概率论课件1.5资料.pptVIP

概率论与数 理 统 计主讲:赵敏  §1.5 条件概率、全概率公式和贝叶斯公式 一、条件概率的概念 小结 =“第一次取出的3只球中有2只新球”， =“第一次取出的3只球都是新球”， B=“第二次取出的都是新球”。 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 B）发生的最可能原因. 例13某一地区患有癌症的人占0.005，患者对一种试验反应是阳性的概率为0.95，正常人对这种试验反应是阳性的概率为0.04，现抽查了一个人，试验反应是阳性，问此人是癌症患者的概率有多大? 则 表示“抽查的人不患癌症”. 已知 P(C)=0.005,P( )=0.995, P(A|C)=0.95, P(A| )=0.04 求解如下: 设 C={抽查的人患有癌症}， A={试验结果是阳性}， 求 P(C|A). 现在来分析一下结果的意义. 由贝叶斯公式，可得 代入数据计算得 P(C｜A)= 0.1066 2. 检出阳性是否一定患有癌症? 1. 这种试验对于诊断一个人是否患有癌症有无意义？ 如果不做试验,抽查一人,他是患者的概率 患者阳性反应的概率是0.95，若试验后得阳性反应 则根据试验得来的信息，此人是患者的概率为 从0.005增加到0.1066,将近增加约21倍. 1. 这种试验对于诊断一个人是否患有癌症有意义. P(C｜A)= 0.1066 P(C)=0.005 试验结果为阳性 , 此人确患癌症的概率为 P(C｜A)=0.1066 2. 即使你检出阳性，尚可不必过早下结论你有癌症，这种可能性只有10.66% (平均来说，1000个人中大约只有107人确患癌症)，此时医生常要通过再试验来确认. P(Ai) (i=1,2,…,n) 是在没有进一步信息（不知道事件B是否发生）的情况下，人们对诸事件发生可能性大小的认识. 当有了新的信息（知道B发生），人们对诸事件发 生可能性大小P(Ai | B)有了新的估计. 贝叶斯公式从数量上刻划了这种变化 在贝叶斯公式中， 和 分别称为原因的验前概率和验后概率. 1.条件概率 全概率公式 贝叶斯公式 乘法定理(乘法公式） 1．直观背景 例1 已知一批产品有100个，其中15个为一等品，在这批产品中一车间生产的有75个，而在第一车间生产的产品中有10个为一等品，今任取一个产品，问它是一等品（事件A）的概率是多少？又若已知抽取的产品是第一车间生产的（事件B），问它是一等品的概率是多少？ 上述两个问题虽然都是求一等品的概率，但前者是在这批产品100个中考虑的，而后者却是在第一车间生产的产品75个中考虑的，因而所求的概率不同，前者为 后者为 为了区别这两种概率，我们分别记 例2 袋中有7只白球, 3只红球, 白球中有4只 木球, 3只塑料球; 红球中有2只木球, 1只塑料 球. 现从袋中任取1球, 假设每个球被取到的可能性相同. 若已知取到的球是白球, 问它是木球的概率是多少？ 设 A 表示任取一球，取得白球； B 表示任取一球，取得木球. 古典概型 所求的概率称为在事件A 发生的条件下事件 B 发生的条件概率。记为 解 列表 10 3 7 小计 4 1 3 塑球 6 2 4 木球 小计 红球 白球 从而有 2．条件概率的定义和性质 定义： 若（ ，F，P ）是一个概率空间，B F，且 P（B）0，则对任意的 A F，称 为在事件B已发生的条件下，事件A发生的条件概率。 （1） 古 典 概 型 可用缩减样本空间法 （2） 其 他 概 型 用定义与有关公式 条件概率的计算方法 不难验证，条件概率具有概率的三个基本性质： （1）非负性： （2）规范性： （3）可列可加性：对任意的一列两两互不相 有 容的事件 类似于概率，还可导出条件概率其它的一些性质 （4） （5） 若 两两互不相容，则 若 ，则 （7） （8） 对任意事件A、C，有 一般地： （6） 对任意事件A， 解 设B=“灯泡用到5000小时”，A=“灯泡用到10000小时” 我们知道用到10000小时的灯泡一定用了5000小时，即 所以AB=A， 这表明，用了5000小时的灯泡再用到10000小时的可能性比没有用过的新灯泡用到10000小时的可能性大，这是很自然的，因为前者已经剔除了那些没有用到5000小时的质量较次的灯泡。 于是， 例4 某种灯泡使用