线性代数第一章条件概率、乘法公式.pptVIP

现在来分析一下结果的意义： 由贝叶斯公式，可得 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 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 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意义. P(C｜A)= 0.1066 P(C)=0.005 试验结果为阳性 , 此人确患癌症的概率为 P(C｜A)=0.1066 2. 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. 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. 在贝叶斯公式中，P(Ai)和P(Ai |B)分别称为原因的先验概率和后验概率. * 概率论 概率论 第三节 条件概率和乘法公式 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). 一般地 P(A|B) ≠ P(A) P(A )=3/10， 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) 则 P(A )=3/10， B={取到正品} P(A|B)=3/7 本例中，计算P(A)时，依据的前提条件是10件产品中一等品的比例. A={取到一等品}， 计算P(A|B)时，这个前提条件未变，只是加上“事件B已发生”这个新的条件. 在某个缩小了的范围内来考虑问题. 若事件B已发生, 则为使 A也发生 , 试验结果必须是既在 B 中又在A中的样本点 , 即此点必属于AB. 由于我们已经知道B已发生, 故B变成了新的样本空间 , 于是 有(1). 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. 3. 条件概率的性质 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 掷两颗均匀骰子,已知第一颗掷出6点,问“掷出点数之和不小于10”的概率是多少? 解法1 解法2 解 设A={掷出点数之和不小于10} B={第一颗掷出6点} 应用 定义 在B发生后的缩减样本 空间中计算 例2 甲、乙两厂共同生产1000个零件，其中 300件是乙厂生产的. 而在这300个零件中，有189个是标准件，现从这1000个零件中任取一个，问这个零件是乙厂生产的标准件的概率是多少？ 所求为P(AB). 甲、乙共生产 1000 个 189个是 标准件 300个 乙厂生产 300个 乙厂生产 设B={零件是乙厂生产}, A={是标准件} 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 一场精彩的足球赛将要举行, 5个 球迷好不容易才搞到一张入场券.大家都想去,只好用抽签的方法来解决.　　　 入场 券 5张同样的卡片,只有一张上写有“入场券”,其余的什么也没写. 将它们放在一起,洗匀,让5个人