全概率公式、貝葉斯公式的推導和解釋

我現在手動推一下全概率公式：

全概率公式的意義：

看到這裏是不是對全概率公式加深瞭解了呢。

全概率公式的例題：加深理解

到了緊張刺激的貝葉斯公式了

這就是貝葉斯公式的推到。由條件概率出發，分子通過一步條件概率變形，分母通過全概率公式變形。重點：不必分子分母同時變形，只變其中之一也行。所以就有了下面公式：

貝葉斯公式的意義

例子：

下來接着這個例子來説説先驗概率和後驗概率，概率模型的機器學習算法，包括深度學習中都是用的概率，所以這個一定要弄清楚，雖然我也經常忘記~~~~(>_