1.4条件概率终稿.ppt

故两个条件概率为 由此可以形象地把全概率公式看成为 “由原因推结果”，每个原因对结果的发生有一定的“作用”，即结果发生的可能性与各种原因的“作用”大小有关. 全概率公式表达了它们之间的关系 . A1 A2 A3 A4 A5 A6 A7 A8 B 诸Ai是原因 B是结果 例 设播种用麦种中混有一等，二等，三等，四等四个等级的种子，分别各占95.5％，2％，1.5％，1％，用一等，二等，三等，四等种子长出的穗含50颗以上麦粒的概率分别为0.5，0.15，0.1，0.05，求这批种子所结的穗含有50颗以上麦粒的概率． 解 设从这批种子中任选一颗是一等，二等，三等，四等种子的事件分别是Ａ1，Ａ2，Ａ3，Ａ4，则它们构成完备事件组，又设Ｂ表示任选一颗种子所结的穗含有50粒以上麦粒这一事件，则由全概率公式： ＝95.5％×0.5＋2％×0.15＋1.5％×0.1＋1％×0.05 ＝0.4825 该球取自哪号箱的可能性最大? 实际中还有下面一类问题，是 “已知结果求原因” 这一类问题在实际中更为常见，它所求的是条件概率，是已知某结果发生条件下，求各原因发生可能性大小. 某人从任一箱中任意摸出一球，发现是红球,求该球是取自1号箱的概率. 1 2 3 1红4白 或者问: 有三个箱子，分别编号为1,2,3，1号箱装有1个红球4个白球，2号箱装有2红球3白球，3号箱装有3红球. 某人从三箱中任取一箱，从中任意摸出一球，发现是红球,求该球是取自1号箱的概率 . 1 2 3 1红4白 ? 某人从任一箱中任意摸出 一球，发现是红球，求该球是取自1号箱的概率. 记 Ai={球取自i号箱}, i=1,2,3; B ={取得红球} 求P(A1|B) 运用全概率公式 计算P(B) 将这里得到的公式一般化，就得到 贝叶斯公式 1 2 3 1红4白 ? 1.4.6 Bayes公式 Bayes公式 称 为后验概率,它是得到了信息 发生, 再对导致 A 发生的原因发生的可能性大小 重新加以修正. 称 P( Bi ) 为先验概率，它是由以往的经验得到的， 它是事件 A 的原因. 全概率----由因求果贝叶斯----执果求因 — A 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. * 在解决许多概率问题时，往往需要在有某些附加信息(条件)下求事件的概率. 1.4 条件概率 如在事件B发生的条件下求事件A发生的概率，将此概率记作P(A|B). 一般 P(A|B) = P(A) 1.4.1 引例：掷一颗均匀骰子 B={掷出偶数点}， P(A|B)=？ 掷骰子 由于已知事件B已经发生，所以此时试验所有可能结果只有3种，而事件A包含的基本事件只占其中一种，故有 P(A|B)= 1/3 A={掷出2点}， 解：掷一颗均匀骰子可能的结果有6种，且它们的出现是等可能的。 P(A)=1/6 上例中 P(A|B) ≠ P(A) 它们不相等的原因在于“事件B已发生”这个新条件改变了样本空间. Ａ 设边长为1个单位 的正方形的面积 表示样本空间S 其中封闭曲线 围成的一切点 的集合表示事件 A 把图形的面积理解为相应事件的概率　　　　 则 P(A)= A的面积/S的面积 ＝A的面积 如果B发生，那么使 得A发生当且仅当样 本点属于AB，因此 P(A|B)应为P(AB)在 P(B)中的“比重” 当已知B发生的情况下，由原来的S 缩减为了B 这就好象给了我们一个“情报”，使我们得以在某个缩小了的范围内来考虑问题. P(A|B)=AB的面积/B的面积 1.4.2 条件概率的定义 . 概率 P(A|B)与P(AB)的区别与联系 联系：事件A，B都发生了 区别： （1）在P(A|B)中，事件A，B发生有时间上的差异， B先A后；在P(AB)中，事件A，B同时发生。 （2）样本空间不同，在P(A|B)中，事件B成为样本 空间；在P(AB)中，样本空间仍为 。 因而有 例1.4.1 某人外出旅游两天, 需知道两天的天气情况, 据预报, 第一天下雨的概率为 0.6,第二天下雨的概率为0.3, 两天都下雨的概率为0.1. 求 第一天下雨时, 第二天不下雨的概率. 设A与B 分别表示第一天与第二天下雨 解: 例1.4.2 设 100 件产品中有 70 件一等品，25 件二等品，规定一、二等品为合格品．从中任取1