随机过程第01讲[3小时]20089月16日].pptVIP

北京邮电大学电子工程学院 第一章 概率 第6节 条件概率 第二章 随机变量及其分布 一个事件发生. 三、全概率公式 该公式于1763年由贝叶斯 (Bayes) 给出. 它是在观察到事件B已发生的条件下，寻找导致B发生的每个原因的概率. 例 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). 由贝叶斯公式，可得 代入数据计算得 P(C｜A)= 0.1066 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，P(Ai)和P(Ai |B)分别称为原因的验前概率和验后概率. 第7节 独立性 两个事件的独立性 多个事件的独立性 独立性的概念在计算概率中的应用 小结 若两事件A、B满足 P(AB)= P(A) P(B) (1) 则称A、B相互独立，简称A、B独立. 两事件独立的定义 例 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, 故 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, =P(A)[1- P(B)] = P(A)- P(AB) P(A )= P(A - A B) A、B独立 概率的性质 = P(A)- P(A) P(B) 仅证A与 独立 定理 2 若两事件A、B独立, 则 也相互独立. 证明 = P(A) P( ) 故 A与 独立 二、多个事件的独立性 对于三个事件A、B、C，若 P(AB)= P(A)P(B) P(AC)= P(A)P(C) P(BC)= P(B)P(C) P(ABC)= P(A)P(B)P(C) 四个等式同时成立,则称事件A、B、C相互独立. 请注意多个事件两两独立与相互独立的区别与联系 两两独立 相互独立 对 n (n 2)个事件 对独立事件，许多概率计算可得到简化 三、独立性的概念在计算概率中的应用 例 三人独立地去破译一份密码，已知各人能译出的概率分别为1/5，1/3，1/4，问三人中至少有一人能将密码译出的概率是多少？ 解 将三人编号为1，2，3， 所求为 记 Ai={第i个人破译出密码} i=1 , 2 , 3 已知, P(A1)=1/5 , P(A2)=1/3 , P(A3)=1/4 1 2 =1-[1-P(A1)][1-P(A2)][1-P(A3)] 随机变量概念的产生是概率论发展史上的重大事件. 引入随机变量后，对随机现象统计规律的研究，就由对事件及事件概率的研究扩大为对随机变量及其取值规律的研究. 事件及 事件概率 随机变量及其 取值规律 我们将研究两类随机变量： 如“取到次品的个数”， “收到的呼叫数”等. 随机变量 离散型随机变量 连续型随机变量 例如，“电视机的寿命”，实际中常遇到的“测量误差”等. 三、随机变量的分类 * 一、样本空间 随机事件 二、概率的定义 三、数字特性 四、联合分布的数字特性 的集合 的所有可能结果所组成 一个随机试验 E 的 称为随机试验 E 记为 , , 称为 的每个结果 即 样本空间中的元素 E 样本点 , 样本空间 样本点e . S 现代集合论为表述随机试验提供了一个方便的工具 . 第1节 样本空间 例如,试验是将一枚硬