概率统计简明教程(同济)Chapter3.pptVIP

Chapter 3 条件概率与事件的独立性 一般情况: 在某些外加条件下随机事件的概率. (1) 信号传输. (2) 抽取奖券. 第一节 条件概率 P(B|A): 在事件A已经发生的条件下事件B发生的概率. P(A|B)? 第二节 全概率公式 设事件A1, A2, …, An两两不相容, 事件B满足 B = BA1? BA2 ? … ? BAn, 则 第三节 贝叶斯公式 补例某电子设备制造厂所用元件是由三家元件制造厂提供的. 根据以前的记录有以下数据: 第四节 事件的独立性 一般说来, 事件A发生与否对事件B发生的概率有影响, 但例外情况也很多. 例6(P22) Solution A = {第一次取到白球}, B = {第二次取到白球}. 第五节 伯努利(Bernoulli)试验和二项概率 独立重复试验? 伯努利(Bernoulli)试验? 每次试验只有两个可能的试验结果: A发生或A不发生, 且A发生的概率为p. *第六节 主观概率 可重复试验. 不可重复试验? * * 例1(P17) Solution A = {从第一个口袋中取出白球}, B = {从第二个口袋中取出白球} 样本空间变了! 条件概率的计算公式: Remark (1) 在事件A已经发生的情况下计算P(B|A),为何要求P(A) 0? (2) P(B|A)是A已先发生条件下, B发生的概率; P(AB)是A与B同时发生的概率(不知A已经发生). 乘法公式: 推广? 本质上就是条件概率, 但思考问题的方式变了(见下面的例 3), 主要用于计算积事件的概率. 例2(P18) Solution A = {个体在50岁存活} B = {个体在50到51岁之间死亡} 例3(P19) Solution A = {第一次为次品} B = {第二次为次品} 课堂: P27, 1. 全概率公式的直观意义: 事件B的发生有各种可能的原因 BAi(i = 1, 2, …, n), 则P(B)与P(BAi) (i = 1, 2, …, n)有关, 且等于它们的全部的“总和”. 例4(P20) Solution B = {从仓库中随机提取的一台是合格品}, Ai = {提取的一台是第i车间生产的}, i = 1, 2. B = BA1? BA2 再看下节补例(1)? 0.05 0.03 3 0.80 0.01 2 0.15 0.02 1 提供元件的份额 次品率 元件制造厂 设这三家工厂的产品在仓库中是均匀混合的,且无明显标志. (1) 在仓库中随机取一只元件,求它是次品的概率; (2) 在仓库中随机取一只元件, 发现是次品,试分别求出此次品来自三家工厂的概率. Solution B = {取到的一只是次品}, Ai ={所取到的产品是由第i家工厂提供的}, i = 1, 2, 3. B = BA1? BA2 ? BA3, (1) 课堂: P27, 5. 问题: 若已知取到的是次品, 它属于三个厂的概率分别是多少{由果寻因}? 这就要利用 Tomas Bayes (英国, 1763年)公式. 贝叶斯公式: 设事件A1, A2, …, An两两不相容, 事件B满足 B = BA1? BA2 ? … ? BAn, (2) 无论A发生与否对B的概率没有影响, 就称事件A与事件B(相互)独立. 直观意义: 事件A与B没有“关系”, “影响”. 这往往可根据事件的实际意义判断(P23). A与B相互独立的数学定义: 三个随机事件A, B, C相互独立: 例7(P23) Solution A = {抽出的卡片有红色}, B = {抽出的卡片有白色}, C = {抽出的卡片有黄色}. A, B, C相互独立 ? A, B, C两两独立, 反过来不成立. 例8(P23) Solution 待求概率的事件为A, Ai = {第i台需工人维护}( i = 1, 2, 3). A1, A2, A3相互独立. A1, A2,…, An相互独立(?) 例9(P24) 1 2 n 1 2 n 例10(P25) Solution A = {保险公司赔付}, Ai = {第i个投保人出现意外}( i = 1, 2, …, n). Ak = {在n重伯努利试验中事件A发生k次}. 例11(P26) Solution Ak = {恰有k件次品}, k = 0, 1, 2, …, 5 B = {至多有三件次品} *