일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- binary search
- String
- DP
- MYSQL
- two pointer
- Hash
- Brute Force
- Two Points
- SQL
- 이진탐색
- Stored Procedure
- union find
- 다익스트라
- Trie
- Dijkstra
- 스토어드 프로시저
- 그래프
Archives
- Today
- Total
codingfarm
전체 확률 법칙(Law of total probability) 본문
표본공간 $S$를 $n$개로 분할하여 사상 $\{B_1,B_2,\cdots,B_n\}$를 얻는다.
$P(B \neq 0),\;\;\;i=1,2,\cdots,n$ 일때
$S$의 임의의 사건 $A$에 대해
$$P(A)=\sum_{i=1}^{n}P(B_i \cap A)=\sum_{i=1}^{n}P(B_i)P(A|B_i)$$
표본 공간 $S$가 아래와 같이 주어진다.
표본공간 $S$가 $n$개의 사상 $\{B_1, B_2, B_3, B_4\}$로 분할되어 있다.
그리고 사상 $A$가 표본공간 $S$의 임의의 사상이다.
그림에서 보다시피
$A=(B_1 \cap A)\cup (B_2 \cap A)\cup (B_3 \cap A)\cup (B_4 \cap A)$
사건 $A$의 확률을 교집합의 합집합으로 나타낼 수 있다.
여기서 각각의 $B_i \cap A$는 배반이다
따라서
$P(A)=P(B_1 \cap A)+ P(B_2 \cap A)+ P(B_3 \cap A)+ P(B_4 \cap A)$
'통계학 > 확률론' 카테고리의 다른 글
조건부확률(Conditional probability)과 독립사상(independent event) (0) | 2020.05.26 |
---|---|
베이즈 정리(Bayes' theorem) (0) | 2020.05.26 |
Comments