1-4条件概率及其应用.pptVIP

* §1.4 条件概率及其应用 一、条件概率 二、 乘法公式 三、 全概率公式与贝叶斯公式 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. 一、条件概率 1. 条件概率的概念 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) P(A )=1/6， 例如，掷一颗均匀骰子，A={掷出2点}， B={掷出偶数点}， P(A|B)=？ 掷骰子 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， 于是P(A|B)= 1/3. 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A中， 容易看到 P(A|B) P(A )=3/10， 又如，10件产品中有7件正品，3件次品，7件正品中有3件一等品，4件二等品. 现从这10件中任取一件，记 B={取到正品} A={取到一等品}， P(A|B) 设A、B是两个事件，且P(B)0,则称 (1) 2. 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. 含义：A在B中所占的比例 3. 条件概率的性质 设B是一事件，且P(B)0,则 1. 对任一事件A，0≤P(A|B)≤1; 2. P (S | B) =1 ； 3.设A1,…,An互不相容，则 P[(A1+…+An )| B] = P(A1|B)+ …+P(An|B) 而且，前面对概率所证明的一些重要性质 都适用于条件概率. ▲ 条件概率符合概率定义中的三个条件： 2)从加入条件后改变了的情况去算 4. 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 例1 袋中有6只球,其中4只白球,2只红球.六个人依次不放回的从袋中各取一球. 设 A1={第一人取出的是白球}, A2={第二人取出的是白球} 求 解法1: 用定义 解法2: (从A1发生后改变了的样本空间去计算) (P16,例2) 例2 一次掷两颗骰子,设 A={两颗骰子的点数和为8}, B={两颗骰子中至少有一个3点} 求条件概率 解: B={(3,1),(3,2),(3,3),(3,4),(3,5,(3,6),(1,3),(2,3),(4,3),(5,3),(6,3)} 解法1: 用定义 A={(2,6),(3,5),(4,4),(5,3),(6,2)} (P17,例3) 解法2: 从A发生后改变了的样本空间去计算 同理 新的样本空间为 A={(2,6),(3,5),(4,4),(5,3),(6,2)}（含5个样本点）， 在A中B包含两个样本点，故 例3 设M件产品中包含m件次品，今从中任取两件，求已知2件产品中至少有一件是次品的条件下两件都是次品的概率。 解: 设A={两件中至少有一件是次品} B={两件均为次品} (P17,例4) 由条件概率的定义： 即 若P(B)0,则P(AB)=P(B)P(A|B) (2) 而 P(AB)=P(BA) 二、 乘法公式 若已知P(B), P(A|B)时, 可以反求P(AB). 将A、B的位置对调，有 故 P(A)0,则P(AB)=P(A)P(B|A) (3) 若 P(A)0,则P(BA)=P(A)P(B|A) (2)和(3)式都称为乘法公式, 利用 它们可计算两个事件同时发生的概率 P(AB)0时, P(ABC)=P(A)P(B|A) P(C|AB) 推广到多个事件的乘法公式: 当P(A1A2…An-1)0时，有 P (A1A2…An）=P(A1)P(A2|A1) …P(An| A1A2…An-1) 例4.一盒中有10只电子元件,其中6只正品4只次品,从盒中任取3次,每次取1只,不放回.求: (1)3次均取得正品的概率; (2)第三次才取得正品的概率 解: Ai={第i次取出是正品}， i=1,2,3 (1) (2) (P18,例5) 乘法公式应用举例 （波里亚罐子模型） t个白球, r个红球 (P18,例6) 例5 一个罐子中包含r只红球和t只白球. 随机地抽取一个球，观看颜色后放回袋中，并且再加进a只与所抽出的球具有相同颜色的球. 若在袋中连续取球四次，试求第一、二