Conditional and marginal probability functions (discrete)

歡迎來到多元變數的世界！

在你的機率學習旅程中，到目前為止你可能大部分時間都在處理單一隨機變數——例如一名汽車保險客戶一年內的索賠次數。但在現實世界（以及 Exam P 考試）中，事情很少是單獨發生的。通常，我們會同時考慮兩個或以上的變數。舉例來說，保險公司可能會同時查看同一位客戶的汽車保險索賠次數和住宅保險索賠次數。

在本章中，我們將學習如何從一組變數中「分離」出單一變數（邊際機率 Marginal Probability），以及當我們已知其中一個變數的資訊時，如何更新對另一個變數的認知（條件機率 Conditional Probability）。如果剛開始覺得有點複雜，別擔心；我們會透過簡單的表格和類比，一步步拆解這些概念！

1. 大局觀：離散聯合機率質量函數 (Discrete Joint PMFs)

在深入探討邊際機率和條件機率之前，請記住，對於離散變數，我們使用聯合機率質量函數 (Joint Probability Mass Function, PMF)，寫作 \( p(x, y) = P(X = x, Y = y) \)。你可以把它想像成一個網格或表格，每個格子代表 \( X \) 和 \( Y \) 同時發生的機率。

2. 邊際機率函數：找出「總計」

想像你有一個表格，顯示某人擁有 \( X \) 隻狗和 \( Y \) 隻貓的機率。如果我問你：「無論擁有幾隻貓，某人擁有 2 隻狗的機率是多少？」，你現在要找的就是 \( X \) 的邊際機率。

要找到 \( X \) 的邊際機率，你只需要加總 \( X = x \) 那一行（或那一列）所有的機率。本質上，你就是在把你不關心的那個變數「加總消去」。

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

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

一個簡單的類比：
想想試算表。聯合機率就是試算表中間的數字。邊際機率就是你在加總各列或各欄後，寫在邊緣（最右側或最底部）的總計。這其實就是為什麼它們被稱為「邊際」機率的原因！

快速複習：邊際機率的規則

1. 邊際機率 \( p_X(x) \) 必須始終介於 0 到 1 之間。
2. 如果你將 \( X \) 的所有邊際機率加總，結果必須等於 1。（ \( \sum p_X(x) = 1 \) ）

3. 條件機率函數：聚焦你的目標

條件機率的核心在於新資訊。如果我告訴你：「已知這個人剛好有 1 隻貓，那麼他擁有 2 隻狗的機率是多少？」，我已經改變了可能性的「宇宙」。我們不再關心沒有貓或有 2 隻貓的人。我們只關心「有 1 隻貓」的那一行。

公式：
在給定 \( Y=y \) 的情況下，\( X \) 的條件 PMF 為：
\( p_{X|Y}(x|y) = P(X=x | Y=y) = \frac{p(x, y)}{p_Y(y)} \)

注意：此公式僅在 \( p_Y(y) > 0 \) 時有效。你無法針對一個發生機率為 0 的事件進行條件設定！

逐步解釋：
1. 識別「已知條件」：查看題目告訴你為真的變數值（例如 \( Y = y \)）。
2. 找到「切片」：只看聯合機率表中對應該數值的行或列。
3. 重新調整尺度：將該格子的聯合機率除以該行或該列的總機率（即邊際機率）。這能確保你的新「條件」機率加總後等於 1。

避開常見錯誤

學生經常忘記除以邊際機率。請記住：條件機率分配本身就是一個有效的機率分配。如果你不除以邊際機率，你的機率總和就不會等於 1！

4. 離散情況下的獨立性

你如何判斷兩個變數 \( X \) 和 \( Y \) 是否互不相關？在機率術語中，我們稱它們為獨立 (Independent)。

檢定方法：
\( X \) 和 \( Y \) 獨立，若且唯若：
\( p(x, y) = p_X(x) \cdot p_Y(y) \)
對於所有的 \( (x, y) \) 配對皆成立。

或者，若條件機率等於邊際機率，它們也是獨立的：
\( p_{X|Y}(x|y) = p_X(x) \)

你知道嗎？ 如果你在聯合表中發現即使只有一個格子滿足 \( p(x,y) \neq p_X(x)p_Y(y) \)，這兩個變數就是相關的！你不需要檢查整個表格，只要一開始發現不符，就能斷定它們不獨立。

5. 範例演示

讓我們看看 \( X \)（事故次數）和 \( Y \)（車輛數）的聯合 PMF 表：

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

任務 1：求邊際機率 \( p_X(1) \)。
將 \( X=1 \) 的機率相加：
\( p_X(1) = P(X=1, Y=1) + P(X=1, Y=2) = 0.20 + 0.30 = 0.50 \)。

任務 2：求條件機率 \( P(Y=2 | X=0) \)。
首先，找出邊際機率 \( p_X(0) \)：
\( p_X(0) = 0.40 + 0.10 = 0.50 \)。
現在，使用公式：
\( P(Y=2 | X=0) = \frac{P(X=0, Y=2)}{p_X(0)} = \frac{0.10}{0.50} = 0.20 \)。

總結與關鍵重點

1. 邊際機率：想成「總計」。將你想消除的那個變數進行橫向或縱向加總。
2. 條件機率：想成「切片」。取出聯合機率，除以「給定條件」的邊際機率。
3. 獨立性：如果聯合機率剛好等於兩個邊際機率相乘，代表這兩個變數互不影響。
4. 檢查你的答案：單一變數的邊際機率加總必須為 1。給定條件下的條件機率加總也必須為 1。

如果總和符號（求和符號）看起來很嚇人，不用擔心。只要記得：邊際機率就是表格邊緣的數字，而條件機率只是對表格中某一行或某一列的「放大檢視」！