条件概率怎么理解？
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)。数学家John Allen Paulos 在他的《数学盲》一书中指出医生、律师以及其他受过很好教育的非统计学家经常会犯这样的错误。这种错误可以通过用实数而不是概率来描述数据的方法来避免。
扩展资料：
条件概率在认知上有非常重要的意义，考虑不考虑条件，两个随机事件发生的概率可以差出很多数量级，原来不可能发生的事情，就极可能会发生，原来以为是大概率的事情，可能根本就不会发生。
当一个随机试验在同等条件下进行很多次时，就把它发生的次数，除以试验的总次数，作为近似的概率。在计算语言中词汇出现的概率时也是如此。
参考资料来源：
由P(A|B)=P(AB)/P（B）【这是条件概率的定义式，没法再细解释了】只能得出：P(AB)=P（B）P(A|B)，只有在A和B独立的情形才有P(AB)=P（B）P(A)。
条件概率如果A，B是条件组S下的随机事件，P(B)≠0，那么称在B发生的前提下A发生的概率为条件概率，记为P(A|B)，就是事件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条件下A的概率”。P(A|B) = P(AB)/P(B)。分子是同时发生的概率，除去B发生的概率就是条件概率。
扩展资料：
如果事件 B 的概率 P(B) > 0，那么 Q(A) = P(A | B) 在所有事件 A 上所定义的函数 Q 就是概率测度。 如果 P(B) = 0，P(A | B) 没有定义。 条件概率可以用决策树进行计算。
联合概率表示两个事件共同发生的概率。A与B的联合概率表示为 P(AB) 或者P(A,B),或者P(A∩B)。
边缘概率是这样得到的：在联合概率中，把最终结果中不需要的那些事件合并成其事件的全概率而消失（对离散随机变量用求和得全概率，对连续随机变量用积分得全概率）。这称为边缘化（marginalization）。A的边缘概率表示为P(A)，B的边缘概率表示为P(B)。
参考资料来源：百度百科-条件概率
