边际概率和条件概率的公式是什么？
Pr(X=x)为“X的边际概率”；Pr(Y=y)为“Y的边际概率”。
Pr(X=x, Y=y) = Pr(X=x | Y=y) * Pr(Y=y)。即：“XY的联合概率”=“X基于Y的条件概率”乘以“Y的边际概率”。这个就是联合概率、边际概率、条件概率之间的转换计算公式。
“边际”一词来源于英语单词“ marginal” ，在概率论、经济学等多领域出现。该词在国内有的书译为边缘，有的书译为边际，但在各自领域内含义都一样。例如在经济学中通常译为”边际“。
在概率论中“边际概率”通常也称为“边缘概率”。即相对多变量的联合分布而言，当其他变量取一切可能，某变量取值的概率。边际概率是一个事件的概率，与另一个变量的结果无关。 条件概率是一个事件在第二个事件存在的情况下发生的概率。
介绍
边缘分布（Marginal Distribution）指在概率论和统计学的多维随机变量中，只包含其中部分变量的概率分布。
条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P（A|B），读作“在B的条件下A的概率”。条件概率可以用决策树进行计算。条件概率的谬论是假设 P(A|B) 大致等于 P(B|A)。
边际概率和条件概率是概率论中的两个重要概念。它们的计算公式如下：
边际概率（Marginal Probability）：指在多个随机变量的联合分布中，某一个变量的概率分布。
条件概率（Conditional Probability）：指在给定某一事件发生的前提下，另一事件发生的概率。
假设有两个随机变量 X 和 Y，它们的联合概率分布为 P(X, Y)。那么 X 的边际概率可以通过对联合概率分布进行求和或积分来计算得到，具体公式如下：
P(X) = ∑ P(X, Y) （对所有可能的 Y 求和）
或
P(X) = ∫ P(X, Y)dy （对所有可能的 Y 进行积分）
条件概率常用符号为 P(A|B)，表示在事件 B 发生的条件下，事件 A 发生的概率。条件概率的计算公式如下：
P(A|B) = P(A∩B) / P(B)
其中，P(A∩B) 表示事件 A 和事件 B 同时发生的概率，P(B) 表示事件 B 发生的概率。
绛旓細Pr(X=x)涓衡淴鐨勮竟闄呮鐜団濓紱Pr(Y=y)涓衡淵鐨勮竟闄呮鐜団濄Pr(X=x, Y=y) = Pr(X=x | Y=y) * Pr(Y=y)銆傚嵆锛氣淴Y鐨勮仈鍚堟鐜団=鈥淴鍩轰簬Y鐨勬潯浠舵鐜団濅箻浠モ淵鐨勮竟闄呮鐜団濄傝繖涓氨鏄仈鍚堟鐜囥佽竟闄呮鐜囥佹潯浠舵鐜囦箣闂寸殑杞崲璁＄畻鍏紡銆傗滆竟闄呪濅竴璇嶆潵婧愪簬鑻辫鍗曡瘝鈥 marginal鈥 锛屽湪姒傜巼...
绛旓細鏉′欢姒傜巼鐢ㄥ湪A 浜嬩欢鍙戠敓鐨勬儏鍐典笅B浜嬩欢鍙戠敓鐨勬鐜囥傛鐜囦箻娉曞叕寮忕敤鍦ˋB 鍚屾椂鍙戠敓鏃跺銆傚叏姒傜巼鍏紡鐢ㄥ湪A浜嬩欢鍙互鐪嬩綔鏁翠綋琚獴鍒嗗壊鏃跺欍璐濆彾鏂叕寮鐢ㄤ簬鍏堥獙鍜屽悗楠 杈冨鏉傜簿纭椂鐢ㄨ竟闄呭垎甯冨瘑搴
绛旓細P锛圓B锛夋槸AB鍚屾椂鍙戠敓鐨姒傜巼锛屾槸浠ュ叏浣撲簨浠朵负100%鏉ヨ绠楀叾涓瑼B鍚屾椂鍙戠敓鐨勬鐜囥侾锛圔|A锛夋槸鍦ㄥ凡缁忓彂鐢熶簡A浜嬩欢鐨勫墠鎻愪笅锛屽啀鍙戠敓B浜嬩欢鐨勬鐜囥傛槸浠ユ墍鏈夊彂鐢烝浜嬩欢涓100%鏉ヨ绠桝B鍚屾椂鍙戠敓鐨勬鐜囥
绛旓細璐濆彾鏂叕寮忔槸姒傜巼璁轰腑鐨勪竴鏉￠噸瑕佸叕寮锛岀敤浜庤绠楀湪缁欏畾鍏堥獙淇℃伅鐨勬儏鍐典笅锛屾洿鏂颁竴涓簨浠剁殑姒傜巼銆傚畠鍩轰簬鏉′欢姒傜巼鍜岃竟闄呮鐜囩殑鍏崇郴锛岃兘澶熷湪鑾峰緱鏂扮殑瑙傛祴鏁版嵁鍚庯紝閲嶆柊浼拌浜嬩欢鐨勬鐜囥傝礉鍙舵柉鍏紡鐨勪竴鑸舰寮忓涓嬶細P(A|B) = (P(B|A) * P(A)) / P(B)鍏朵腑锛孭(A|B) 琛ㄧず鍦ㄤ簨浠 B 鍙戠敓鐨勬潯浠朵笅浜嬩欢 A...
绛旓細鍏ㄦ鐜囧叕寮 P(A)=P(B)P(A/B)+P(-B)P(A/-B)A浜嬩欢鍙互鐪嬩綔鏁翠綋 琚獴鍒嗗壊 鏃跺欒绠楁柟娉 璐濆彾鏂叕寮 P(B/A)=P(B)P(A/B) / ( P(B)P(A/B)+P(-B)P(A/-B) )鍦ㄦ潯浠跺拰鍏ㄦ鐜囩殑鍩虹涓婄殑鍙樺舰 鐢ㄩ斿緢骞 涓昏鐢ㄤ簬鍏堥獙鍜屽悗楠 杈冨鏉傜簿纭椂鐢ㄨ竟闄呭垎甯冨瘑搴 浠ヤ笂閫傚悎杈冨浜嬩欢 A1,An,...
绛旓細姝ゅ锛鏉′欢姒傜巼鍏紡涔熸槸姒傜巼璁轰腑閲嶈鐨勫叕寮忎箣涓銆傛潯浠舵鐜囧叕寮忥紙P锛圓|B锛夛級鏄湪B鏉′欢涓婣鐨勬鐜囷紝鍗充簨浠禔鍦ㄥ彟澶栦竴涓簨浠禕宸茬粡鍙戠敓鏉′欢涓嬬殑鍙戠敓姒傜巼銆傛荤殑鏉ヨ锛姒傜巼璁哄叕寮忛兘鏄鐢卞熀鏈畾涔夊拰鎬ц川鎺ㄥ鑰屾潵锛屽畠浠槸鐞嗚В鍜岃В鍐虫鐜囬棶棰樼殑鍩虹銆
绛旓細3. 纭畾杈归檯姒傜巼瀵嗗害鍑芥暟锛氳绠楄竟闄呮鐜囧瘑搴﹀嚱鏁 f(B)锛屽嵆浜嬩欢 B 鑷韩鐨勬鐜囧瘑搴﹀嚱鏁般4. 璁＄畻鏉′欢姒傜巼瀵嗗害锛氬埄鐢鏉′欢姒傜巼鐨勫叕寮 P(A|B) = f(A, B) / f(B)锛屽皢鑱斿悎姒傜巼瀵嗗害鍑芥暟鍜岃竟闄呮鐜囧瘑搴﹀嚱鏁板甫鍏ュ叕寮忎腑杩涜璁＄畻銆傞渶瑕佹敞鎰忕殑鏄紝璁＄畻鏉′欢姒傜巼瀵嗗害闇瑕佸叿澶囦竴瀹氱殑姒傜巼璁哄拰缁熻瀛︾煡璇嗭紝骞朵笖...
绛旓細鏉′欢姒傜巼瀵嗗害锛鑱斿悎姒傜巼瀵嗗害锛杈圭紭姒傜巼瀵嗗害X鐨勮竟缂樺瘑搴︺傚y杩涜绉垎锛岃绉嚱鏁版槸鑱斿悎瀵嗗害Y鐨勮竟缂樺瘑搴︼細瀵箈杩涜绉垎锛岃绉嚱鏁版槸鑱斿悎瀵嗗害绉垎鍖哄煙鐨勮瘽銆傛洿澶氫粙缁嶏細杩炵画鍨嬮殢鏈哄彉閲忕殑姒傜巼瀵嗗害f(x)涓瀹氭弧瓒虫潯浠垛埆锛堜笂姝ｆ棤绌凤紝涓嬭礋鏃犵┓锛塮(x)dx=1杩炵画鍨嬮殢鏈哄彉閲忚嫢闅忔満鍙橀噺X鐨勫垎甯冨嚱鏁癋(x)鍙〃绀烘垚涓涓潪...
绛旓細鏉′欢姒傜巼鐨勫叕寮忥細P(AB)=P(A)P(B|A)=P(B)P(A|B)锛涘嵆浜嬩欢A鍜屼簨浠禕鍚屾椂鍙戠敓鐨勬鐜囩瓑浜庡湪鍙戠敓A鐨勬潯浠朵笅B鍙戠敓鐨勬鐜囦箻浠鐨勬鐜囥傜敱鏉′欢姒傜巼鍏紡鎺ㄥ鍑璐濆彾鏂叕寮锛歅(B|A)=P(A|B)P(B)/P(A)锛涘嵆,宸茬煡P(A|B)锛孭(A)鍜孭(B)鍙互璁＄畻鍑篜(B|A)銆傚亣璁綛鏄敱鐩镐簰鐙珛鐨勪簨浠剁粍鎴愮殑姒傜巼...
绛旓細杈归檯姒傜巼銆鏉′欢姒傜巼鐨鍏崇郴: 鍏朵腑, Pr(X=x, Y=y)涓衡淴Y鐨勮仈鍚堟鐜団; Pr(X=x)涓衡淴鐨勮竟闄呮鐜団濓紝绗琸+1骞村嚭鐜拌繚绾︾殑姒傜巼銆
