第1章 概率论的基本概念2.ppt

* 解 设A表示“取到次品”, Bi表示“产品来自第i家工厂提供”, 则B1,B2,B3构成样本空间的一个划分, P(B1)=0.15, P(B2)=0.8, P(B3)=0.05, P(A|B1)=0.02, P(A|B2)=0.01, P(A|B3)=0.03. (1)由全概率公式 P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+P(A|B3)P(B3) =0.0125.(2)由贝叶斯公式 * 例6 对以往数据分析结果表明, 当机器调整得良好时, 产品的合格率为98%, 而当机器发生某种故障时, 其合格率为55%. 每天早上机器开动时, 机器调整良好的概率为95％. 试求已知某日早上第一件产品是合格品时, 机器调整良好的概率是多少?解 设A为事件产品合格, B为机器调整良好 * 这就是说, 当生产出第一件产品是合格品时, 此时机器调整良好的概率为0.97. 这里, 概率0.95是由以往的数据分析得到的, 叫做先验概率. 而在得到信息(即生产出第一件产品是合格品)之后再重新加以修正的概率(即0.97)叫做后验概率. 有了后验概率我们就能对机器的情况有进一步的了解. * * 本题结果表明, 虽然 这两个概率都比较高, 但若将此试验用于普查, 则有P(C|A)=0.087, 亦即其正确性只有8.7% (平均1000个具有阳性反应的人中大约只有87人确患有癌症), 如果不注意到这一点, 将会得出错误的诊断, 这也说明, 若将P(A|C)和P(C|A)混淆了会造成不良的后果. * 补充例题: 有12个乒乓球都是新球, 每次比赛时取出3个用完后放回去,求第三次比赛时取到的3个都是新球的概率. B1 B2 B3 S B4 B5 A * §6 独立性 * 设A, B是试验E的两事件, 若P(A)0, 可以定义P(B|A). 一般, A的发生对B发生的概率是有影响的, 这时P(B|A)?P(B), 只有在这种影响不存在时才会有P(B|A)=P(B), 这时有:  P(AB)=P(B|A)P(A)=P(A)P(B) * 例1 设试验E为 抛甲, 乙两枚硬币, 观察正反面出现的情况. 设事件A为甲币出现H, 事件B为乙币出现H. E的样本空间为: S={HH,HT,TH,TT}, A={HH,HT}, B={HH,TH}, AB={HH}. 则有 可知P(B|A)=P(B), 而P(AB)=P(A)P(B). 事实上, 由题意, 甲币是否出现正面与乙币是否出现正面是互不影响的. * 概率论与数理统计 中山大学 工学院 * 第一章概率论的基本概念 第2讲 * §5 条件概率 * (一) 条件概率  条件概率是概率论中的一个重要概念, 所考虑的是事件A已发生的条件下, 事件B发生的概率. 例1 将一枚硬币抛掷两次, 观察其出现正反面的情况. 设事件A为“至少有一次为H”, 事件B为“两次掷出同一面”. 现在求已知事件A已经发生条件下事件B发生的概率.解：样本空间为S={HH,HT,TH,TT}, A={HH,HT,TH}, B={HH,TT}. 已知事件A已发生, 知道TT不可能发生. * 即知试验所有可能结果所成的集合就是A, A中共有3个元素, 其中只有HH?B. 于是, 在A发生的条件下B发生的概率,记为P(B|A), 为: 易知: 故有: (5.1) * 对于一般古典概型问题, 若仍以P(B|A)记事件A已经发生的条件下B发生的概率, 则关系式(5.1)仍然成立. 事实上, 设试验的基本事件总数为n, A所包含的基本事件数为m(m0), AB所包含的基本事件数为k, 即有 * 定义 设A, B是两个事件, 且P(A)0, 称 为在事件A发生条件下事件B发生的条件概率. 不难验证, 条件概率P(?|A)符合概率定义中的三个条件, 即 1. 非负性: 对任一事件B, 有P(B|A)?0 2. 规范性: 对于必然事件S, 有P(S|A)=1; 3. 可列可加性: 设B1,B2,...,是两两互斥事件, * 既然条件概率符合上述三个条件, 故§3中对概率所证明的一些重要结果都适用于条件概率 ( 6个性质 ). 例如, 对于任意事件B1,B2有: P(B1?B2|A)=P(B1|A)+P(B2|A)-P(B1B2|A). 性质6 (加法公式) 例2 一盒子装有4只产品, 其中有3只一等品, 1只二等品, 从中