第一章02条件概率与乘法公式.ppt

chapter1. * * 1.3 条件概率 条件概率是在给定部分信息的基础上对实验结果的一种推断。 例： a）在连续两次抛掷骰子的试验中，已知两粒骰子的点数总和为9，第一粒骰子的点数为6的可能性有多大？ b）在体检时，为检查是否患某种疾病，需要检查某项指标。已知某人的该项指标为阴性，问这个人得病的可能性有多大？ c）在雷达显示屏上出现一个点，这个点代表远处有一架飞机的可能性有多大？ 确切的说：给定一个试验、于这个实验相对应的样本空间和概率律，假设我们已经知道给定的事件B发生了，希望知道另一个事件A发生的可能性。因此，需要构造一个新的概率律，它顾及了事件B已经发生的信息，求出任何事件A发生的概率。 在给定B发生之下事件A的概率，称为条件概率，记为 P(A|B) 例 在掷骰子的试验中，一共有6种等概率的实验结果。如果我们已经知道实验结果是偶数，即2,4,6这3种结果之一发生。这三种结果发生的可能性应该是相等的。这样得到; P(实验结果是6|实验结果是偶数）= 一般的，对于等概率模型，有： n r A B AB Ω m 推广，得条件概率的定义： 其中假定P(B)0 注意“条件概率”和“交事件”概率在语言叙述上的差异。如： A=“次品”，B=“甲生产的产品”则 “甲生产的次品”的概率表示为 n r A B AB Ω m “甲生产的产品中，次品”的概率表示为 1.3.1 条件概率是一个概率律 1）非负性是明显的 2） 满足归一化公理 3）可加性 条件概率完全集中在B上，可以将B以外的结果排除掉，并将B看做新的样本空间. 条件概率的性质： 1）设事件B满足P(B)0,则给定B之下，事件A的条件概率由下式给出： 这个条件概率在同一样本空间Ω上给出了一个新的（条件）概率律。凡是现有的概率律的所有性质对这个条件概率都适用。 2）由于条件概率所关心的事件都是B的子事件，可以把条件概率看作是B上的概率律，即把事件B看成是全空间或必然事件。 3）当试验的Ω为有限集，并且所有实验结果为等可能的情况下（即古典概型），条件概率律可由下式给出： 例1 在连续三次抛掷一个均匀的硬币的试验中，定义 B={正面出现的次数多于反面出现的次数}，A={第一次出现正面} 求P(A|B) 解：这是一个古典概型， Ω={HHH,HHT,HTH,HTT,THH,THT,TTH,TTT}. 事件B={HHH,HHT,HTH,THH}，所以P(B)=4/8 而 故 从而得到： 注：也可以直接根据事件B和 的基本事件数求得。 例2 连续两次掷一枚均匀的骰子，假定36种结果是等可能的，分别记X和Y为第一次和第二次的结果，计算P(A|B),其中 A={max(X,Y)=m},B={min(X,Y)=2} 解：（右图）阴影部分的9个点所代表的实验结果刻画了事件B={min(X,Y)=2} 而事件A={max(X,Y)=m}与事件B相交的部分，当m=3,4,5,6时有两个试验结果，m=2时有一个试验结果，m=1时没有公共元素。于是： 1 2 3 4 5 6 6 5 4 3 2 1 第一次投掷X 第 二 次 投 掷 Y 例3 十个人中有4个女生，从中任挑两名，若已知两人中有一人是女生，求另一人也是女生的概率。 解：设A=“两人中有一人是女生”，B=“另一人也是女生” 则A中有 个结果。 AB={两个人都是女生}，有 例4 某动物活到10岁的概率为0.7，活到12岁的概率为0.56，求现在年龄为10岁的这种动物活到12岁的概率。 解：设x表示动物的岁数，则： P(x10)=0.7,P(x12)=0.56 于是： 个结果。 例5 有两个设计团队，一个比较稳重，记做C,另一个具有创新性,记做N。要求他们在一个月内做一个新设计，从过去经验知道： a）C成功的概率为2/3; b）N成功的概率为1/2; c）两个团队中至少有一个成功的概率为3/4. 已知两个团队中只有一个团队完成了任务。问这个任务是N完成的概率有多大？ 解：共有四种可能的结果： SS：双方成功 FF：双方失败 SF：C成功，N失败 FS：N成功，C失败。 将a),b),c)写成概率等式： P(SS)+P(SF)=2/3, P(SS)+P(FS)=1/2, P(SS)+P(SF)+P(FS)=3/4 结合归一化公理： P(SS)+P(SF)+P(FS)+P(FF)=1 得：P(SS)=5/12; P(SF)=1/4; P(FS)=1/12; P(FF)=1/4 故所求条件概率为： 1.3.2 乘法公式 根据 立即可得： 例1 有一台雷达探测设备