Conditional and marginal probability functions (discrete)

欢迎来到多元变量的世界！

在你的概率学习旅程中，到目前为止你可能大部分时间都在处理单一随机变量——例如一名汽车保险客户一年内的索赔次数。但在现实世界（以及 Exam P 考试）中，事情很少是单独发生的。通常，我们会同时考虑两个或以上的变量。举例来说，保险公司可能会同时查看同一位客户的汽车保险索赔次数和住宅保险索赔次数。

在本章中，我们将学习如何从一组变量中“分离”出单一变量（边缘概率 Marginal Probability），以及当我们已知其中一个变量的信息时，如何更新对另一个变量的认知（条件概率 Conditional Probability）。如果刚开始觉得有点复杂，别担心；我们会通过简单的表格和类比，一步步拆解这些概念！

1. 大局观：离散联合概率质量函数 (Discrete Joint PMFs)

在深入探讨边缘概率和条件概率之前，请记住，对于离散变量，我们使用联合概率质量函数 (Joint Probability Mass Function, PMF)，写作 \( p(x, y) = P(X = x, Y = y) \)。你可以把它想象成一个网格或表格，每个格子代表 \( X \) 和 \( Y \) 同时发生的概率。

2. 边缘概率函数：找出“总计”

想象你有一个表格，显示某人拥有 \( X \) 只狗和 \( Y \) 只猫的概率。如果我问你：“无论拥有几只猫，某人拥有 2 只狗的概率是多少？”，你现在要找的就是 \( X \) 的边缘概率。

要找到 \( X \) 的边缘概率，你只需要加总 \( X = x \) 那一行（或那一列）所有的概率。本质上，你就是在把你不关心的那个变量“加总消去”。

公式：
要找到 \( X \) 的边缘 PMF：
\( p_X(x) = \sum_{all y} p(x, y) \)

要找到 \( Y \) 的边缘 PMF：
\( p_Y(y) = \sum_{all x} p(x, y) \)

一个简单的类比：
想想电子表格。联合概率就是电子表格中间的数字。边缘概率就是你在加总各行或各列后，写在边缘（最右侧或最底部）的总计。这其实就是为什么它们被称为“边缘”概率的原因！

快速复习：边缘概率的规则

1. 边缘概率 \( p_X(x) \) 必须始终介于 0 到 1 之间。
2. 如果你将 \( X \) 的所有边缘概率加总，结果必须等于 1。（ \( \sum p_X(x) = 1 \) ）

3. 条件概率函数：聚焦你的目标

条件概率的核心在于新信息。如果我告诉你：“已知这个人刚好有 1 只猫，那么他拥有 2 只狗的概率是多少？”，我已经改变了可能性的“宇宙”。我们不再关心没有猫或有 2 只猫的人。我们只关心“有 1 只猫”的那一行。

公式：
在给定 \( Y=y \) 的情况下，\( X \) 的条件 PMF 为：
\( p_{X|Y}(x|y) = P(X=x | Y=y) = \frac{p(x, y)}{p_Y(y)} \)

注意：此公式仅在 \( p_Y(y) > 0 \) 时有效。你无法针对一个发生概率为 0 的事件进行条件设定！

逐步解释：
1. 识别“已知条件”：查看题目告诉你为真的变量值（例如 \( Y = y \)）。
2. 找到“切片”：只看联合概率表中对应该数值的行或列。
3. 重新调整尺度：将该格子的联合概率除以该行或该列的总概率（即边缘概率）。这能确保你的新“条件”概率加总后等于 1。

避开常见错误

学生经常忘记除以边缘概率。请记住：条件概率分布本身就是一个有效的概率分布。如果你不除以边缘概率，你的概率总和就不会等于 1！

4. 离散情况下的独立性

你如何判断两个变量 \( X \) 和 \( Y \) 是否互不相关？在概率术语中，我们称它们为独立 (Independent)。

检验方法：
\( X \) 和 \( Y \) 独立，若且唯若：
\( p(x, y) = p_X(x) \cdot p_Y(y) \)
对于所有的 \( (x, y) \) 配对皆成立。

或者，若条件概率等于边缘概率，它们也是独立的：
\( p_{X|Y}(x|y) = p_X(x) \)

你知道吗？ 如果你在联合表中发现即使只有一个格子满足 \( p(x,y) \neq p_X(x)p_Y(y) \)，这两个变量就是相关的！你不需要检查整个表格，只要一开始发现不符，就能断定它们不独立。

5. 示例演示

让我们看看 \( X \)（事故次数）和 \( Y \)（车辆数）的联合 PMF 表：

\( X=0, Y=1: 0.40 \)
\( X=0, Y=2: 0.10 \)
\( X=1, Y=1: 0.20 \)
\( X=1, Y=2: 0.30 \)

任务 1：求边缘概率 \( p_X(1) \)。
将 \( X=1 \) 的概率相加：
\( p_X(1) = P(X=1, Y=1) + P(X=1, Y=2) = 0.20 + 0.30 = 0.50 \)。

任务 2：求条件概率 \( P(Y=2 | X=0) \)。
首先，找出边缘概率 \( p_X(0) \)：
\( p_X(0) = 0.40 + 0.10 = 0.50 \)。
现在，使用公式：
\( P(Y=2 | X=0) = \frac{P(X=0, Y=2)}{p_X(0)} = \frac{0.10}{0.50} = 0.20 \)。

总结与关键重点

1. 边缘概率：想成“总计”。将你想消除的那个变量进行横向或纵向加总。
2. 条件概率：想成“切片”。取出联合概率，除以“给定条件”的边缘概率。
3. 独立性：如果联合概率刚好等于两个边缘概率相乘，代表这两个变量互不影响。
4. 检查你的答案：单一变量的边缘概率加总必须为 1。给定条件下的条件概率加总也必须为 1。

如果求和符号看起来很吓人，不用担心。只要记得：边缘概率就是表格边缘的数字，而条件概率只是对表格中某一行或某一列的“放大检视”！