第一章概率论的基本概念.pptVIP

第一章 概率论的基本概念 第二章 随机变量及其分布 第三章 多维随机变量及其分布 第四章 随机变量的数字特征 第五章 大数定律与中心极限定理 * * * * 设在n次试验中，事件A发生m次，事件AB发生k次，于是在事件A发生的条件下，事件B发生的条件频率为 因此 若事件A已发生, 则为使 B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A已发生, 故A变成了新的样本空间 , 于是 有(1). 设A、B是两个事件，且P(A)0,则称 (1) 2. 条件概率的定义 为在事件A发生的条件下,事件B的条件概率. 又可作如下理解： 3. 条件概率的性质(自行验证) 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 由条件概率的定义： 二、 乘法公式 得 P(AB)=P(A)P(B|A) ， 该式称为乘法公式。 乘法公式应用举例 一个罐子中包含b个白球和r个红球. 随机地抽取一个球，观看颜色后放回罐中，并且再加进 c 个与所抽出的球具有相同颜色的球. 这种手续进行四次 ，试求第一、二次取到白球且第三、四次取到红球的概率. （波里亚罐子模型） b个白球, r个红球 于是W1W2R3R4表示事件“连续取四个球，第一、第二个是白球，第三、四个是红球. ” 解 设 Wi={第i次取出是白球}, i=1,2,3,4 Rj={第j次取出是红球}， j=1,2,3,4 用乘法公式容易求出 =P(W1)P(W2|W1)P(R3|W1W2)P(R4|W1W2R3) P(W1W2R3R4) 一个事件发生. 三、全概率公式 某一事件A的发生有各种可能的原因Bi (i=1,2,…,n) ，则由原因Bi引起A发生的概率是 每一原因都可能导致A发生，故A发生的概率是各原因引起A发生概率的总和，即全概率公式. P(ABi)=P(Bi)P(A |Bi) 全概率公式. 我们可以下面这个角度去理解 例：有三箱同型号的灯泡，已知甲箱次品率 为1％，乙箱次品率为2％，丙箱次品率为 3％。现任选一箱并从中任取一灯泡。 （1）求取到次品的概率。 （2）已知取到次品，则此次品来自甲箱的概率为多大？ 贝叶斯公式用于已知某结果发生条件下，探求各原因发生可能性大小. 四、贝叶斯公式 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. 贝叶斯公式从数量上刻划了这种变化 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. 例：有三箱同型号的灯泡，已知甲箱次品率 为1％，乙箱次品率为2％，丙箱次品率为 3％。现任选一箱并从中任取一灯泡。 （1）求取到次品的概率。 （2）已知取到次品，则此次品来自甲箱的概率为多大？ 第六节 独立性 如果 P(A|B)=P(A) 也就是说,已知事件B发生,并不影响事件A发生的概率, 则称事件A、B独立. 一、两事件的独立性 由乘法公式知，当事件A、B独立时，有 P(AB)=P(A) P(B) 若两事件A、B满足 P(AB)= P(A) P(B) 则称A、B相互独立，简称A、B独立. 两事件独立的定义 在实际应用中,往往根据问题的实际意义去判断两事件是否独立. 甲、乙两人向同一目标射击,记 A={甲命中}, B={乙命中}，则A与B相互独立. 例如 一批产品共n件，从中抽取2件，设 Ai={第i件是合格品} i=1,2 若抽取是有放回的, 则A1与A2独立. 因为第二次抽取的结果受到第一次抽取的影响. 又如： 因为第二次抽取的结果不受第一次抽取的影响. 若抽取是无放回的，则A1与A2不独立. 请问：如图的两个事件是独立的吗？ 即 若A、B互斥，且P(A)0, P(B)0,则A与B不独立. 反之，若A与B独立，且P(A)0,P(B)0,则A