FIA · Tema 1:概率论复习
概率论复习 · 逐页逐句双语讲义

Repaso teoría de la probabilidad
30 页原版 PDF 一页不落 · 西语原句逐字照抄 + 中文一句一译 + 公式符号表
怎么用这份讲义

一、封面与目录

p.1–p.2
p.1

Repaso teoría de la probabilidad · 概率论复习(封面)

▸ 原页截图 p.1 原讲义第 1 页

Repaso teoría de la probabilidad

概率论复习

Eva Millán

Eva Millán(主讲教师)

Departamento de Lenguajes y Ciencias de la Computación

语言与计算机科学系

封面只出「课程归属」类填空:这门课的概率复习属于 Departamento de Lenguajes y Ciencias de la Computación(语言与计算机科学系),作者 Eva Millán。西语课名要会念:«repaso de teoría de la probabilidad»。
全书主线一句话:变量 → 分布 → 联合/边缘 → 条件 → 独立 → 全概率 → Bayes → 链式法则 → 综合题 → Monty Hall。封面只是入口,先记住这条链。
p.2

Índice · 目录

▸ 原页截图 p.2 原讲义第 2 页

Índice

目录

1. Variables aleatorias

1. 随机变量

2. Distribuciones de probabilidad

2. 概率分布

3. Distribuciones conjunta y marginal

3. 联合分布与边缘分布

4. Probabilidad condicionada

4. 条件概率

5. Independencia de variables aleatorias

5. 随机变量的独立性

6. Independencia condicional de variables aleatorias

6. 随机变量的条件独立性

7. Ley de probabilidad total

7. 全概率公式

8. Teorema de Bayes

8. 贝叶斯定理

9. Regla de la cadena

9. 链式法则

10. Ejercicio resumen

10. 综合练习

11. Ejemplo extra: el problema de Monty Hall

11. 补充例子:蒙提霍尔问题

11 个标题就是 11 个考点族。考试题号一般按这个顺序出:先给分布,再问条件概率,再套全概率/Bayes,最后上链式法则。
看到 «marginal» 就想「求和消元」,看到 «condicionada» 就想「除以 P(Y=y)」,看到 «cadena» 就想「连乘条件概率」——三条反射弧覆盖目录一半。

二、随机变量与概率分布

p.3–p.9
p.3

1. Variables aleatorias · 随机变量(定义与离散型)

▸ 原页截图 p.3 原讲义第 3 页

1. Variables aleatorias

1. 随机变量

Definición:

定义:

Una variable aleatoria es una función que asigna un valor numérico a cada resultado posible de un experimento aleatorio.

随机变量是一个函数,它给随机试验的每一个可能结果指定一个数值。

Variables Aleatorias Discretas:

离散随机变量:

Toman valores en un conjunto finito o infinito numerable (suelen proceder de recuentos).

取值于有限或无限可数集合(通常来自计数)。

Ejemplos

例子

X = Número de peticiones HTTP que fallan durante un minuto (valores posibles: 0,1,2,...).

X = 一分钟内失败的 HTTP 请求数(可能取值:0,1,2,...)。

Y = Número de paquetes perdidos al transmitir un bloque de 100 paquetes (valores posibles: 0,1,2,...,100).

Y = 传输一个 100 包的数据块时丢失的数据包数(可能取值:0,1,2,...,100)。

必背定义原句:«una variable aleatoria es una función que asigna un valor numérico a cada resultado posible de un experimento aleatorio»。答题关键词 función + valor numérico + resultado posible 一个都不能少。
离散 ≠ 有限。numerable(可数)包含无限可数集(如 0,1,2,… 的计数值);把 discreta 直接译成「有限」会丢分。
判断口诀:数出来的是离散,量出来的是连续。请求数、丢包数是「数」出来的 → 离散。
p.4

1. Variables aleatorias · 连续型随机变量

▸ 原页截图 p.4 原讲义第 4 页

1. Variables aleatorias

1. 随机变量

Variables Aleatorias Continuas:

连续随机变量:

Toman valores en un conjunto continuo / intervalo de los números reales (proceden de mediciones).

取值于实数的一个连续集合/区间(来自测量)。

Ejemplos:

例子:

• Z: Tiempo de respuesta de una petición HTTP (valores medidos en milisegundos).

• Z:一个 HTTP 请求的响应时间(以毫秒为单位测量的值)。

• W: Porcentaje de utilización de CPU de un servidor (valores entre 0 y 100%).

• W:服务器 CPU 的占用率百分比(取值在 0 到 100% 之间)。

考点是「给一个变量判断离散/连续」:tiempo(时间)、porcentaje(百分比)、temperatura 这类可测量的量 → continua;número de…(……的个数)→ discreta。
连续变量取某一个精确值的概率是 0,所以不能写 «P(Z = 500)» 来算概率,只能算区间 «P(400 ≤ Z ≤ 500)»。这是后面连续分布题的隐形陷阱。
口诀:«mediciones → continuas, recuentos → discretas»(测量得连续,计数得离散)。
p.5

2. Distribuciones de probabilidad · 概率分布与两条基本性质

▸ 原页截图 p.5 原讲义第 5 页

2. Distribuciones de probabilidad

2. 概率分布

Una distribución de probabilidad es una función que describe cómo se reparte la probabilidad entre los posibles valores que puede tomar una variable aleatoria.

概率分布是一个函数,描述概率如何分配到一个随机变量可能取的各个值上。

En el caso discreto, se representa mediante una función de distribución de masa de probabilidad:

在离散情形下,用概率质量函数表示:

\[p_X(x) = P(X = x)\]
符号西语读法中文含义
p_X(x)«pe sub equis de equis»随机变量 X 在取值 x 处的概率质量
P(X = x)«probabilidad de que equis igual a equis»X 恰好取 x 的概率
x«equis»X 的某个具体取值

que debe cumplir dos propiedades fundamentales:

它必须满足两条基本性质:

• Para todo valor posible x:

• 对每一个可能的取值 x:

\[0 \le P(X = x) \le 1\]
符号西语读法中文含义
0 ≤ … ≤ 1«entre cero y uno»概率必须落在 0 与 1 之间
P(X = x)«probabilidad de equis igual a equis»单个取值的概率

• La suma de las probabilidades de todos los posibles valores de X debe ser igual a 1:

• X 所有可能取值的概率之和必须等于 1:

\[\sum_{x} P(X = x) = 1\]
符号西语读法中文含义
\sum«sumatorio»求和
\sum_{x}«sumatorio sobre todas las equis»对 X 的所有取值求和
= 1«igual a uno»归一化条件:总概率为 1
「概率分布合法吗」是送分题:检查 ①每个 p ≥ 0;②所有 p 加起来 = 1。答题写 «todas las probabilidades son no negativas y suman uno»。
两条性质缺一不可:只验证和为 1 不能排除负概率;只验证非负也不能保证归一化。考试常给一个含负值的表让你判断。
«masa» 是质量(点上有重量),对应的连续版本叫 «densidad»(密度)——别把 masa 和 densidad 混用。
p.6

2. Distribuciones de probabilidad · HTTP 请求成功/失败的二值分布

▸ 原页截图 p.6 原讲义第 6 页

2. Distribuciones de probabilidad

2. 概率分布

Ejemplo:

例:

Consideremos una petición HTTP enviada a un servicio web. Definimos la variable aleatoria X como:

考虑一个发送到 Web 服务的 HTTP 请求。定义随机变量 X 为:

• X=1 si la petición falla.

• 若请求失败,则 X=1。

• X=0 si la petición no falla.

• 若请求不失败,则 X=0。

Supongamos que la probabilidad de fallo es 0.1.

假设失败概率为 0.1。

Como la función de distribución de probabilidad debe cumplir

由于概率分布函数必须满足

\[\sum_{x} P(X = x) = 1\]
符号西语读法中文含义
\sum_x«sumatorio sobre las equis»对全部取值求和
P(X = x)«probabilidad de equis igual a equis»取该值的概率

Entonces:

于是:

\[p_X(x) = \begin{cases} P(X = 1) = 0.1 \\ P(X = 0) = 0.9 \end{cases}\]
符号西语读法中文含义
p_X(x)«pe sub equis de equis»X 的概率质量函数
P(X = 1) = 0.1«probabilidad de equis igual a uno es cero coma uno»失败概率 0.1
P(X = 0) = 0.9«cero coma nueve»成功概率 0.9(由 1 − 0.1 得)
这是最基础的 Bernoulli(伯努利)分布:只有 0/1 两个取值,P(1)=p、P(0)=1−p。答题模板:«como las probabilidades deben sumar uno, P(X=0) = 1 − 0.1 = 0.9»。
原文把 X=0 写成「no falla」而不是「éxito/成功」——这是刻意的:X 编码的是「失败」,别把 0 理解成「没有请求」。
«fallo = 0.1» 一出现,立刻写 0.1 + 0.9 = 1,另一半概率自动补出来。
p.7

2. Distribuciones de probabilidad · 抽题考试:至少要复习多少题

▸ 原页截图 p.7 原讲义第 7 页

2. Distribuciones de probabilidad

2. 概率分布

Otro ejemplo:

另一个例子:

En un examen de oposición de 100 temas, el candidato debe desarrollar un tema que elige entre cuatro sorteados al azar.

在一场 100 道题目的竞争性考试中,考生必须从随机抽出的四道题中选一道展开作答。

¿Cuál es el número mínimo de temas que tiene que estudiar para que la probabilidad de que se sepa al menos uno de los cuatro temas sorteados sea de al menos un 75%?

至少要复习多少道题,才能让「抽出的四道题中至少会一道」的概率不低于 75%?

Sea X una variable aleatoria que toma valores X=1 si se sabe al menos un tema y X=0 en el caso contrario.

设随机变量 X:若至少会一道题则 X=1,否则 X=0。

Sea n el número de temas que estudia.

设 n 为复习的题目数。

P(X=1) = 1- P (X=0)

P(X=1) = 1 − P(X=0)(用对立事件)。

\[P(X = 0) = \frac{100-n}{100}\cdot\frac{99-n}{99}\cdot\frac{98-n}{98}\cdot\frac{97-n}{97}\]
符号西语读法中文含义
P(X = 0)«probabilidad de que no sepa ninguno»四道抽题一道都不会的概率
\frac{100-n}{100}«cien menos ene sobre cien»第一道抽到「没复习」的概率
\cdot«por»乘(逐次抽取、不放回)
n«ene»复习过的题目数

Hay que encontrar un n entero tal que

要找一个整数 n,使得

\[p(X = 1) \ge 0.75\]
符号西语读法中文含义
\ge«mayor o igual que»大于等于
0.75«cero coma setenta y cinco»75% 的下限

En este caso, n= 29 temas.

本题中,n = 29 道题。

nP(X = 0)P(X = 1) = 1 − P(X = 0)是否 ≥ 0.75
280.26240.7376不满足,差 0.0124
290.24780.7522刚好满足(答案)
300.23380.7662满足,但不是最小
这是「无放回抽样 + 对立事件」的标准题。必须写清四步:①设 X;②P(X=1)=1−P(X=0);③四个分数连乘;④试 n=28、29 找到最小整数。
四道题是不放回抽的,所以分子分母每步都减 1(100→99→98→97);若写成同一个 100/99/98/97 分母不变,就是错解。
口诀:「至少一个」先取反——P(至少一) = 1 − P(一个都没有),四个分数从 (100−n)/100 开始逐个减 1。
p.8

2. Distribuciones de probabilidad · 复习题数的模拟器曲线

▸ 原页截图 p.8(图示页) 原讲义第 8 页

2. Distribuciones de probabilidad

2. 概率分布

Otro ejemplo:

另一个例子:

Simulador para saber el número de temas que estudiar

用来确定要复习多少道题的模拟器

0,00 · 0,10 · 0,20 · 0,30 · 0,40 · 0,50 · 0,60 · 0,70 · 0,80 · 0,90 · 1,00

纵轴:概率刻度 0.00 → 1.00(西语用逗号作小数点,0,75 即 0.75)

0 · 10 · 20 · 30 · 40 · 50 · 60 · 70 · 80 · 90 · 100

横轴:复习题数 n,0 → 100

曲线就是 p.7 的 P(X=1) 随 n 单调上升;0.75 水平线与曲线的交点落在 n≈29,与手算答案一致。图示页只用来看趋势,原图见上方截图。
考「读图」时只问两件事:曲线单调递增说明「复习越多、至少会一题的概率越大」;水平线 0.75 对应的横坐标就是最小题数。
西语图表用逗号当小数点(0,75)。抄答案时如果写成 «0,75» 要能读出 «cero coma setenta y cinco»,别当成 75。
「概率曲线只有上坡」= 复习不亏;交点 ≈ 29 与 p.7 的整数答案互相印证。
p.9

2. Distribuciones de probabilidad · 生日悖论练习

▸ 原页截图 p.9 原讲义第 9 页

2. Distribuciones de probabilidad

2. 概率分布

Ejercicio:

练习:

Calcula la probabilidad de que en una clase de 40 personas al menos dos de ellas cumplan el mismo día.

计算一个 40 人的班级里至少有两人生日相同的概率。

P(al menos dos cumplan el mismo día) =

P(至少两人生日相同)=

1 – P(ninguna cumpla el mismo día) =

1 − P(没有任何两人生日相同)=

\[1-\frac{364}{365}\cdot\frac{363}{365}\cdots\frac{326}{365}\approx 0.9\]
符号西语读法中文含义
1 − P(…)«uno menos la probabilidad de…»用对立事件求「至少两同」
\frac{364}{365}«trescientos sesenta y cuatro sobre trescientos sesenta y cinco»第 2 人与第 1 人不同的概率
\cdots«puntos suspensivos»依次连乘到 326/365
\approx 0.9«aproximadamente cero coma nueve»约 0.9,即约 90%
标准答法:先算「全不相同」再取反。40 人对应 39 个因子:364/365 · 363/365 ⋯ 326/365;写成 «P(ninguna coincida)» 才能拿步骤分。
分子从 364 开始、到 326 结束,共 39 项(不是 40 项)。数错项数会整题崩盘:第 40 人可选的是 365−39 = 326 天。
口诀:「至少两同」反着算,分子 364 递减到 326;结果 0.9 常被直觉低估,这正是「生日悖论」。

三、联合分布与边缘分布

p.10–p.13
p.10

3. Distribuciones conjunta y marginal · 联合概率质量函数

▸ 原页截图 p.10 原讲义第 10 页

3. Distribuciones conjunta y marginal

3. 联合分布与边缘分布

Distribución de probabilidad conjunta

联合概率分布

Describe la probabilidad de cada combinación simultánea de valores de un vector aleatorio X = (X₁, X₂, …, Xₙ) a través de una función que se llama función de distribución de masa de probabilidad conjunta:

它通过一个称为联合概率质量函数的函数,描述随机向量 X = (X₁, X₂, …, Xₙ) 各个取值同时组合出现的概率:

\[p_X(x) = P(X_1 = x_1, X_2 = x_2, \dots, X_n = x_n)\]
符号西语读法中文含义
p_X(x)«pe sub equis de equis»联合概率质量函数
X_1, …, X_n«equis uno hasta equis ene»n 个随机变量组成的随机向量
x_1, …, x_n«equis uno hasta equis ene»各分量同时取的具体值
P(…)«probabilidad conjunta»所有分量同时取该组合的概率

Propiedades

性质

• pₓ(x) ≥0

• 联合概率非负:pₓ(x) ≥ 0

\[p_X(x) \ge 0\]
符号西语读法中文含义
\ge 0«mayor o igual que cero»非负性
p_X(x)«pe sub equis de equis»某个联合组合的概率

• σₓ pₓ(x) = 1

• 对所有组合求和等于 1:Σₓ pₓ(x) = 1

\[\sum_{x} p_X(x) = 1\]
符号西语读法中文含义
\sum«sumatorio»求和(原文印作 σₓ,见下方勘误)
p_X(x)«pe sub equis de equis»联合概率
= 1«igual a uno»所有组合的概率总和为 1
考点:联合分布同样要满足 非负 + 归一,只是求和要遍历「所有组合」而不是单变量取值。答题写 «suma sobre todas las combinaciones = 1»。
原文写 σₓ pₓ(x) = 1,应为 Σₓ pₓ(x) = 1(求和号被排版/抽取成希腊字母 σ),属笔误;含义仍是「对所有组合求和」。
联合 = 多维表格;行、列、整张表都必须各自「加起来合理」,最后全表总和 = 1。
p.11

3. Distribuciones conjunta y marginal · 边缘分布与 marginalizar

▸ 原页截图 p.11 原讲义第 11 页

3. Distribuciones conjunta y marginal

3. 联合分布与边缘分布

Distribución marginal

边缘分布

Asigna una probabilidad a una variable Xᵢsin fijar los valores de las demás variables.

它给某一个变量 Xᵢ 指定概率,而不固定其他变量的取值。

Se obtiene sumando la distribución conjunta sobre todas las demás variables (a esto se le llama marginalizar):

做法是把联合分布对其余所有变量求和(这叫作边缘化):

\[p_{X_i}(x_i) = \sum_{x_1}\cdots\sum_{x_{i-1}}\sum_{x_{i+1}}\cdots\sum_{x_n} p_X(x_1,\dots,x_n)\]
符号西语读法中文含义
p_{X_i}(x_i)«pe sub equis i de equis i»第 i 个变量的边缘概率
\sum_{x_1}\cdots\sum_{x_n}«sumatorio sobre todas las demás variables»对其余变量逐一求和消掉
p_X(x_1,\dots,x_n)«probabilidad conjunta»原来的联合概率
x_i«equis i»保留下来的那个变量的取值
「求边缘分布」= 把不关心的变量全部加掉。答题关键词 «sumar sobre todas las demás variables»;这一步就是全概率公式在多变量上的版本。
原文写 Xᵢsin,应为 Xᵢ sin(缺空格,变量名与介词粘在一起),属笔误;不影响含义:«asigna probabilidad a Xi sin fijar las demás»。
«marginal» 记成「边上的小计」:二维表里把一行/一列加到底,写在表格边缘,所以叫「边缘」。
p.12

3. Distribuciones conjunta y marginal · 三个 Web 状态变量的联合分布表

▸ 原页截图 p.12(表格页) 原讲义第 12 页

3. Distribuciones conjunta y marginal

3. 联合分布与边缘分布

Ejemplo:

例:

Consideremos tres variables aleatorias discretas relacionadas con el estado de un sistema web:

考虑三个与 Web 系统状态有关的离散随机变量:

• X: Carga de CPU (0: normal, 1: alta)

• X:CPU 负载(0:正常,1:高)

• Y: Congestión de red (0: no, 1: sí)

• Y:网络拥塞(0:否,1:是)

• Z: Latencia elevada (0: no, 1: sí)

• Z:高延迟(0:否,1:是)

Y la función de distribución conjunta dada en la tabla:

以及表中给出的联合分布函数:

原页的 2×2×2 联合分布表在截图中(C 档:表格不便转写,直接看原图)。表里 8 个格子 p(X,Y,Z) 之和必须为 1;p.13 的 0.6875、0.3125 等数值就是把它按 X、按 (X,Y) 求和得到的。
常考「从联合表读值」:P(X=0, Y=1) 就是表中 X=0、Y=1 那一行所有 Z 的格子相加;先固定要问的变量,再把剩下的全部加掉。
三个二值变量共有 2×2×2 = 8 种组合,不是 6 种。漏掉任一组合,总和就不等于 1。
二值变量个数 n → 表格 2ⁿ 格:n=2 是 4 格,n=3 是 8 格,n=5 就是 p.27 的 32 格。
p.13

3. Distribuciones conjunta y marginal · 从联合分布算边缘概率与联合概率

▸ 原页截图 p.13(数值结果页) 原讲义第 13 页

3. Distribuciones conjunta y marginal

3. 联合分布与边缘分布

Ejemplo:

例:

La distribución conjunta nos permite calcular las probabilidades de otras variables de interés:

联合分布让我们可以计算其他感兴趣的变量的概率:

Probabilidad marginal de X:

X 的边缘概率:

• P(X=0) = 0.6875

• P(X=0) = 0.6875

• P(X=1) = 0.3125

• P(X=1) = 0.3125

Probabilidad conjunta X e Y:

X 与 Y 的联合概率:

• P(X=0, Y=0) = 0.5350

• P(X=0, Y=0) = 0.5350

• P(X=0, Y=1) = 0.1525

• P(X=0, Y=1) = 0.1525

• P(X=1, Y=0) = 0.1900

• P(X=1, Y=0) = 0.1900

• P(X=1, Y=1) = 0.1225

• P(X=1, Y=1) = 0.1225

(X: Carga de CPU; Y: Congestión de red; Z: Latencia elevada)

(X:CPU 负载;Y:网络拥塞;Z:高延迟)

\[P(X=0)=P(X=0,Y=0)+P(X=0,Y=1)=0.5350+0.1525=0.6875\]
符号西语读法中文含义
P(X=0)«probabilidad marginal de equis igual a cero»X=0 的边缘概率
P(X=0,Y=0)«probabilidad conjunta de equis cero y ye cero»X=0 且 Y=0 的那一格
+«más»把 Y 的两种取值加掉(边缘化)
0.6875«cero coma seis mil ochocientos setenta y cinco»结果,与原文 P(X=0) 一致
要算的量式子结果
P(X=0)0.5350 + 0.15250.6875
P(X=1)0.1900 + 0.12250.3125
边缘合计0.6875 + 0.31251.0000
四格合计0.5350 + 0.1525 + 0.1900 + 0.12251.0000
给联合表求边缘:固定要问的变量,把另一个变量所有取值加起来。P(X=0) 就是 X=0 那一行两格之和;答题写 «sumar sobre Y»。
边缘化是加不是除:P(X=0) ≠ P(X=0,Y=0)/P(Y=0)(那是条件概率)。这里 0.5350 已经占了大头,再除会大于 1。
两个自检:P(X=0)+P(X=1)=1,四格全加也=1。算完先加一遍,不对就说明漏格。

四、条件概率与独立性

p.14–p.19
p.14

4. Probabilidad condicionada · 条件概率的定义与 0,5798 练习

▸ 原页截图 p.14 原讲义第 14 页

4. Probabilidad condicionada

4. 条件概率

La probabilidad condicionada permite calcular la probabilidad de que una variable aleatoria 𝑋 tome un valor 𝑥cuando se conoce que otra variable aleatoria 𝑌ha tomado el valor 𝑦.

条件概率用来计算:在已知另一个随机变量 𝑌 取值为 𝑦 的情况下,随机变量 𝑋 取值为 𝑥 的概率。

Se define como:

定义为:

\[P(X=x\mid Y=y)=\frac{P(X=x,Y=y)}{P(Y=y)}\qquad\text{siempre que }P(Y=y)>0\]
符号西语读法中文含义
P(X=x\mid Y=y)«probabilidad de equis igual a equis dado ye igual a ye»给定 Y=y 时 X=x 的条件概率
P(X=x,Y=y)«probabilidad conjunta»分子:两件事同时发生的概率
P(Y=y)«probabilidad marginal de ye»分母:条件事件的概率
P(Y=y)>0«siempre que pe de ye sea mayor que cero»分母不能为 0,否则无定义

siempre que 𝑃(𝑌= 𝑦) > 0

前提是 𝑃(𝑌 = 𝑦) > 0。

Ejercicio:

练习:

Sean las variables del ejemplo anterior X (carga de CPU alta) y Z (latencia elevada).Calcula:

用上一例中的变量 X(CPU 负载高)与 Z(高延迟),求:

• P(Z = 1, X = 1)

• P(Z = 1, X = 1)

= 0.1812

= 0.1812

• P(X = 1)

• P(X = 1)

= 0.3125.

= 0.3125。

• P(Z = 1/ X = 1)

• P(Z = 1 / X = 1)(即 P(Z=1 | X=1))

=

=

0.1812

0.1812

0.3125

0.3125

≈0.5798

≈ 0.5798

\[P(Z=1\mid X=1)=\frac{P(Z=1,X=1)}{P(X=1)}=\frac{0.1812}{0.3125}\approx0.5798\]
符号西语读法中文含义
P(Z=1\mid X=1)«probabilidad de zeta igual a uno condicionada a equis igual a uno»已知 CPU 高负载时高延迟的概率
0.1812«cero coma mil ochocientos doce»Z=1 且 X=1 的联合概率(表里读)
0.3125«cero coma tres mil ciento veinticinco»X=1 的边缘概率(分母)
\approx«aproximadamente»约等于
步骤式子数值
① 取交集P(Z=1, X=1)0.1812
② 取条件P(X=1)0.3125
③ 相除0.1812 / 0.31250.57984
④ 取近似≈ 0.57980.5798
✗0.3125 / P(Z=1)方向反了:P(Z=1|X=1) 的分母必须是 P(X=1)
条件概率三件套:分子写交集,分母写「已知」那个事件。P(Z=1|X=1) 与 P(X=1|Z=1) 不是同一个数,题目问谁就把谁放分母。
原文写 P(Z = 1/ X = 1),应为 P(Z = 1 | X = 1)(斜杠不是条件竖线),属笔误;另 𝑥cuando、𝑌ha、(latencia elevada).Calcula、𝑃(𝑌= 𝑦) 均缺空格,属排版笔误,未改动原文。
分母永远 ≤ 分子所在的那块边缘概率,所以条件概率不会超过 1:0.1812/0.3125 若算出 >1 就是代错了数。
p.15

5. Independencia de variables aleatorias · 独立的两种定义

▸ 原页截图 p.15 原讲义第 15 页

5. Independencia de variables aleatorias

5. 随机变量的独立性

Definición por probabilidad condicional:

用条件概率给出的定义:

Dos variables X e Y son independientes cuando conocer el valor de una no modifica la distribución de probabilidad de la otra:

两个变量 X 与 Y 是独立的,指的是知道其中一个的取值不会改变另一个的概率分布:

\[P(X=x\mid Y=y)=P(X=x),\quad\text{para todo }Y\text{ con }P(Y=y)>0\]
符号西语读法中文含义
P(X=x\mid Y=y)«probabilidad condicionada»知道 Y=y 后 X=x 的概率
P(X=x)«probabilidad marginal»不看 Y 时 X=x 的概率
=«igual»条件概率与边缘概率相等
\text{para todo }Y«para todo ye»对 Y 的所有取值都要成立

Definición por probabilidad conjunta:

用联合概率给出的定义:

Dos variables X e Y son independientes si:

两个变量 X 与 Y 独立,当且仅当:

\[P(X=x,Y=y)=P(X=x)\cdot P(Y=y)\]
符号西语读法中文含义
P(X=x,Y=y)«probabilidad conjunta»两件事同时发生的概率
P(X=x)\cdot P(Y=y)«producto de las marginales»两个边缘概率相乘
\cdot«por»乘号
判断独立只看一个式子:联合 = 边缘 × 边缘。若题目给的是条件概率,就套第一个定义;给的是联合表,就逐格查第二个。
两个定义都要「对所有 x、y」成立。只验一对数值相等不能证明独立;但要否定独立,只要找到一对不相等即可。
«conocer el valor de una no modifica la distribución de la otra»——知道一个不改变另一个,就是独立;反义是「条件化后有信息」。
p.16

5. Independencia de variables aleatorias · 两种定义等价性的证明

▸ 原页截图 p.16(证明页) 原讲义第 16 页

5. Independencia de variables aleatorias

5. 随机变量的独立性

Demostración de la equivalencia de ambas definiciones:

两种定义等价性的证明:

Supongamos que P(Y = y) > 0,

设 P(Y = y) > 0,

(1) => (2):

(1) ⇒ (2):

Si P(X = x|Y = y) = P(X = x), entonces:

若 P(X = x|Y = y) = P(X = x),则:

\[P(X=x,Y=y)=P(X=x\mid Y=y)\,P(Y=y)=P(X=x)\cdot P(Y=y)\]
符号西语读法中文含义
P(X=x,Y=y)«probabilidad conjunta»要证的左边:联合概率
P(X=x\mid Y=y)\,P(Y=y)«condicionada por la marginal»条件概率定义反解出来的乘积
P(X=x)\cdot P(Y=y)«producto de las marginales»把条件项换成边缘项(用假设)

(2) => (1):

(2) ⇒ (1):

Si P(X = x, Y = y) = P(X = x) ⋅P(Y = y) y P(Y = y) > 0:

若 P(X = x, Y = y) = P(X = x) · P(Y = y) 且 P(Y = y) > 0:

\[P(X=x\mid Y=y)=\frac{P(X=x,Y=y)}{P(Y=y)}=\frac{P(X=x)\cdot P(Y=y)}{P(Y=y)}=P(X=x)\]
符号西语读法中文含义
\frac{P(X=x,Y=y)}{P(Y=y)}«conjunta partido por marginal»条件概率的定义式
\frac{P(X=x)\cdot P(Y=y)}{P(Y=y)}«producto partido por pe de ye»把分子换成乘积(用假设 2)
=P(X=x)«se cancela pe de ye»P(Y=y) 上下约掉,只剩 P(X=x)

Supongamos que 𝑃(𝑌= 𝑦) = 0:

再设 𝑃(𝑌 = 𝑦) = 0:

𝑃(𝑋= 𝑥, 𝑌= 𝑦) = 0 = 𝑃(𝑋= 𝑥)𝑃(𝑌= 𝑦)

𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) = 0 = 𝑃(𝑋 = 𝑥)𝑃(𝑌 = 𝑦)。

\[P(X=x,Y=y)=0=P(X=x)\,P(Y=y)\]
符号西语读法中文含义
P(X=x,Y=y)=0«probabilidad conjunta nula»不可能事件与任何事件同时发生都不可能
P(Y=y)=0«pe de ye igual a cero»假设条件事件概率为 0
0=P(X=x)\,P(Y=y)«producto nulo»乘积含 0,故等式成立

Se suele decir que las variables aleatorias son independientes si la probabilidad conjunta factoriza como producto de las distribuciones de probabilidades marginales.

通常就说:若联合概率能分解为各边缘分布概率之积,则随机变量独立。

考试写法:(1)⇒(2) 用条件概率定义反解;(2)⇒(1) 用除法约掉 P(Y=y);另补 P(Y=y)=0 的退化情形,两句结论都成立。
原文写 P X = x ⋅P(Y = y),应为 P(X = x) ⋅ P(Y = y)(漏了括号),属笔误;𝑃(𝑌= 𝑦) 中间缺空格,亦属排版笔误,原文未改。
证明骨架一句话:「条件定义 ↔ 联合定义」靠乘/除 P(Y=y) 互推;除以它之前先声明它 > 0,等于 0 时单独补一行。
p.17

5. Independencia de variables aleatorias · 双磁盘故障练习

▸ 原页截图 p.17(练习页) 原讲义第 17 页

5. Independencia de variables aleatorias

5. 随机变量的独立性

Ejercicio:

练习:

Consideremos dos servidores de respaldo A y B y sean las variables aleatorias:

考虑两台备份服务器 A 与 B,定义随机变量:

• X: Estado del disco del servidor A (0: funciona, 1: falla)

• X:服务器 A 的磁盘状态(0:正常,1:故障)

• Y: Estado del disco del servidor B (0: funciona, 1: falla)

• Y:服务器 B 的磁盘状态(0:正常,1:故障)

Supongamos que X e Y son independientes y P(X=1)=0.02; P(Y=1)=0.03. Se pide:

设 X 与 Y 独立,且 P(X=1)=0.02;P(Y=1)=0.03。求:

a) La distribución conjunta P(X=1, Y=1)

a) 联合分布 P(X=1, Y=1)

b) La distribución condicionada P(X = 1 | Y = 1)

b) 条件分布 P(X = 1 | Y = 1)

c) Probabilidad de que falle al menos uno de los dos discos

c) 两个磁盘中至少有一个故障的概率

Si suponemos que X e Y son independientes, tendríamos que

若假定 X 与 Y 独立,则应有

\[P(X=1,Y=1)=0.02\cdot0.03=0.0006\]
符号西语读法中文含义
P(X=1,Y=1)«probabilidad conjunta de los dos fallos»两个盘同时故障的概率
0.02«cero coma cero dos»P(X=1),A 盘故障
0.03«cero coma cero tres»P(Y=1),B 盘故障
\cdot«por»独立才可直接相乘

Si queremos calcular la distribución condicionada:

若要计算条件分布:

\[P(X=1\mid Y=1)=\frac{0.0006}{0.03}=0.02\]
符号西语读法中文含义
P(X=1\mid Y=1)«probabilidad de equis uno dado ye uno»已知 B 盘故障时 A 盘故障的概率
0.0006«cero coma cero cero cero seis»分子:两盘同时故障
0.03«cero coma cero tres»分母:B 盘故障

Que vemos que es igual a P(X=1)

可以看到它等于 P(X=1)。

Si queremos calcular la probabilidad de que falle al menos uno de los dos discos, sería P(X ≥1) = 0.02 + 0.03 – 0.0006 = 0.0494.

若要计算两个盘中至少一个故障的概率,则为 P(X ≥ 1) = 0.02 + 0.03 − 0.0006 = 0.0494。

\[P(X\ge1)=P(X=1)+P(Y=1)-P(X=1,Y=1)=0.02+0.03-0.0006=0.0494\]
符号西语读法中文含义
P(X\ge1)«probabilidad de que falle al menos uno»至少一个故障(容斥原理)
P(X=1)+P(Y=1)«suma de las marginales»两个单盘故障概率相加
-\,P(X=1,Y=1)«menos la intersección»减掉被重复算的「两个都坏」
0.0494«cero coma cero cuatro noventa y cuatro»最终结果
小问式子结果
a0.02 · 0.030.0006
b0.0006 / 0.030.02
c0.02 + 0.03 − 0.00060.0494
✗ c0.02 + 0.030.05:漏减交集,把「两个都坏」算了两遍
三问一条线:a 用独立相乘;b 用条件概率定义(结果回到 0.02,正好验证独立);c 用容斥 P(A∪B)=P(A)+P(B)−P(A∩B)。
原文 a) 写 «distribución conjunta P(X=1, Y=1)»,严格说 P(X=1,Y=1) 是一个概率,应为 «probabilidad conjunta»,属术语笔误;c) 原文写 P(X ≥ 1),按题意指的是「两个盘中至少一个故障」,严格应写 P(X ≥ 1 ∪ Y ≥ 1)。
容斥口诀:「加两边,减中间」;独立只是让中间项 = 0.02×0.03,不能直接把中间项丢掉。
p.18

6. Independencia condicional · 给定 Z 时的条件独立

▸ 原页截图 p.18 原讲义第 18 页

6. Independencia condicional de variables aleatorias

6. 随机变量的条件独立

Definición

定义

X e Y son condicionalmente independientes dada Z si, una vez conocido Z, conocer Y no modifica la distribución de X:

若在已知 Z 之后,知道 Y 不再改变 X 的分布,则称 X 与 Y 在给定 Z 时条件独立:

\[P(X=x\mid Y=y,Z=z)=P(X=x\mid Z=z)\]
符号西语读法中文含义
P(X=x\mid Y=y,Z=z)«probabilidad de equis dado ye y zeta»同时知道 Y、Z 时 X 的概率
P(X=x\mid Z=z)«probabilidad de equis dado zeta»只知道 Z 时 X 的概率
=«igual»多知道一个 Y 不改变结果

Formulación equivalente

等价形式

\[P(X=x,Y=y\mid Z=z)=P(X=x\mid Z=z)\cdot P(Y=y\mid Z=z)\]
符号西语读法中文含义
P(X=x,Y=y\mid Z=z)«conjunta condicionada a zeta»在 Z=z 的世界里两件事同时发生
P(X=x\mid Z=z)\cdot P(Y=y\mid Z=z)«producto de las dos condicionadas»两个条件概率相乘

Se suele decir que las variables aleatorias X e Y son condicionalmente independientes dado Z si la probabilidad conjunta factoriza como producto de las distribuciones de probabilidades marginales de X e Y condicionadas a Z.

通常的说法是:若联合概率能分解为 X 与 Y 在给定 Z 下的边缘概率之积,则 X 与 Y 在给定 Z 时条件独立。

条件独立的标志是式子右边始终带「| Z=z」。普通独立是 P(X)=P(X|Y);条件独立是 P(X|Z)=P(X|Y,Z),少一个 Z 就写错。
条件独立 ≠ 独立。X、Y 可以边缘相关,但给定 Z 后独立(Z 是共同原因,见图 p.19);反过来,条件独立也不保证边缘独立。
一句话:「Z 已知,Y 就多余」——把 Z 锁住之后,Y 不再提供关于 X 的信息。
p.19

6. Independencia condicional · Web 服务器三变量的数值例子

▸ 原页截图 p.19(含 Z→X、Z→Y 贝叶斯网络图) 原讲义第 19 页

6. Independencia condicional de variables aleatorias

6. 随机变量的条件独立

Ejemplo:

例:

Consideremos tres variables de un servidor web:

考虑一台 Web 服务器的三个变量:

• Z: Número de peticiones elevado (0: No, 1: Sí)

• Z:请求数量高(0:否,1:是)

• X: Carga de CPU alta (0: No, 1: Sí)

• X:CPU 负载高(0:否,1:是)

• Y: Uso de memoria alto (0: No, 1: Sí)

• Y:内存占用高(0:否,1:是)

Supongamos que P(X=1|Z=1)=0.8 y P(Y=1|Z=1)=0.7.

设 P(X=1|Z=1)=0.8,P(Y=1|Z=1)=0.7。

Dado Z, X e y son independientes, por tanto:

给定 Z 后,X 与 Y 独立,因此:

• P(X=1, Y=1 | Z=1) = 0.8 · 0.7 = 0.56

• P(X=1, Y=1 | Z=1) = 0.8 · 0.7 = 0.56

• P(X=1 | Y=1, Z=1) = P(X=1 | Z=1) = 0.8

• P(X=1 | Y=1, Z=1) = P(X=1 | Z=1) = 0.8

Z

Z(图上层节点:请求量)

X

X(左下子节点:CPU 负载)

Y

Y(右下子节点:内存占用)

\[P(X=1,Y=1\mid Z=1)=P(X=1\mid Z=1)\cdot P(Y=1\mid Z=1)=0.8\cdot0.7=0.56\]
符号西语读法中文含义
P(X=1,Y=1\mid Z=1)«conjunta de equis y ye dado zeta»请求量高时 CPU 高且内存高
P(X=1\mid Z=1)«cero coma ocho»已知请求量高时 CPU 高的概率
P(Y=1\mid Z=1)«cero coma siete»已知请求量高时内存高的概率
0.56«cero coma cincuenta y seis»两者同时发生的条件概率
\[P(X=1\mid Y=1,Z=1)=P(X=1\mid Z=1)=0.8\]
符号西语读法中文含义
P(X=1\mid Y=1,Z=1)«conocidos ye y zeta»同时知道内存高、请求量高
P(X=1\mid Z=1)«solo conocido zeta»只保留 Z,Y 被丢掉
0.8«cero coma ocho»多知道 Y 也不变,正是条件独立
右下角的 Z→X、Z→Y 图就是贝叶斯网络:Z 是共同原因(父节点)。给定父节点 Z,两个子节点 X、Y 之间没有边,所以条件独立;这条「共同原因」结构是考试最常画的三节点图。
原文写 X e y son independientes,应为 X e Y son independientes(变量名 Y 被写成小写 y),属笔误;原文未改。
两个结论要会分开写:①联合的条件概率 = 两个条件概率相乘(0.56);②多给一个 Y,X 的条件概率不变(仍 0.8)。

五、全概率、贝叶斯与链式法则

p.20–p.26
p.20

7. Ley de probabilidad total · 全概率公式与边缘化

▸ 原页截图 p.20 原讲义第 20 页

7. Ley de probabilidad total

7. 全概率公式

Sea 𝑋una variable aleatoria discreta que toma valores {𝑥1, … , 𝑥n}, y sea 𝑌otra variable aleatoria.

设 𝑋 是取值为 {𝑥1, …, 𝑥n} 的离散随机变量,𝑌 是另一个随机变量。

La ley de la probabilidad total establece que para cualquier valor 𝑦:

全概率公式指出,对任意取值 𝑦:

\[P(Y=y)=\sum_{i=1}^{n}P(Y=y\mid X=x_i)\cdot P(X=x_i)\]
符号西语读法中文含义
P(Y=y)«probabilidad total de ye igual a ye»要求的总概率
\sum_{i=1}^{n}«sumatorio desde i igual a uno hasta ene»把所有「原因」xᵢ 逐一加掉
P(Y=y\mid X=x_i)«probabilidad condicionada a la causa»在原因 xᵢ 下出现结果 y 的概率
P(X=x_i)«probabilidad de la causa»该原因本身的权重

Puede entenderse como una forma de marginalización. En efecto:

它可以理解为一种边缘化。事实上:

\[P(Y=y)=\sum_{i=1}^{n}P(Y=y,X=x_i)\]
符号西语读法中文含义
P(Y=y)«probabilidad marginal»把 X 加掉后 Y 的边缘概率
P(Y=y,X=x_i)«probabilidad conjunta»Y=y 与 X=xᵢ 的联合概率
\sum_{i}«sumar sobre todas las x i»对 X 的所有取值求和

y, utilizando la definición de probabilidad condicionada:

再利用条件概率的定义:

\[P(Y=y,X=x_i)=P(Y=y\mid X=x_i)\cdot P(X=x_i)\]
符号西语读法中文含义
P(Y=y,X=x_i)«probabilidad conjunta»交集概率
P(Y=y\mid X=x_i)«condicionada»给定原因后的条件概率
P(X=x_i)«marginal de la causa»乘以原因的概率

Sustituyendo esta expresión en la anterior:

把该式代入上一式:

\[P(Y=y)=\sum_{i=1}^{n}P(Y=y\mid X=x_i)\cdot P(X=x_i)\]
符号西语读法中文含义
P(Y=y)«probabilidad total»结论:回到全概率公式
\sum_{i}P(Y=y\mid X=x_i)P(X=x_i)«suma de condicionada por marginal»「条件 × 权重」逐项相加
全概率公式的答题模板:先列互斥完备的「原因」X=xᵢ,再把「条件概率 × 原因概率」全部相加。它也是贝叶斯分母的来源。
原文公式区排版丢失:求和号在 PDF 抽取中变成乱码(应为 Σ),且 P Y = y X = xᵢ) 缺竖线与左括号(应为 P(Y = y | X = xᵢ))、P Y = y ∣X = xi 缺右括号(应为 P(Y = y | X = xᵢ)),均属排版笔误,未改动原句。
一句话:全概率 = 把「原因」这一维加掉;«marginalizar» 就是求和,求和的对象是原因的取值 xᵢ。
p.21

7. Ley de probabilidad total · 负载均衡器三服务器示例(0,038)

▸ 原页截图 p.21(加权计算页) 原讲义第 21 页

7. Ley de probabilidad total

7. 全概率公式

Consideremos dos variables aleatorias:

考虑两个随机变量:

• X: Servidor al que el balanceador envía una petición (A, B o C)

• X:负载均衡器把请求发往的服务器(A、B 或 C)

• Y: Resultado de la petición (0: correcta, 1: fallo)

• Y:请求结果(0:成功,1:失败)

Sea P(X=A) = 0.50; P(X=B)=0.30 ;P(X=C)=0.20

设 P(X=A)=0.50;P(X=B)=0.30;P(X=C)=0.20。

Probabilidades condicionales de fallo:

失败的条件概率:

• P(Y=1|X=A) = 0.02

• P(Y=1|X=A) = 0.02

• P(Y=1|X=B) = 0.04

• P(Y=1|X=B) = 0.04

• P(Y=1|X=C) = 0.08

• P(Y=1|X=C) = 0.08

Aplicando la ley de probabilidad total:

套用全概率公式:

• P(Y=1)=0.02·0.50 + 0.04·0.30 + 0.08·0.20

• P(Y=1)=0.02·0.50 + 0.04·0.30 + 0.08·0.20

• P(Y=1)=0.010 + 0.012 + 0.016 = 0.038

• P(Y=1)=0.010 + 0.012 + 0.016 = 0.038

Por lo tanto, la probabilidad total de que una petición falle es 0.038, es decir, un 3.8%.

因此,一个请求失败的总概率是 0.038,也就是 3.8%。

\[P(Y=1)=0.02\cdot0.50+0.04\cdot0.30+0.08\cdot0.20=0.038\]
符号西语读法中文含义
P(Y=1)«probabilidad total de fallo»一次请求失败的总概率
0.02\cdot0.50«cero coma cero dos por cero coma cinco»A 的失败率 × A 的流量份额
0.04\cdot0.30«cero coma cero cuatro por cero coma tres»B 的失败率 × B 的流量份额
0.08\cdot0.20«cero coma cero ocho por cero coma dos»C 的失败率 × C 的流量份额
服务器条件失败率流量权重贡献
A0.020.500.010
B0.040.300.012
C0.080.200.016
合计—1.000.038
这是全概率公式最标准的考法:总概率 = Σ(各分支条件概率 × 分支权重)。答题时先把三行「权重」写出来,再逐行乘、最后求和。
权重必须满足 0.50 + 0.30 + 0.20 = 1。若题目给的份额加起来不是 1,先检查是否漏了某个服务器,不能直接套公式。
本质是加权平均:0.038 落在最小 0.02 与最大 0.08 之间,且更靠近 0.02(因为 A 的权重 0.5 最大)——用它可快速自检。
p.22

8. Teorema de Bayes · 先验、似然、边缘、后验

▸ 原页截图 p.22 原讲义第 22 页

8. Teorema de bayes

8. 贝叶斯定理

El teorema de Bayes permite calcular la probabilidad de una hipótesis X cuando se observa nueva evidencia Y, mediante la expresión:

贝叶斯定理用来计算:当观察到新证据 Y 时,某个假设 X 的概率,公式为:

\[P(X\mid Y)=\frac{P(Y\mid X)\cdot P(X)}{P(Y)},\qquad\text{si }P(Y)>0\]
符号西语读法中文含义
P(X\mid Y)«probabilidad a posteriori»看过证据后对假设的信念(后验)
P(Y\mid X)«verosimilitud»假设成立时观察到该证据的概率(似然)
P(X)«probabilidad a priori»看证据前的初始信念(先验)
P(Y)«probabilidad marginal de la evidencia»证据本身的总概率(常用全概率公式算)

si P(Y) > 0

前提是 P(Y) > 0。

Donde:

其中:

• P(X) es la probabilidad a priori: nuestra creencia inicial sobre X antes de observar Y.

• P(X) 是先验概率:在观察 Y 之前我们对 X 的初始信念。

• P(Y/X) es la verosimilitud: la probabilidad de observar Y según los valores de X.

• P(Y/X) 是似然:在 X 各取值下观察到 Y 的概率。

• P(Y) es la probabilidad marginal de Y. En muchos problemas puede calcularse mediante la ley de la probabilidad total.

• P(Y) 是 Y 的边缘概率;很多题里可以用全概率公式算出来。

• P(X/Y) es la probabilidad a posteriori: nuestra creencia actualizada sobre X después de haber observado el valor de Y.

• P(X/Y) 是后验概率:观察到 Y 之后更新的、关于 X 的信念。

四个名词必须能对上位置:先验 P(X) × 似然 P(Y|X) ÷ 边缘 P(Y) = 后验 P(X|Y)。分母 P(Y) 永远用全概率公式展开。
原文标题写 Teorema de bayes(bayes 小写),应为 Teorema de Bayes;公式里 P(X /Y)、P(Y / X)、P(Y/X)、P(X/Y) 用斜杠代替条件竖线(应为 P(X | Y) 等),均属排版笔误,原文未改。
记忆链:先验 → 乘似然 → 除以证据 → 后验。贝叶斯就是「用证据给旧信念加权修正」。
p.23

8. Teorema de Bayes · 血检阳性示例(罕见病)

▸ 原页截图 p.23(贝叶斯计算页) 原讲义第 23 页

8. Teorema de Bayes

8. 贝叶斯定理

Ejemplo:

例:

Un análisis de sangre que te has realizado ha dado positivo para una rara enfermedad, que se manifiesta sólo en 1 de cada 10.000 personas.

你做的一次血检对一种罕见病呈阳性,而这种病每 10 000 人中只有 1 人患病。

Los resultados del test son fiables al 99%, tanto en el caso de que sean positivos como negativos.

该检测的可靠度为 99%,无论阳性还是阴性结果都是如此。

¿Cuál es aproximadamente la probabilidad que tienes de padecer la enfermedad?

那么你患病的概率大约是多少?

Sea A = padecer la enfermedad y B= dar positivo en el test

设 A = 患病,B = 检测呈阳性。

Según el Teorema de Bayes:

根据贝叶斯定理:

\[P(A\mid B)=\frac{P(A)\,P(B\mid A)}{P(B)}=\frac{P(A)\,P(B\mid A)}{P(A)\,P(B\mid A)+P(\bar A)\,P(B\mid\bar A)}=\frac{0.0001\cdot0.99}{0.0001\cdot0.99+0.9999\cdot0.01}=0.009\]
符号西语读法中文含义
P(A\mid B)«probabilidad de padecer la enfermedad dado positivo»阳性后真正患病的后验概率
P(A)«prevalencia»先验:0.0001(万分之一)
P(B\mid A)«tasa de verdaderos positivos»真阳性率 0.99
P(\bar A)«no padecer la enfermedad»1 − 0.0001 = 0.9999
P(B\mid\bar A)«tasa de falsos positivos»假阳性率 0.01
P(B)«probabilidad total de dar positivo»分母用全概率公式展开

Prevalencia

患病率

Tasa de verdaderos positivos

真阳性率

Tasa de falsos positivos

假阳性率

𝑃𝐴/𝐵

P(A/B)(原页末尾的公式标注)

贝叶斯三行式必须背:分母 = 真阳性 + 假阳性。本题 0.0001×0.99 = 0.000099,而 0.9999×0.01 = 0.009999,假阳性项比真阳性项大 100 倍,所以后验只有约 1%。
原文公式区为 PDF 排版乱码:P A P( Τ B A) 中的 Τ 实为条件竖线 |,P ഥA 中的 ഥA 实为 Ā(A 的对立事件),𝑃𝐴/𝐵 应为 P(A/B);均属排版笔误,原文未改。
反直觉结论:阳性 ≠ 大概率患病。病越罕见,假阳性越多;后验 ≈ 真阳性项 /(真阳性项 + 假阳性项)。
原文这里写 = 0.009(三位小数),精确值约 0.009804(p.24 表第一行给的就是这个数);答题写 0.0098 与 0.009 都算对,别把舍入差当成错误。
p.24

8. Teorema de Bayes y probabilidad · 患病率与检测率四组对比

▸ 原页截图 p.24(数值表页) 原讲义第 24 页

8. Teorema de Bayes y probabilidad

8. 贝叶斯定理与概率

Ejemplo

例

Influencia de prevalencia y tasas en probabilidad

患病率与各项率对概率的影响

¿Cómo cambia la probabilidad de estar enfermo habiendo dado positivo en la prueba en función de la prevalencia y las tasas de verdaderos positivos y falsos positivos?

在检测呈阳性的前提下,「患病概率」会随患病率、真阳性率和假阳性率怎样变化?

Prevalencia 0,0001 · Verdaderos positivos 0,99 · Falsos positivos 0,01 · Probabilidad 0,009804

患病率 0.0001 · 真阳性 0.99 · 假阳性 0.01 · 后验概率 0.009804

Prevalencia 0,01 · Verdaderos positivos 0,99 · Falsos positivos 0,01 · Probabilidad 0,5

患病率 0.01 · 真阳性 0.99 · 假阳性 0.01 · 后验概率 0.5

Prevalencia 0,0001 · Verdaderos positivos 1 · Falsos positivos 0,0001 · Probabilidad 0,500025

患病率 0.0001 · 真阳性 1 · 假阳性 0.0001 · 后验概率 0.500025

Prevalencia 0,1 · Verdaderos positivos 0,99 · Falsos positivos 0,01 · Probabilidad 0,916667

患病率 0.1 · 真阳性 0.99 · 假阳性 0.01 · 后验概率 0.916667

PrevalenciaVerdaderos positivosFalsos positivosP(A|B)
0.00010.990.010.009804
0.010.990.010.5
0.000110.00010.500025
0.10.990.010.916667
四行的作用是对照:只把患病率从 0.0001 提到 0.01,后验就从 0.0098 跳到 0.5;只把患病率提到 0.1,后验就是 0.9167。结论句:prevalencia 决定后验的量级。
原文用逗号小数(0,0001 / 0,99),转成中文表格时写成小数点(0.0001 / 0.99),数值未变;别把 0,0001 读成「1」。
记两条极端:检测完美(真阳性 1、假阳性 0.0001)后验也只有 0.5,因为病太罕见;患病率 10% 时后验 0.9167,假阳性才压不住真阳性。
p.25

9. Regla de la cadena · 链式法则的定义

▸ 原页截图 p.25 原讲义第 25 页

9. Regla de la cadena

9. 链式法则

Definición

定义

La regla de la cadena permite calcular la probabilidad conjunta de un conjunto de variables aleatorias mediante el producto de probabilidades condicionadas.

链式法则用一串条件概率的乘积来计算一组随机变量的联合概率。

Se deriva directamente de la definición de probabilidad condicionada y establece que, para 𝑛 variables aleatorias, su distribución conjunta se factoriza como:

它直接由条件概率的定义推出:对 𝑛 个随机变量,其联合分布可分解为:

\[P(X_1,\dots,X_n)=P(X_1)\cdot P(X_2\mid X_1)\cdot P(X_3\mid X_1,X_2)\cdots P(X_n\mid X_1,\dots,X_{n-1})\]
符号西语读法中文含义
P(X_1,\dots,X_n)«probabilidad conjunta de las n variables»n 个变量的联合概率
P(X_1)«probabilidad marginal de la primera»第一项:不带条件的边缘概率
P(X_2\mid X_1)«condicionada a la primera»第二项:给定 X₁
P(X_3\mid X_1,X_2)«condicionada a las dos anteriores»第三项:给定前两个
P(X_n\mid X_1,\dots,X_{n-1})«condicionada a todas las anteriores»最后一项:给定前 n−1 个
链式法则的写法规律:第 k 项的条件里放前面所有变量。只写 P(X₁)P(X₂|X₁)… 而漏掉某一项的条件,整条式子就错。
原文公式为 PDF 抽取结果 P X1, … , Xn = P X1 ⋅P X2|X1 ⋅P X3|X1, X2 … P Xn|X1, … , Xn−1,括号与下标全部丢失,应为 P(X₁,…,Xₙ)=P(X₁)·P(X₂|X₁)·P(X₃|X₁,X₂)⋯P(Xₙ|X₁,…,Xₙ₋₁),属排版笔误。
n=2 时退化为 P(X₁,X₂)=P(X₁)·P(X₂|X₁),就是条件概率定义移项;n=3 就是 p.26 的 0.05·0.80·0.90。
p.26

9. Regla de la cadena · 重请求 → CPU 满载 → 服务崩溃(0,036)

▸ 原页截图 p.26(链式相乘页) 原讲义第 26 页

9. Regla de la cadena

9. 链式法则

Ejemplo

例

Imaginemos tres variables aleatorias binarias relacionadas con el procesamiento de una petición:

设想三个与「处理一个请求」有关的二值随机变量:

• A: El usuario hace una petición muy pesada (0: No, 1: Sí)

• A:用户发起非常重的请求(0:否,1:是)

• B: La CPU alcanza el 100% de carga (0: No, 1: Sí)

• B:CPU 达到 100% 负载(0:否,1:是)

• C: El servicio se cae (0: No, 1: Sí)

• C:服务崩溃(0:否,1:是)

Supongamos que

设

P(A=1) = 0.05; P(B=1 | A=1) = 0.80; P(C=1 | A=1, B=1) = 0.90.

P(A=1) = 0.05;P(B=1 | A=1) = 0.80;P(C=1 | A=1, B=1) = 0.90。

Calcula la probabilidad conjunta 𝑃(𝐴= 1, 𝐵= 1, 𝐶= 1).

求联合概率 𝑃(𝐴 = 1, 𝐵 = 1, 𝐶 = 1)。

Aplicando la regla de la cadena:

应用链式法则:

\[P(A=1,B=1,C=1)=P(A=1)\cdot P(B=1\mid A=1)\cdot P(C=1\mid A=1,B=1)=0.05\cdot0.80\cdot0.90=0.036\]
符号西语读法中文含义
P(A=1)«cero coma cero cinco»请求很重的先验概率
P(B=1\mid A=1)«cero coma ochenta»重请求下 CPU 满载的概率
P(C=1\mid A=1,B=1)«cero coma noventa»重请求且 CPU 满载下崩溃的概率
0.036«cero coma cero treinta y seis»三件事同时发生的概率
步骤计算结果
①0.05 × 0.800.04
②0.04 × 0.900.036
✗0.80 × 0.900.72:漏乘 P(A=1)=0.05,把先验权重丢了
链式题只有三步:按 A→B→C 顺序拆,条件逐层加变量,最后连乘。P(A)=0.05 是第一项,别忘了它。
原文有几处排版缺空格:𝑃(𝐴= 1, 𝐵= 1, 𝐶= 1)、0.05 ⋅0.80,属 PDF 排版笔误,数值与含义不受影响,原文未改。
量级自检:三件事都要发生,概率必然比最小因子 0.05 还小——0.036 < 0.05,合理;若算出 0.72 就说明漏了先验。

六、综合练习与 Monty Hall

p.27–p.30
p.27

10. Ejercicio resumen · 五变量联合分布表(32 行)

▸ 原页截图 p.27(32 行联合分布表) 原讲义第 27 页

10. Ejercicio resumen

10. 综合练习

En un sistema web distribuido se observan las variables aleatorias binarias

在一个分布式 Web 系统中观察以下二值随机变量:

• A: carga de CPU alta

• A:CPU 负载高

• B: uso de memoria alto

• B:内存占用高

• C: congestión de red

• C:网络拥塞

• D: latencia elevada

• D:高延迟

• E: servidor sobrecargado

• E:服务器过载

(0: no, 1: sí)

(0:否,1:是)

La tabla muestra la distribución conjunta P(A,B,C,D,E)

表中给出联合分布 P(A,B,C,D,E)。

整张 5 变量联合表(2⁵ = 32 行)在截图中,属 C 档:行数太多且每行 5 个 0/1,转写只会出错。所有计算都从这 32 个 p(a,b,c,d,e) 里加出来。
读表口诀:要谁固定谁,其余全加掉。求 P(A=1) 就把所有 A=1 的行相加;求 P(E=1|A=1,B=1,C=1,D=1) 只留 A=B=C=D=1 的行,再在 E=0/1 之间做比值。
5 个二值变量 → 32 行。表里每行概率都 ≥ 0,32 行总和必须 = 1;若题目只给部分行,缺的行一定是用「总和为 1」补出来的。
p.28

10. Ejercicio resumen · a)–e) 五问

▸ 原页截图 p.28 原讲义第 28 页

10. Ejercicio resumen

10. 综合练习

Se pide:

求:

a) Calcula la distribución marginal de A

a) 计算 A 的边缘分布

b) Calcula la distribución conjunta de B y C

b) 计算 B 与 C 的联合分布

c) Calcula la probabilidad de que el servidor esté sobrecargado si se observan simultáneamente carga de CPU alta, uso de memoria alto, congestión de red y latencia elevada:

c) 在同时观察到 CPU 负载高、内存占用高、网络拥塞和高延迟时,服务器过载的概率:

d) Calcula la probabilidad de observar latencia elevada sabiendo que el servidor está sobrecargado

d) 已知服务器过载,观察到高延迟的概率

e) Interpreta brevemente el resultado obtenido en los apartados 3 y 4 en el contexto del sistema web.

e) 结合 Web 系统背景,简要解释第 3、4 小问的结果。

\[P(E=1\mid A=1,B=1,C=1,D=1)=\frac{P(A=1,B=1,C=1,D=1,E=1)}{P(A=1,B=1,C=1,D=1)}\]
符号西语读法中文含义
P(E=1\mid A=1,\dots,D=1)«sobrecarga dado el resto de síntomas»c) 问:给定四个症状时过载的条件概率
P(A=1,\dots,E=1)«conjunta de las cinco variables»分子:五变量全为 1 的那一行
P(A=1,\dots,D=1)«marginal de los cuatro síntomas»分母:固定 A–D 后对 E 求和
\[P(D=1\mid E=1)=\frac{P(D=1,E=1)}{P(E=1)}\]
符号西语读法中文含义
P(D=1\mid E=1)«latencia dado servidor sobrecargado»d) 问:已知过载时高延迟的概率
P(D=1,E=1)«conjunta de latencia y sobrecarga»分子:D=1 且 E=1 的所有行求和
P(E=1)«marginal de sobrecarga»分母:E=1 的所有行求和
a) 和 b) 是「加掉不关心的变量」;c) 和 d) 是「条件概率 = 交集 ÷ 条件」。方向不要反:c) 的条件是 A–D,d) 的条件是 E。
原文 e) 写 «los apartados 3 y 4»,但本题小问标号是 a)–e),没有 3、4;应为 «los apartados c) y d)»,属编号笔误,原文未改。
c) 与 d) 的关系:P(E|A,B,C,D) 与 P(D|E) 是两个方向,通常不相等——贝叶斯正是用前者与先验算后者的工具。
p.29

11. Monty Hall · 题干与三个选项

▸ 原页截图 p.29(题干页) 原讲义第 29 页

11. Ejemplo extra: el problema de Monty Hall

11. 附加例子:蒙提·霍尔问题

En el concurso televisivo Let´s Make a Deal, al concursante se le propone que elija una puerta entre tres.

在电视节目《Let's Make a Deal》中,让参赛者从三扇门里选一扇。

Su premio será lo que se encuentre detrás de la puerta elegida.

奖品就是他选中的那扇门后面的东西。

Una de ellas oculta un coche, y las otras dos una cabra.

其中一扇门后是汽车,另外两扇门后是山羊。

Una vez que el concursante ha elegido una puerta, el presentador elige de las otras dos la que sabe que contiene una cabra, y la abre.

参赛者选好一扇门后,主持人从另外两扇门中挑出自己知道有山羊的那扇,并把它打开。

En ese momento, el concursante tiene la opción de cambiar su puerta por la que aún continúa cerrada.

这时,参赛者可以选择把门换成那扇仍然关着的门。

¿Debe el concursante mantener su elección original o escoger la otra puerta?

参赛者应该坚持原来的选择,还是改选另一扇门?

a) Debe mantener su elección original

a) 应坚持原来的选择

b) Debe cambiar

b) 应该换门

c) En realidad, da igual lo que haga

c) 其实换不换都一样

答案只有 b)。关键前提:主持人知道车在哪,且一定开一扇有羊的门。若主持人随机开门且可能开到车,结论就不同。
原文写 Let´s Make a Deal,用的是尖音符 ´ 而不是撇号 '(应为 Let's Make a Deal),属笔误,原文未改。
先别看 p.30:自己用「三扇门穷举」算一遍——初选正确的概率 1/3,换门后赢的概率是 2/3。
p.30

11. Monty Hall · 来源、结论与 2/3 的证明

▸ 原页截图 p.30(来源与结论页) 原讲义第 30 页

11. Ejemplo extra: el problema de Monty Hall

11. 附加例子:蒙提·霍尔问题

• Fuente: Ask Marilyn (Vos Savant) (ver la discusión)

• 来源:Ask Marilyn(Vos Savant)(见相关讨论)

• Simulador: Rossman/Chance

• 模拟器:Rossman/Chance

• Películas: 21 Black Jack (minuto 1.28)

• 电影:《21 点》(1 分 28 秒处)

• Serie: Numbers

• 剧集:《数字追凶》

• Libros: The curious incident of the dog in the night-time

• 书籍:《深夜小狗神秘事件》

• La historia completa en Facebook

• 完整故事见 Facebook

Solución: si cambias la puerta, duplicas la probabilidad de ganar

解答:如果换门,你获胜的概率会翻倍。

𝑃𝐴/𝐵

P(A/B)(原页末尾的条件概率记号)

\[P(\text{ganar}\mid\text{cambiar})=\frac{2}{3},\qquad P(\text{ganar}\mid\text{mantener})=\frac{1}{3}\]
符号西语读法中文含义
P(\text{ganar}\mid\text{cambiar})«probabilidad de ganar si cambias»换门后获胜的概率
P(\text{ganar}\mid\text{mantener})«probabilidad de ganar si mantienes»坚持原门获胜的概率
\frac{2}{3},\ \frac{1}{3}«dos tercios, un tercio»2/3 恰好是 1/3 的两倍
车门初选主持人打开换门结果不换结果
112 或 3(有羊)输赢
213(有羊)赢输
312(有羊)赢输
合计——2/3 赢1/3 赢(坚持是劣策略)
标准答法:初选就选中车的概率是 1/3,所以车在另外两扇门后的概率是 2/3;主持人开掉一只羊门后,这 2/3 全部压到剩下那扇门上,因此换门赢 2/3,不换只有 1/3。
原文末尾 𝑃𝐴/𝐵 为公式乱码(斜杠代替条件竖线、括号丢失),应为 P(A/B),属排版残留,与本页结论无关。
一句话:主持人不是随机开门,他「替你把 2/3 集中到一扇门上」;「换门翻倍」= 2/3 是 1/3 的两倍,不是概率本身翻倍到 200%。

专有名词速记表(A–Z)

共 103 条,覆盖全 30 页的高频术语。第三列点页码直接跳回原页;最后一列只写「一句话 + 最容易被扣分的点」。

西语术语中文页码一句话记住 · 易错点
#
21 Black Jack电影《21 点》p.30电影用 Monty Hall 讲换门;只作来源,不是公式依据。
《Let's Make a Deal》《Let's Make a Deal》p.29Monty Hall 原节目名;结论前提是主持人知道车在哪。
服务器 A 的磁盘状态服务器 A 的磁盘状态p.17即 p.17 的 X;题干给的 0.02 是单盘故障率。
服务器 B 的磁盘状态服务器 B 的磁盘状态p.17即 p.17 的 Y;求「至少一块坏」用容斥。
A
Ask Marilyn (Vos Savant)Ask Marilyn(Vos Savant)p.30专栏作者因 Monty Hall 一题引发论战;结论是换门 2/3。
Ask Marilyn(Vos Savant)Ask Marilyn(Vos Savant)p.30同一条的另一种写法;答题只认「换门概率翻倍」。
B
balanceador负载均衡器p.21按流量权重选服务器;权重必须加和为 1。
C
cabra山羊p.29山羊=没中奖的门;开门后两扇门概率是 1/3 与 2/3。
Carga de CPUCPU 负载p.12连续量,只谈区间概率,单点概率为 0。
Carga de CPU altaCPU 负载高p.19贝叶斯网络里的观测证据,会改变后验。
coche汽车p.29汽车=中奖门;初选命中 1/3,换门后变 2/3。
condicional条件独立性p.2目录里的「条件」小节;条件概率分母必须为正。
condicionalmente independientes条件独立p.18给定 Z 后 P(X|Y,Z)=P(X|Z);反过来推不成立。
Congestión de red网络拥塞p.12连续随机变量的例子;用密度积分求区间概率。
conjunta联合p.2联合分布描述多变量同时取值;对另一变量求和得边缘。
CPU 负载CPU 负载p.12同 Carga de CPU;连续量,不要算 P(X=x)。
CPU 负载高CPU 负载高p.19观测到高负载才更新后验,别把先验当结论。
CPU 达到 100% 负载CPU 达到 100% 负载p.26链式法则第三个事件;连乘前先定条件顺序。
D
Demostración证明p.16p.16 证两定义等价;P(Y=y)=0 时条件式无定义,需单独讨论。
distribución condicionada条件分布p.17在给定条件下重新归一化,总和仍为 1。
distribución conjunta联合分布p.13联合表所有格子加起来等于 1,这是最快的自检。
distribución de probabilidad概率分布p.5取值到概率的映射;离散用质量函数、连续用密度。
Distribución de probabilidad conjunta联合概率分布p.10多个变量的联合质量函数;表内总和为 1。
Distribución marginal边缘分布p.11对另一个变量求和;只加不除。
Distribuciones de probabilidad概率分布p.2目录小节名;含边缘、联合、条件三类。
distribuciones marginales边缘分布p.16由联合表按行或按列求和得到。
duplicas翻倍p.30换门概率 1/3 变 2/3,是翻倍不是变成 100%。
E
Ejercicio resumen综合练习p.2p.27–p.28 的五变量综合题;2⁵=32 行联合表。
El servicio se cae服务崩溃p.26链式法则例题的顶事件;0.036 是三个条件概率之积。
El usuario hace una petición muy pesada用户发起非常重的请求p.260.05 是链式乘积的第一个因子,最容易被漏乘。
equivalencia等价性p.16两定义等价要双向证明;只证一边不算完。
Estado del disco del servidor A服务器 A 的磁盘状态p.17即 X;两盘独立时联合概率可直接相乘。
Estado del disco del servidor B服务器 B 的磁盘状态p.17即 Y;P(X≥1 ∪ Y≥1) 用 1 减都不发生的概率。
evidencia证据p.22观测到的 Y;贝叶斯用它把先验变成后验。
examen de oposición竞争性考试p.7频率解释的类比;不影响公式用法。
experimento aleatorio随机试验p.3结果不确定但可重复;样本空间列出所有可能结果。
F
FacebookFacebookp.30Monty Hall 讨论的传播来源之一;仅作出处。
factoriza分解为乘积p.16独立时联合概率分解为边缘之积;反之不一定。
falla失败p.6故障即事件发生;求「至少一次」用 1 减去一次都不发生。
Formulación equivalente等价形式p.18条件独立也可写 P(X,Y|Z)=P(X|Z)P(Y|Z)。
función de distribución de masa de probabilidad概率质量函数p.5只对离散变量;所有取值概率和为 1。
función de distribución de masa de probabilidad conjunta联合概率质量函数p.10f(x,y)=P(X=x,Y=y);表内总和为 1。
H
hipótesis假设p.22贝叶斯里的假设 X;先验 P(X) 是原来的相信程度。
HTTP 请求HTTP 请求p.3讲义反复用的例子;成功/失败是可建模的二值事件。
I
Independencia独立性p.2P(X,Y)=P(X)P(Y);与「互斥」完全不同。
Independencia condicional条件独立p.18给定 Z 后独立;Z 是共同原因时典型成立。
independientes独立p.15要对所有 x、y 成立;找出一对反例即可否定。
intervalo区间p.4连续变量求 P(a<X<b) 要积分密度,端点无影响。
L
La CPU alcanza el 100% de cargaCPU 达到 100% 负载p.26链式法则第三个因子 0.90;三因子相乘才是 0.036。
Latencia elevada高延迟p.12高延迟是连续变量的观测;比阈值用区间概率。
Lenguajes y Ciencias de la Computación语言与计算机科学系p.1封面院系名;不影响内容。
Let´s Make a Deal《Let's Make a Deal》p.29原文用 ´ 代替撇号,属笔误;节目名照抄。
Ley de probabilidad total全概率公式p.2按原因划分加权求和:P(Y)=ΣP(Y|Xᵢ)P(Xᵢ)。
M
marginal边缘p.2边缘=把不要的变量求和掉;目录里的「边缘分布」。
marginalización边缘化p.20对其他变量求和;不做除法,分母不变。
marginalizar边缘化p.11对联合分布按行或按列求和得到边缘分布。
mediciones测量p.4测量值常建模为连续随机变量;用密度描述。
milisegundos毫秒p.4响应时间的单位;注意题干是 ms 还是 s。
Monty Hall蒙提霍尔p.2三扇门:初选 1/3,换门 2/3;前提是主持人知道车在哪。
N
Numbers电视剧《数字追凶》p.30剧里用过 Monty Hall;仅作来源。
numerable可数的p.3与自然数一一对应;离散变量取值可数。
Número de peticiones elevado请求数量高p.19请求数高是观测证据,用于更新后验。
P
paquetes perdidos丢失的数据包p.3可建模为离散变量;求期望即加权平均。
peticiones HTTPHTTP 请求p.3本讲义最常见的生活化例子。
Porcentaje de utilización占用率p.4占用率落在 0 到 1 之间;连续变量求区间概率。
presentador主持人p.29主持人知道车在哪,必定开羊门;这才是 2/3 的关键。
Prevalencia患病率p.23即先验 P(A);罕见病时后验仍可能很小。
probabilidad概率p.1取值在 0 到 1 之间,全空间为 1。
probabilidad a posteriori后验概率p.22看到证据后更新的 P(X|Y);别与先验混淆。
probabilidad a priori先验概率p.22看证据前的 P(X);是贝叶斯公式的起点。
Probabilidad condicionada条件概率p.2P(X|Y)=P(X,Y)/P(Y),要求 P(Y)>0。
probabilidad condicional条件概率p.15分母是条件事件的概率,不是联合概率。
probabilidad conjunta联合概率p.13P(X=x,Y=y);对另一变量求和得边缘概率。
probabilidad marginal边缘概率p.13联合表按行或按列求和的结果。
probabilidades condicionadas条件概率p.25链式法则里每个因子都是条件概率。
Probabilidades condicionales条件概率p.21负载均衡例里 P(Y=1|X=xᵢ) 就是条件概率。
propiedades性质p.5非负、归一、可加;推导全靠这三条。
puerta门p.29门=选项;换门后概率从 1/3 升到 2/3。
R
rara enfermedad罕见病p.23P(A)=0.0001 时阳性后仍只有约 1%。
recuentos计数p.3计数型数据用离散分布;期望即加权平均。
Regla de la cadena链式法则p.2联合=逐个条件概率连乘,顺序必须一致。
Resultado de la petición请求结果p.21负载均衡例里的 Y,取 0 或 1。
Rossman/ChanceRossman/Chance 模拟器p.30Monty Hall 在线模拟器;可自己跑验证 2/3。
S
Servidor al que el balanceador负载均衡器p.21均衡器选中的服务器 X;取 1/2/3,概率 0.5/0.3/0.2。
servidor sobrecargado服务器过载p.27综合题事件之一;5 个二值变量共 32 种组合。
servidores de respaldo备份服务器p.17双盘冗余:至少一块好即可用,求补事件更快。
Simulador模拟器p.8仿真能验证结论,但不能代替推导。
suma求和p.5用于边缘化与全概率;注意别漏项、权重和为 1。
T
Tasa de falsos positivos假阳性率p.23P(B|Ā)=0.01;常被误当作 P(Ā|B)。
Tasa de verdaderos positivos真阳性率p.23P(B|A)=0.99;是似然,不是后验。
tasas率p.24p.24 四组数值的统称;原文用逗号当小数点。
temas题目p.7考纲主题;本讲义只覆盖概率复习。
Teorema de Bayes贝叶斯定理p.2后验正比于似然乘先验;分母用全概率展开。
The curious incident of the dog in the night-time《深夜小狗神秘事件》p.30小说里出现 Monty Hall;仅作来源。
Tiempo de respuesta响应时间p.4连续变量;求超阈概率要积分密度。
U
Uso de memoria alto内存占用高p.19内存高是观测证据;与 CPU 高可条件独立。
V
valor取值p.5质量函数给每个取值一个概率。
variable aleatoria随机变量p.3把试验结果映射成数的函数。
Variables aleatorias随机变量p.2目录小节;分离散与连续两类。
Variables Aleatorias Continuas连续随机变量p.4单点概率为 0,只能谈区间概率。
Variables Aleatorias Discretas离散随机变量p.3用质量函数;各取值概率和为 1。
vector aleatorio随机向量p.10多个随机变量组成;由联合分布完整描述。
verosimilitud似然p.22P(Y|X):给定假设下证据出现的概率,不是 P(X|Y)。

关键数值速记(阈值对照)

把全 30 页出现过的关键数字集中在一张表:考场上看到这些数,就知道自己算到了哪一步、答案该落在什么量级。

数值出现页含义一句话记住
0.0001p.23罕见病患病率 P(A),即先验先验极小,阳性后也只有约 1%,别凭直觉答 99%。
0.01p.23假阳性率 P(B|Ā)它是「没病却阳性」,不是「阳性却没病」。
0.05p.26用户发起重请求 P(A=1)链式乘积的第一个因子,最容易被漏乘。
0.30p.21流量打到服务器 2 的权重0.50+0.30+0.20=1,权重不归一就没有意义。
0.038p.21请求失败的总概率 P(Y=1)0.010+0.012+0.016,正好 3.8%。
0.009p.23阳性后患病 P(A|B)与 p.24 的 0.009804 只差舍入,量级一致。
0.916667p.24患病率 0.5 时的后验先验变大,后验就被似然拉向 0.99。
32p.27五变量联合表行数2⁵=32,行数太多所以走截图不硬转写。
1p.13联合表与边缘表的总和任何分布表加起来必须是 1,这是最快的自检。
读表顺序:先确认这一列是「先验、似然还是后验」,再看它的量级对不对——贝叶斯题最常见的错不是算错乘法,而是把 0.99 当成最终答案。

易混对照(一眼分清)

12 组最容易在考场上对调的概念。左边是「看起来差不多」的一对,右边给判别方法和止损口诀。

independientes / incompatibles独立是 P(A∩B)=P(A)P(B);互斥是 P(A∩B)=0。概率非零又互斥的两个事件,一定不独立。
P(A|B) / P(B|A)分母跟着竖线走:分母永远是「已知的那件事」。血检题问的是 P(病|阳性),不是 P(阳性|病)。
conjunta / marginal联合 P(X=x,Y=y) 是一格;边缘 P(X=x) 是整行或整列求和。求和只加不除。
marginal / condicional边缘化是对另一个变量求和;条件化是除以另一个变量的概率。一个不除、一个必须除。
a priori / a posteriori先验 P(X) 是看证据前;后验 P(X|Y) 是看证据后。贝叶斯公式就是把前者变成后者。
verosimilitud / prevalencia似然是 P(Y|X),患病率是 P(X)。0.99 是似然,0.0001 是患病率,两者不能互换。
probabilidad total / Bayes全概率按原因加权求证据 P(Y);贝叶斯反过来求原因 P(X|Y)。一个求分母,一个求后验。
condicional / condicionalmente independiente条件独立是给定 Z 后 P(X|Y,Z)=P(X|Z);普通的条件概率只是 P(X|Y)。少写一个条件就错。
P(X≥1) 相加 / 容斥「至少一块盘坏」不能把 0.02+0.03 直接加,要 1 减去两块都好的概率,或减去交集。
duplicas / 200%换门把 1/3 变成 2/3,是翻倍;概率永远不超过 1,说成 200% 就已经错了。
discreta / continua离散看质量函数、逐点求和;连续看密度、区间积分。连续变量单点概率为 0。
frecuencia / probabilidad频率是实验跑出来的比例,概率是模型里的数;模拟器跑出 2/3 只是验证,不能代替推导。