概率论与数理统计第一章.pptVIP

第一章 概率论的基本概念 第一节 概率论的基本概念 第二节 事 件 的 概 率 第三节 古典概率模型 第四节 条件概率 第五节 事件的独立性 小结 本节首先介绍了随机试验、样本空间的基本概念，然后给出了随机事件的各种运算及运算法则。 小结 本节首先介绍了频率的概念，指出在试验次数充分大条件下，频率接近于概率结论；然后给出了概率的公理化定义及概率的主要性质。 小结 本节首先给出古典概型的定义；然后讨论了古典概型中事件概率求法： 小结 本节首先给出事件独立定义，然后给出独立事件性质定理及多个利用独立性概念方便地计算事件概率的实例。 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. 例 8: 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”. 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)。 已知: P(C)=0.005, P(A|C)=0.95, 现在来分析一下结果的意义 由贝叶斯公式，得 代入数据， 计算得 P(C｜A)= 0.1066。 2. 检出阳性是否一定患有癌症? 1. 这种试验对于诊断一个人是否患有癌症 有无意义？ 如果不做试验, 抽查一人, 他是患者的概率 P(C)=0.005 。 患者阳性反应的概率是0.95，若试验后得阳性反应，则根据试验得来的信息，此人是患者的概率为 P(C｜A)= 0.1066 。 说明这种试验对于诊断一个人是否患有癌症有意义。 从0.005增加到0.1066, 将近增加约21倍。 1. 这种试验对于诊断一个人是否患有癌症 有无意义？ 2. 检出阳性是否一定患有癌症? 试验结果为阳性,此人确患癌症的概率为 P(C｜A)=0.1066。 即使你检出阳性，尚可不必过早下结论你有癌症，这种可能性只有10.66% (平均来说，1000个人中大约只有107人确患癌症)，此时医生常要通过再试验来确认。 贝叶斯公式 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。 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。 8支步枪中有5支已校准过,3支未校准。一名射手用校准过的枪射击时,中靶的概率为0.8;用未校准的枪射击时,中靶的概率为0.3。现从8支枪中任取一支用于射击,结果中靶。 求:所用的枪是校准过的概率。 设A={射击时中靶},B1={使用的枪校准过}, B2={使用的枪未校准},则B1,B2是Ω一个划分,由贝叶斯公式 解: 例9： 解: 例 10: 一批同型号的螺钉由编号为I,II,III的三台机器共同生产。各台机器生产的螺钉占这批螺钉的比例分别为35%,40%, 25%。各台机器生产的螺钉的次品率分别为3%, 2%和1%。现从该批螺钉中抽到一颗次品。求:这颗螺钉由I, II, III号机器生产的概率各为多少? 设A={螺钉是次品}, B1={螺钉由1号机器生产}, B2={螺钉由2号机器生产},B3={螺钉由3号机器生产}。则: 由贝叶斯公式，得 同理, P(B1)=0.35, P(B2)=0.40, P(B3)=0.25, P(A|B1)=0.03,P(A|B2)=0.02,P(A|B3)=0.01。 小结 本节首先介绍了条件概率的定义及其计算公式；然后利用条件概率公式得到了乘法公式、全概率公式及贝叶斯公式；通过多个实例，从各方面分析、讲解了上述公式理论意义、实际意义及应用范围。但这还远远不够，为达到正确理解、熟练运用这些公式的目的，我们还需要做一定数量的习题，并从中揣摩出这些公式的内涵。 湖南商学院信息系 数学教研室 第一章第五节 事件的独立性 显然 P(A|B)=P