概率论与数理统计(第四版)第一章.pptVIP

同理，第3个人要抽到“入场券”，必须第1、第2个人都没有抽到. 因此 ＝(4/5) 继续做下去就会发现, 每个人抽到“入场券” 的概率都是1/5. 抽签不必争先恐后！ 结论： (3/4) (1/3) =1/5 全概率公式 B1 Bn AB1 AB2 ABn A B2 ( 2 ) 解： 引例 有三个箱子，分别编号为1, 2, 3。1号箱装有1个红球4个白球，2号箱装有2红3白球，3号箱装有3红球. 某人从三箱中任取一箱，从中任意摸出一球，（1）求取得红球的概率。（2）已知取出的是红球，求此球来自1号箱的概率。 AB1 Bayes公式 这类问题，是“已知结果求原因”是已知某结果发生条件下，求各原因发生可能性大小。 该公式于1763年由贝叶斯(Bayes)给出. 它是在观察到事件A已发生的条件下，寻找导致A发生的每个原因的概率。 贝叶斯公式在实际中有很多应用，它可以帮助人们确定某结果（事件 A）发生的最可能原因。 每100件产品为一批，已知每批产品中的次品数不超过4件，每批产品中有 i 件次品的概率为： i 0 1 2 3 4 P 0.1 0.2 0.4 0.2 0.1 从每批产品中不放回地取10件进行检验，若发现有不合格产品，则认为这批产品不合格，否则就认为这批产品合格。求： （1）一批产品通过检验的概率； （2）通过检验的产品中恰有 i 件次品的概率。 例5 设 Bi ：一批产品中有 i 件次品 i = 0,1,…,4 A ：一批产品通过检验 则 由全概率公式与Bayes 公式可计算P( A )与 解： 结果如下表所示 i 0 1 2 3 4 P( Bi ) 0.1 0.2 0.4 0.2 0.1 1.0 0.9 0.809 0.727 0.652 0.123 0.221 0.397 0.179 0.080 称 P( Bi ) 为先验概率，它是由以往的经验得到的，它是事件 A 的原因。 称 为后验概率，它是得到了信息 — A 发生，再对导致 A 发生的原因Bi发生的可能性大小重新加以修正。 值得一提的是，后来的学者依据贝叶斯公式的思想发展了一整套统计推断方法，叫作“贝叶斯统计”。 可见贝叶斯公式的影响 。 已知由于随机干扰，在数字通讯中发出信号“ 0”，收到信号“0”，“不清”，“ 1 ”的概率分别为0.7, 0.2, 0.1; 发出信号“ 1 ”，收到信号“0 ”，“不清”，“1 ”的概率分别为 0.0, 0.1, 0.9。已知在发出的信号中， “0 ”和“1 ”出现的概率分别为0.6 和 0.4 ，试分析，当收到信号“不清”时，原发信号为“0” 还是“1 ” 的概率大？ 例5 设原发信号为“ 0”为事件 B1 收到信号“不清”为事件 A 原发信号为“ 1 ”为事件 B2 已知： 解： 可见，当收到信号“不清”时，原发信号为“0 ”的可能性大。 依题意， P(B1)=0.6, P(A|B1)=0.2, P(B2)=0.4, P(A|B2)=0.1 §1.5 独立性 两个事件的独立性 定义：若事件 A?、B??满足上式，则称事件A??、B??相互独立，简称独立。 事件的独立性可根据实际经验判断。如：天气好坏与学习成绩，二人打枪各自的命中率。又：甲乙两人上课讲话（不独立），前后两次抽牌（无放回和有放回）。 两人射击，甲射中概率0.9，乙射中概率0.8，各射一次，求目标被击中的概率。 A：“甲中”， B ：“乙中”。 “目标被击中” ： 例1 解1： 例1 两人射击，甲射中概率0.9，乙射中概率0.8，各射一次，求目标被击中的概率。 解2： 定理一 ：设A, B是两事件，且P(A)0 。若A, B 相互独立，则 　。反之也然。 定理二：若事件A, B相互独立，则下面个事件对也相互独立。 多个事件的独立性 三个事件的独立性 定义： 设 A, B, C 是三个事件，如果满足： 则称事件 A, B, C 相互独立。 强调几个概念 独立性和不相容性不要混淆（不影响与不相交）。 事件的独立性是很普遍的现象，概率性质简单。 有放回的抽样是相互独立的;无放回的取样是不独立的。当总数很庞大时，可认为近似独