【概率论电子教案】条件概率与事件的独立性.docVIP

§4 条件概率与事件的独立性 ? 一、条件概率 任一个随机试验都是在某些基本条件下进行的，在这些基本条件下某个事件的发生具有某种概率. 但如果除了这些基本条件外还有附加条件，所得概率就可能不同.这些附加条件可以看成是另外某个事件发生. 条件概率这一概念是概率论中的基本工具之一. 给定一个概率空间，并希望知道某一事件发生的可能性大小. 尽管我们不可能完全知道试验结果，但往往会掌握一些与事件相关的信息，这对我们的判断有一定的影响. 例如，投掷一均匀骰子，并且已知出现的是偶数点，那么对试验结果的判断与没有这一已知条件的情形有所不同. 一般地，在已知另一事件发生的前提下，事件发生的可能性大小不一定再是. 已知事件发生条件下事件发生的概率称为事件关于事件的条件概率(conditional probability)，记作. 在某种情况下，条件的附加意味着对样本空间进行压缩，相应的概率可在压缩的样本空间内直接计算. 例1 盒中有球如右表1-2. 任取一球，记={取得蓝球}，={取得玻璃球}， 显然这是古典概型. 包含的样本点总数为16，包含的样本点总数为11，故 . 表1-2 ? 玻璃 木质 总计 红 蓝 2 3 4 7 5 11 总计 6 10 16 ? ? ? ? ? ? 如果已知取得为玻璃球，这就是发生条件下发生的条件概率，记作. 在发生的条件下可能取得的样本点总数应为“玻璃球的总数”，也即把样本空间压缩到玻璃球全体. 而在发生条件下包含的样本点数为蓝玻璃球数，故 . 一般说来，在古典概型下，都可以这样做.但若回到原来的样本空间，则当，有 . 这式子对几何概率也成立. 由此得出如下的一般定义. 定义1 对任意事件和，若，则“在事件发生的条件下的条件概率”，记作P(A | B)，定义为 . (1) 反过来可以用条件概率表示、的乘积概率，即有乘法公式 若，则, (2) 同样有 若，则. 从上面定义可见，条件概率有着与一般概率相同的性质，即非负性，规范性和可列可加性. 由此它也可与一般概率同样运算，只要每次都加上“在某事件发生的条件下”即成. 两个事件的乘法公式还可推广到个事件，即 (3) 具体解题时，条件概率可以依照定义计算，也可能如例1直接按照条件概率的意义在压缩的样本空间中计算；同样，乘积事件的概率可依照公式(2) 或计算，也可按照乘积的意义直接计算，均视问题的具体性质而定. 例2????????? 张彩票中有一个中奖票. ① 已知前面个人没摸到中奖票，求第个人摸到的概率； ② 求第个人摸到的概率. 解 问题 ① 是在条件“前面个人没摸到”下的条件概率. ② 是无条件概率. 记={第个人摸到}，则 ① 的条件是. 在压缩样本空间中由古典概型直接可得 ① P()=； ② 所求为，但对本题，, 由(3)式及古典概率计算公式有 ＝() ＝ . 这说明每人摸到奖券的概率与摸的先后次序无关. 例3 甲乙两市位于长江下游，根据一百多年的记录知道，一年中雨天的比例，甲为20%，乙为18%，两市同时下雨的天数占12%. 求： ① 乙市下雨时甲市也下雨的概率；② 甲乙两市至少一市下雨的概率. 解 分别用，记事件{甲下雨}和{乙下雨}. 按题意有，，，. ① 所求为 . ② 所求为 . ? 二、全概率公式，贝叶斯(Bayes)公式 对于较为复杂的事件，需要综合运用上面提到的一些基本公式. 先介绍一个基本概念. 定义2 若事件组满足下列两条件：①，，两两互不相容，且；②， 则称是的一个完备事件组，也称是的一个分割. 最简单的完备事件组是，. 全概率(total probability)公式 设是一个完备事件组，则有 . (4) 证 注意到，故，，，=1，2，…. 因此由可列可加性得 . 公式(4)意味着“全”部概率被分解成了一些部分之和. 如果在较复杂的情况下不易直接计算，但总是随某个伴出，而和又易于计算，我们就可应用全概率公式去计算. 例4 有5个乒乓球，其中3个新的2个旧的. 每次取一个，无放回地取两次，求第二次取时得新球的概率. 解 记={第一次取时得新球}，={第二次取时得新球}，因为第二次得新球这事件的概率与第一次是否得新球有关，即事件可以与完备事件组，联系起来. 又