1、影响：针对不同问题我们需要使用不同的概率，有些问题需要使用无条件的概率，有些需要使用条件或者联合概率（若两概率无关，则联合概率密度等于各概率密度乘积）。不过要准确区分并不容易，一些公司的产品和服务，逻辑也相当混乱，比如将条件概率与联合概率混合着使用，这样的产品未必失败，但性能大受影响。
看不清楚可以保存下来放大看
2、应用：例如在信息处理中的应用
条件概率在本质上揭示的是两个随机事件的相关性。当概率中的条件发生巨大变化时，和它相关的随机变量的概率就会发生巨大变化。在信息世界里，信息本身也有这样的相关性。因此利用条件概率，可以解决很多信息处理的问题。
概率是由文字出现占比频率趋近计算的
利用这个条件可以将文字识别（OCR) 错误率降低80%～95%，下次讲统计方法再讲怎样计算的（好像挖了几个坑了，笔者一直没时间填上🤭)
在其它信息处理中，类似上下文相关性，视频中每一帧的图像和前面每一帧有很大相关性（我想起来看动画也利用了人体视觉暂定效果，就是你看到的图像会在大脑停留2～3秒（比如让你看黑布上的白点，你会看到黑点一闪一闪，那是因为你看到的黑色会暂停2～3秒原因），所以即使动画一帧一帧，大脑前后自动补全看起来也是流畅的）。利用这个特点可以将视频图像压缩几百倍。
数学上的因果关系是可以互换的，我们可以根据前一个词是中药猜测后一个词是田七概率大；反过来，也可以因为后一个词是田七推断前一个是中药概率大。
我们甚至可以根据从中药到田七的条件概率，倒推出后面一个词是田七的条件下，前面出现中药这个词的概率，这就是著名的贝叶斯公式了
比如在计算机翻译，医疗检测准确率和召回率问题上的应用。这个大家感兴趣就去了解一下吧，笔者是了解的，但是例子说出来太啰嗦了
网友评论