概率论1.3精要.ppt

条件概率的性质 例1 盒中有4个外形相同的球，它们的标号分别 1、2、3、4，每次从盒中取 1 球，有放回 地取两次。设A={取出的两球标号之和为4}， B={第一次取出球的标号为2}，试求P(A|B)。 说明 我们把事件 A 看作某一过程的结果， 说明 我们把事件 A 看作某一过程的结果， 30% 20% 50% 2% 1% 1% 由已知 故，由全概率公式得 　　　 例7（接例4）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 贝叶斯公式 实际中还有下面一类问题，“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，即已知结果发生的条件下，求某 原因发生可能性的大小。 　　　 解 记 A={取得红球} 显然，B1、B2、B3 是样本空间的划分 1 2 3 Bi={球取自i 号箱} i=1, 2, 3; 运用全概率公式 计算P(A) 将这里得到的公式一般化，就得到 贝叶斯公式 设 S 为试验 E的样本空间，A为E的事件，B1,…Bn为 S的一个划分，且 则 上式称为贝叶斯公式 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， 看作该过程的若干个原因。 把 L n B , L , B , 2 B 1 如果已知事件A已经发生，要求此时是由 第 i个原因引起的概率，则用Bayes公式 例8 对以往数据的分析结果表明，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，产品的合格率为55%。每天 早上机器开动时，机器调整得良好的概率为 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” 显然 B =“机器调整良好” =“机器发生故障” 故，B、 是样本空间的划分 故，由贝叶斯公式得 由已知 概率 0.95 是由以往的数据分析得到的, 叫做先验概率，而在得到信息后再重新 加以修正的概率 0.97叫后验概率. 即，当生产出的第一件产品是合格品时， 此时机器机器调整良好的概率为0.97 在贝叶斯公式中，P(Bi)和P(Bi |A)分别称为 原因的先验概率和后验概率。 P(Bi) (i=1,2,…,n) 是在没有进一步信息 （不知道事件 A 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 A 发生），人们对 诸事件发生可能性大小 P(Bi | A) 有了新的 估计。 贝叶斯公式从数量上刻划了这种变化。 注 * §5 条件概率 一 条件概率 在实际应用中，除了要研究事件 A 的概率 P(A) 之外，有时还需要研究在事件 B 已经 发生的条件下，事件A发生的概率。我们称 这种概率为事件 B 已发生的条件下事件 A 发生的条件概率，记为 P( A | B ) 一般说来， P (A|B) ? P(A) P(A ) =1/6， P(A|B) =？ 例如 掷一颗均匀骰子 A ={掷出2点}， B ={掷出偶数点}， 掷骰子 注：已知事件B发生，此时试验 所有可能结果构成的集合就 是 B 。 B中共有3 个元素，它们的 出现是等可能的，其中只有 1个在集合 A中 显然 P(A|B)= 1/3 容易看到 可以证明，在古典概型下，若 P(B)0, 有 条件概率 P(A|B) 的实质就是在缩减的样本空间 B上事件 A 的概率。 由于已知事件B已经发生，原样本空间 S 缩减为 B，在该空间上再进一步计算事件 A 发生的概率。 条件概率 P(A|B) 的实质 设A、B是两个事件，且P(B)0，则称 条件概率的定义 为在事件 B 发生的条件下，事件 A 的 条件概率. 3 可列可加性：设 A1 ,…, An …互不相容，则 1 非负性：对任一事件A，0≤P(A|B)≤1 2 规范性： P (S| B) =1 ； 可以证明，前面对概率所证明的一切性质， 也都适用于条件概率。 （2）在缩减的样本空间上计算 条件概率的计算 （1）用定义计算 P(B) 0 掷骰子 例 A={掷出2点}，B={掷出偶数点} P(A|B）= B 发生后的缩减样本 空间所含样本点总数 在缩减样本空间中 A 所含样本点个数 其中 ( i, j ) 表示