[概率论与数理统计第1.4节全概及逆概公式1.pptVIP

小结 本章小结 　　本章中介绍了一类新的现象——随机现象，这是一种普遍存在的现象。在大量随机现象中存在着统计规律性，概率论便是研究随机现象的数量规律的一门数学学科。 “事件”与“概率”是概率论中最基本的两个概念，我们在公理化结构下严格地定义了概率的概念。 为了能清楚地理解事件与概率的直观含义，我们采用由 具体到抽象，由简单到复杂，由特殊到一般的方式分别介绍了频率、古典概型、几何概率，并从中归纳出事件与概率的本质特征，为公理化定义作准备，最后给出了概率的公理化定义，这种讲法基本上与概率概念的历史发展平行。 事件的运算及概率的性质是本章的基本内容，也是学习以后的必要基础，务必牢固掌握。 　　 概率的定义只给出概率必须满足的三条基本性质，并未对事件A的概率P(A)给定一个具体的数。只在古典概型的情况，对于每个事件A给出了概率P(A)＝k／n。一般，我们可以进行大数量的重复试验，得到事件A的频率，而以频率作为P(A)的近似值。 在古典概型中，我们证明了条件概率的公式： (1.1) 在一般的情况，(1.1)式则作为条件概率的定义。固定A，条件概率P(﹡∣A)具有概率定义中的三个基本性质，因而条件概率是一种概率。 有两种计算条件概率P(B∣A)的方法：(1)按条件概率的含义，直接求出P(B∣A)。注意到，在求P(B∣A)时已知A已发生，样本空间S中所有不属于A的样本点都被排除，原有的样本空间S缩减成为SA＝A。在缩减了的样本空间SA＝A中计算事件B的概率就得到P(B∣A)。(2)在S中计算P(AB)及P(A)，再按(1.1)式求得P(B∣A)。 　　 将(1.1)式写成 P(AB)＝P(B∣A)P(A)， P(A)0． (1.2) 这就是乘法公式。我们常按上述第一种方法求出条件概率，从而按(1.2)式可求得P(AB)。 事件的独立性是概率论中的一个非常重要的概念，概率论与 数理统计中的很多很多内容都是在独立的前提下讨论的。应该注意到，在实际应用中，对于事件的独立性，我们往往不是根据定义来判断而是根据实际意义来加以判断的。根据实际背景判断事件的独立性，往往并不困难。 作业 P41练习1.4 1 2 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 全概率公式的另一种提法: 则 为两两互斥的事件组，且事件 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 称此为逆概率公式或贝叶斯公式. 二、逆概率公式(Bayes公式)（P39） 证明 　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. 逆概率公式(Bayes公式)的使用 我们把事件B看作某一过程的结果， 根据历史资料，每一原因发生的概率已知， 而且每一原因对结果的影响程度已知， 如果已知事件B已经发生，要求此时是由第 i 个原因引起的概率，则用逆概率公式． 逆概率公式(Bayes公式)的使用 我们把事件B看作某一过程的结果， 根据历史资料，每一原因发生的概率已知， 而且每一原因对结果的影响程度已知， 如果已知事件B已经发生，要求此时是由第 i 个原因引起的概率，则用逆概率公式． A1, A2, A3是样本空间的一个分割． 依题意: P(Ai )= 1/3 (i=1,2,3), P(B|A1)=2/3, P(B|A2 )=3/4, P(B|A3 )=1/2, 　某人