条件概率、全概率公式和贝叶斯公式

条件概率是指在已知事件B发生的条件下，事件A发生的概率。在Python中，可以使用概率分布来计算条件概率。 以下是一个使用Python实现条件概率的例子： ```python # 导入相关库 import numpy as np # 定义事件A和事件B的概率分布 p_A = np.array([0.2, 0.3, 0.5]) # 事件A的概率分布 p_B_given_A = np.array([[0.6, 0.4, 0.0], # 在事件A发生的条件下，事件B的概率分布 [0.1, 0.7, 0.2], [0.3, 0.3, 0.4]]) # 计算条件概率 p_A_given_B = p_A * p_B_given_A / np.sum(p_A * p_B_given_A, axis=1) # 输出结果 print("条件概率P(A|B)：") print(p_A_given_B) ``` 这段代码中，我们首先定义了事件A和事件B的概率分布。然后，通过计算条件概率公式 P(A|B) = P(A) * P(B|A) / P(B)，得到了在事件B发生的条件下，事件A发生的概率分布。