第章概率论与数理统计.pptVIP

(二) 乘法定理： 设P(A)0，则有 P(AB)=P(B|A)P(A) (5.3) In general, if P(AB)0, then P(ABC)=P(C|AB)P(B|A)P(A). (5.4) If P(A1A2…An-1)0, then P(A1A2…An)= P(An |A1A2…An-1) ╳P(An-1 |A1A2…An-2)…P(A2|A1)P(A1) (5.5) 例3．设袋中装有r只红球，t只白球，每次从袋中任取一只球， 观察颜色后放回，并放入a只与所取的颜色相同的球。若 从袋中连续取四次，试求第一、第二次取到红球且 第三、四次取到白球的概率。 解：设Ai={第i次取到红球}, i=1,2,3,4, 则 ={第3次取到白球}， ={第4次取到白球}。 因此，所求事件的概率为 （三） 全概率公式和贝叶斯公式 定义 设S为试验E的样本空间，B1,B2,…,Bn为试验E的 一组事件。如果 1) BiBj=?, i≠j, i,j=1,2,…,n; 2) B1 B2 … Bn=S, 则称B1,B2,…,Bn为样本空间S的一个划分。 B1, B2, …, Bn为S的一个划分，if and only if, B1,B2,…,Bn中必有一个且只有一个发生。 例如：E为“抛一次骰子观察其点数”试验，则 S={1,2,3,4,5,6}, E的一组事件B1={1,2,3}, B2={4,5,6}是S的一个划分。 定理 设试验E的样本空间为S， A为E的事件，B1,B2,…,Bn 为S的一个划分，且P(Bi)0, i=1,2,…,n，则 P(A)=P(A|B1)P(B1)+ P(A|B2 )P(B2) +…+ P(A|Bn)P(Bn) (5.6) (5.6)式称为全概率公式。 证：因 A=AS=A(B1 B2… Bn)= AB1 AB2… ABn, 因P(Bi)0，且(ABi)(ABj)=?, , , 得到 P(A)=P(AB1)+ P(AB2)+…+ P(ABn) = P(A|B1)P(B1)+ P(A|B2)P (B2)+…+ P(A|Bn) P(Bn) 定理 设试验E的样本空间为S, A为E的事件，B1, B2,…,Bn 为S的一个划分，且P(A)0, P(Bi)0, i=1,2,…,n, 则 , (5.7) (5.7)式称为Bayes公式。 证明：由条件概率的定义及全概率公式，得 特别：n=2时， P(A)=P(A|B)P(B)+P(A| )P( ) (5.8) (5.9) 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 调整得良好的概率是多少？ 解：设A={产品合格}, B={机器调整良好}。 已知 P(A|B)=0.98, P(A| )=0.55, P(B)=0.95, P( )=0.05, 由Bayes公式，所求的概率为P(B|A)， 注：95%有以往数据而得，称之为先验概率；所求概率 97%为得到信息后的修正概率，称为后验概率。 例5 某电子设备制造厂所用的元件是由三家元件制造厂 提供的，根据以往的记录有以下的数据： 元件制造厂 次品率 提供元件的分额 1 0.02 0.15 2 0.01 0.80 3 0.03 0.05 设这三家工厂的产品在仓库中是均匀混合的，且无 区别的标志。 （1）在仓库中随机地取一只元件，求它是次