可能;看到课上成了,问老师来没来。这些问题都长成「已知 F,E 的概率是多少」,条件概率给它们一个统一的算法。
直觉
知道 F 发生以后,F 外面的结果都不可能了。剩下的「世界」只有 F 那么大。
所以分母换成 F 的大小,分子只数 F 里面还属于 E 的那部分。E 在 F 外面的那些结果,不管原来多大,都不算了。
一步一步看
目标:先看整个样本空间里的 P(E),再把范围缩到 F,看 E 的概率怎样从 0.667 变成 0.6。
还是那 6 个等可能的点,求 P(E|F)。
-
没有任何信息时,看整个 S。E 有 1 + 3 = 4 个点,P(E) = 4/6 ≈ 0.667。
-
得知 F 发生。F 外面那个点被划掉,变成空心;F 被描成青绿,新的分母是 F 的 5 个点。
-
在 F 里面数属于 E 的点,是交集里的 3 个。P(E|F) = 3/5 = 0.6。
知道 F 发生,E 的概率反而从 0.667 降到了 0.6。条件概率可以比原来大,也可以比原来小。
怎么算
P(E|F) = P(EF) / P(F),要求 P(F) ≠ 0
意思是:分子是「E 和 F 同时发生」的概率,分母是「F 发生」的概率;两者相除,就是在 F 发生的前提下 E 占的份额。
代入上面的数:P(E|F) = (3/6) / (5/6) = 3/5 = 0.6。6 在分子分母里约掉,所以等可能时也可以直接数「交集点数 / F 的点数」。
把定义两边乘上 P(F),得到乘法公式:
P(EF) = P(E|F) · P(F)
意思是:E 和 F 同时发生,等于先让 F 发生,再在 F 发生的条件下让 E 发生。下一页推贝叶斯公式,第一步用的就是它。
常见误解
以为 P(E|F) 和 P(F|E) 是一回事
两者分子都是 P(EF),分母不同:P(E|F) 除以 P(F),P(F|E) 除以 P(E)。上面的例子里 P(E|F) = 3/5,P(F|E) = (3/6)/(4/6) = 3/4。把这两个弄反,是概率题里最常见的错误,下一页的贝叶斯公式专门处理「把条件翻过来」这件事。
以为分母还是 1 或者 S
条件概率的分母是 P(F)。分母写成 1,算出来的是 P(EF),那是「同时发生」的概率,回答的是另一个问题。
试一下
掷一颗公平骰子,已知点数是偶数,点数大于 3 的概率是多少?
F = 偶数 = {2, 4, 6},E = 大于 3 = {4, 5, 6},EF = {4, 6}。P(E|F) = (2/6)/(3/6) = 2/3。直接在 {2, 4, 6} 里数大于 3 的,也是 2 个里占 3 个中的 2 个。
3. 独立,以及它和互斥的区别
它解决什么问题
有些信息对另一件事毫无影响。今天抛硬币的结果,不影响明天的骰子。要有一个精确的说法来刻画「互不影响」,这就是独立。互斥和它名字像,意思差得很远,两者一混,题就做错。
直觉
独立:知道 F 发生,E 的概率一点没变。F 对 E 来说是一条无用的消息。
互斥:E 和 F 不能同时发生。知道 F 发生,E 就一定没发生。这条消息对 E 是决定性的,所以互斥的两件事关系极强,一点也不独立。
一步一步看
目标:用一个独立的例子和一个互斥的例子逐项对照,看出互斥的两件事反而不独立。
用一颗公平骰子各举一例,按定义逐项检查。
- 独立的例子:E = 偶数 {2, 4, 6},F = {1, 2}。P(E) = 3/6 = 1/2,P(F) = 2/6 = 1/3。
- EF = {2},P(EF) = 1/6。而 P(E)P(F) = 1/2 × 1/3 = 1/6,两者相等,所以独立。验证:P(E|F) = (1/6)/(1/3) = 1/2 = P(E)。
- 互斥的例子:E = {1, 2},F = {5, 6}。EF 是空集,P(EF) = 0。
- P(E)P(F) = 1/3 × 1/3 = 1/9 ≠ 0,所以不独立。P(E|F) = 0,知道 F 发生,E 被直接排除。
| 检查项 | 独立的例子 | 互斥的例子 |
|---|---|---|
| E | {2, 4, 6} | {1, 2} |
| F | {1, 2} | {5, 6} |
| P(EF) | 1/6 | 0 |
| P(E)P(F) | 1/6 | 1/9 |
| P(E|F) | 1/2,等于 P(E) | 0,小于 P(E) |
| 结论 | 独立 | 互斥,不独立 |
课件那两张韦恩图里,右边那张就是互斥的样子:两圆分开,P(E|F) 从 1/3 直接掉到 0。
怎么判断
判断两个事件的关系,只看 P(EF):
- P(EF) = P(E)P(F):独立。
- P(EF) = 0:互斥。
- 两个都不满足:既不独立也不互斥,大多数事件对都是这样。
为什么独立能写成 P(E|F) = P(E)?代进条件概率的定义:
P(E|F) = P(EF) / P(F) = P(E)P(F) / P(F) = P(E)
意思是:在独立的前提下,F 的概率在分子分母里约掉,剩下的就是 P(E),知道 F 不改变 E 的概率。
为什么互斥一般不独立?互斥要求 P(EF) = 0,独立要求 P(EF) = P(E)P(F)。两个概率都大于零时,右边是正数,等不了 0。只有当 P(E) = 0 或 P(F) = 0 时,两者才能同时成立。
常见误解
以为互斥就是独立,「两件事没关系」
互斥恰恰是关系最强的一种:一个发生,另一个必不发生。独立才是没关系。考试的辨析题几乎都考这一点,判断时别凭感觉,用 P(EF) 去对定义。
以为在韦恩图上看两圆分开,就是独立
两圆分开是互斥。独立在韦恩图上没有固定的样子,两圆一定有重叠,而且重叠的面积要正好等于两者面积的乘积(以 S 为 1)。只能靠算,看不出来。
试一下
P(E) = 0.5,P(F) = 0.4,P(EF) = 0.2。E 和 F 独立吗?互斥吗?
P(E)P(F) = 0.5 × 0.4 = 0.2 = P(EF),独立。P(EF) = 0.2 ≠ 0,不互斥。
把它们串起来
两件事放在一起看,先有联合概率:四种组合各占多少,四格加起来是 1,按行或按列加回到单个事件的概率。
条件概率在联合表上做一件事:只留下 F 那一列,在这一列里重新算 E 的份额。公式 P(E|F) = P(EF)/P(F) 的分子来自联合表,分母是那一列的总和。
条件概率和原来的 P(E) 一比,就能看出 F 对 E 有没有影响。没影响叫独立,公式是 P(EF) = P(E)P(F)。影响大到 F 一发生 E 就不可能,叫互斥。所以两个概率都不为零的事件,互斥就一定不独立。
把乘法公式 P(EF) = P(E|F)P(F) 换一个方向再写一遍,就能把竖线两边的条件翻过来,这是下一页贝叶斯公式的起点。
课件里的坑
- [课件留白] p.12 的两张韦恩图课件只问了「P(E|F) 各是多少」,没给答案 → 逐点数:左图 3/5 = 0.6,右图 0(p.12)
- [课件留白] p.13 只给了独立的定义,没把独立和互斥放在一起比 → 这是高频辨析题,按本页第 3 个概念的表格记(p.13)
- [记号] 竖线 | 右边是已知条件,P(E|F) 读作「F 条件下 E 的概率」,顺序别读反(p.12)
课后 10 分钟:考点复习
这 10 分钟怎么用:合上页面,先默写 P(E|F) = P(EF)/P(F) 和独立的定义;再拿课件那张 6 个点的韦恩图,自己算一遍 P(E|F) 和 P(F|E),看它们为什么不相等;然后过一遍课件例题;最后回查两个最容易错的地方:互斥不是独立,条件的方向别弄反。
必背
- 联合概率 P(EF) 是 E 和 F 同时发生的概率;2×2 联合表四格加起来等于 1,按行或按列加回到单个事件的概率。
- P(E|F) = P(EF)/P(F),要求 P(F) ≠ 0,直观是把样本空间从 S 缩小到 F。
- 课件左图 P(E|F) = (3/6)/(5/6) = 0.6,比 P(E) = 4/6 ≈ 0.667 小;右图 E、F 互斥,P(E|F) = 0。
- P(E|F) 和 P(F|E) 一般不相等:分子都是 P(EF),分母一个是 P(F)、一个是 P(E)。
- 独立是 P(EF) = P(E)P(F),代进定义得 P(E|F) = P(E),知道 F 不改变 E 的概率。
- 互斥是 P(EF) = 0;两个概率都不为零的事件,互斥就一定不独立。
课件例题
例 1(课件 p.12):两张韦恩图里 P(E|F) 各是多少?
见下方完整例题。
例 2(课件 p.13):从独立的定义推出 P(E|F) = P(E)
题面:课件给出独立的定义 P(EF) = P(E)P(F),并说这时「知道 F 发生不改变 E 的概率」。写出推导。
提示
从条件概率的定义出发,把分子换成独立的定义式。
解答
P(E|F) = P(EF)/P(F) = P(E)P(F)/P(F) = P(E),要求 P(F) ≠ 0。
第一步是条件概率的定义,第二步代入独立的定义,第三步约掉 P(F)。结论是 F 发生与否,E 的概率都一样。
完整例题
题面(课件 p.12):两张韦恩图里 S 都有 6 个等可能的点。左图:只在 E 里 1 个,E 与 F 的交 3 个,只在 F 里 2 个。右图:两圆分离,只在 E 里 2 个,只在 F 里 4 个。分别求 P(E|F),并和 P(E) 比较。
解法:
- 写定义:P(E|F) = P(EF)/P(F)。
- 左图数点:E 与 F 的交 3 个,P(EF) = 3/6;F 共 3 + 2 = 5 个,P(F) = 5/6;E 共 1 + 3 = 4 个,P(E) = 4/6。
- 左图代数:P(E|F) = (3/6)/(5/6) = 3/5 = 0.6。P(E) = 4/6 ≈ 0.667,知道 F 发生让 E 的概率变小了。
- 右图数点:两圆没有交集,P(EF) = 0;F 有 4 个点,P(F) = 4/6;E 有 2 个点,P(E) = 2/6 ≈ 0.333。
- 右图代数:P(E|F) = 0/(4/6) = 0。知道 F 发生直接排除了 E。
- 判断关系:左图 P(E)P(F) = 4/6 × 5/6 = 20/36 ≈ 0.556,P(EF) = 0.5,不相等,不独立也不互斥。右图 P(EF) = 0,互斥;P(E)P(F) = 2/6 × 4/6 ≠ 0,所以不独立。
要点:两张图都说明信息会改变概率。左图是削弱,右图是彻底排除。右图就是「互斥一定不独立」最直接的画面。
答题格式:每张图先列「P(EF) = …,P(F) = …」,再写定义式代数,最后一句和 P(E) 比较。
变式题(先自己做)
(1) 改编自课件 p.12:左图里 P(F|E) 是多少?和 P(E|F) 相等吗? (2) 改编自课件 p.13:E 和 F 互斥,P(E) = 0.3、P(F) = 0.4。求 P(E ∪ F) 和 P(E|F),并判断它们独立不独立。 (3) 自编情境:掷一颗公平骰子,E = 偶数 {2, 4, 6},F = {1, 2, 3}。求 P(E|F),判断 E 和 F 是否独立。
提示
(1) 分子还是交集,分母换成 P(E)。(2) 互斥时可加性直接能用;独立要检查 P(EF) 是否等于 P(E)P(F)。(3) 先写出 EF,再和 P(E)P(F) 比。
判分点与答案(非官方评分标准)
判分点:① (1) 要指出条件方向换了,分母跟着换;② (2) 独立性必须用定义式检验,不能只说「互斥所以不独立」;③ (3) 要同时给出 P(EF) 和 P(E)P(F) 两个数再下结论。
(1) P(F|E) = P(EF)/P(E) = (3/6)/(4/6) = 3/4 = 0.75,和 P(E|F) = 0.6 不相等。条件方向不同,分母不同。
(2) 互斥所以 P(E ∪ F) = 0.3 + 0.4 = 0.7;P(EF) = 0,所以 P(E|F) = 0。P(E)P(F) = 0.12 ≠ 0 = P(EF),不独立。
(3) EF = {2},P(EF) = 1/6。P(E|F) = (1/6)/(3/6) = 1/3。P(E)P(F) = 1/2 × 1/2 = 1/4 ≠ 1/6,不独立;也能从 P(E|F) = 1/3 ≠ 1/2 = P(E) 看出来。
闪卡自测
1. 写出条件概率的定义式并解释它的直观。
P(E|F) = P(EF)/P(F),前提 P(F) ≠ 0。直观是换了样本空间:F 发生之后宇宙缩小成 F,分母换成 P(F),分子只数 F 里还属于 E 的那部分(p.12)。
2. 课件左图 6 个点,P(E|F) 和 P(E) 各是多少?
P(E|F) = (3/6)/(5/6) = 3/5 = 0.6;P(E) = 4/6 ≈ 0.667。知道 F 发生降低了对 E 的信心(p.12)。
3. 课件右图两圆分离,P(E|F) 是多少?说明了什么?
P(EF) = 0,所以 P(E|F) = 0,而 P(E) = 2/6 ≈ 0.333。知道 F 发生直接排除了 E,互斥是最强的依赖(p.12)。
4. 联合表四格和单个事件的概率是什么关系?
四格 P(EF)、P(EF^c)、P(E^cF)、P(E^cF^c) 加起来等于 1;按行加得 P(E) = P(EF) + P(EF^c),按列加得 P(F)(p.12)。
5. 独立的定义是什么?推出 P(E|F) = P(E) 要几步?
P(EF) = P(E)P(F)。P(E|F) = P(EF)/P(F) = P(E)P(F)/P(F) = P(E),三步:定义、代入、约分(p.13)。
6. 两个概率均不为零的事件,互斥的话可能独立吗?
不可能。互斥意味着 P(EF) = 0,而独立要求 P(EF) = P(E)P(F) > 0,两者矛盾。只有当 P(E) = 0 或 P(F) = 0 时才能同时成立(p.13)。
7. P(E|F) 和 P(F|E) 有什么关系?
分子都是 P(EF),分母分别是 P(F) 和 P(E),一般不相等。课件左图里一个是 3/5,一个是 3/4(p.12)。
8. 乘法公式怎么从条件概率的定义得到?
把 P(E|F) = P(EF)/P(F) 两边乘 P(F),得 P(EF) = P(E|F)P(F)。它是贝叶斯公式推导的第一步(p.12、p.15)。
下一讲
下一页把条件翻过来:已知「有病时检验阳性」的概率,怎么求「检验阳性时真有病」的概率。从乘法公式和全概率公式一步步推出贝叶斯公式,见 L03a-3。
个人整理的学习笔记,不是官方材料;数字与结论以课件和讲师为准。