概率论与数理统计第1章ppt研讨.ppt

Soft Computing Lab. 研究随机现象，不仅关心试验中会出现哪些事件，更重要的是想知道事件出现的可能性大小，也就是事件的概率. 例1 有一批同一型号的产品，已知其中由一厂生产的占 30% ，二厂生产的占 50% ，三厂生产的占 20%，又知这三个厂的产品次品率分别为2% ， 1%，1%，问从这批产品中任取一件是次品的概率是多少? 设事件 B 为“任取一件为次品”, 解 30% 20% 50% 例1 有一批同一型号的产品，已知其中由一厂生产的占 30% ，二厂生产的占 50% ，三厂生产的占 20%，又知这三个厂的产品次品率分别为2% ， 1%，1%，问从这批产品中任取一件是次品的概率是多少? 事件 B 为“任取一件为次品”, 30% 20% 50% 2% 1% 1% 由全概率公式得 引例2： 　　某人从任一罐中任意摸出一球,发现是红球,求该球是取自 1号罐的概率. 2 1 3 这是一个条件概率问题 下面就介绍为解决这类问题而引出的逆概率 (Bayes)公式 由乘法公式知，当事件A、B独立时，有 P(AB)=P(A) P(B) 用P(AB)=P(A) P(B)刻划独立性,比用 P(A|B) = P(A) 或 P(B|A) = P(B) 更好,它不受P(B)0或P(A)0的制约. P(AB)=P(B)P(A|B) 若两事件A、B满足 P(AB)= P(A) P(B) 则称A、B独立，或称A、B相互独立. 两事件独立的定义 定理1 设 是两事件， 若 相互独立， 反之亦然. 例6 从一副不含大小王的扑克牌中任取一张，记 A={抽到K}, B={抽到的牌是黑色的} 可见, P(AB)=P(A)P(B) 由于 P(A)=4/52=1/13, 说明事件A、B独立. 问事件A、B是否独立？ 解： P(AB)=2/52=1/26 P(B)=26/52=1/2 在实际应用中, 往往根据问题的实际意义去判断两事件是否独立. 由于“甲命中”并不影响“乙命中”的概率，故认为A、B独立 . 甲、乙两人向同一目标射击，记 A={甲命中}, B={乙命中}，A与B是否独立？ 例如 （即一事件发生与否并不影响另一事件发生 的概率） 一批产品共n件，从中抽取2件，设 Ai={第i件是合格品} i=1,2 若抽取是有放回的, 则A1与A2独立. 因为第二次抽取的结果受到第一次抽取的影响. 又如： 因为第二次抽取的结果不受第一次抽取的影响. 若抽取是无放回的，则A1与A2不独立. 请问：如图的两个事件是独立的吗？ 即: 若A、B互斥，且P(A)0, P(B)0, 则A与B不独立. 反之，若A与B独立，且P(A)0,P(B)0, 则A 、B不互斥. 而P(A) ≠0, P(B) ≠0 故 A、B不独立 我们来计算： P(AB)=0 P(AB) ≠ P(A)P(B) 即 问：能否在样本空间Ω中找两个事件,它们既相互独立又互斥? 这两个事件就是 Ω和 P( Ω) =P( )P(Ω)=0 与Ω独立且互斥 不难发现， 与任何事件都独立. =P(A)[1- P(B)]= P(A) P( ) = P(A)- P(AB) P(A )= P(A - A B) A、B独立 故A与 独立 . 概率的性质 = P(A)- P(A) P(B) 证明: 仅证A与 独立 定理：若两事件A、B独立，则 也相互独立. 证毕 有限个事件的独立性 将两事件独立的定义推广到三个事件： 定义 对于三个事件A、B、C，若 P(AB)= P(A)P(B) 四个等式同时 P(AC)= P(A)P(C) 成立,则称事件 P(BC)= P(B)P(C) A、B、C相互 P(ABC)= P(A)P(B)P(C) 独立. 推广到n个事件的独立性定义,可类似写出： 设 是 个事件， 若对任意 个事件 均满足等式 则称事件 相互独立. 定义 设A,B,C为随机事件,若 P(AB)=P(A)P(B) P(AC)=P(A)P(C) P(BC)=P(B)P(C) 则称事件A,B,C两两相互独立 两两独立 相互独立 对n(n2)个事件 ? 对独立事件，许多概率计算可