第二章 条件概率与统计独立性(中山大学).pdf

第二章条件概率与统计独立性 n 萨特，法国思想家、作家， 存在主义哲学的大师： “ Hell is other people ” 他人即地狱 n 对 “我”来说，其他的人就像一个贼，要将 “ 我”的世界偷去，将我纳入他们的轨道中，成 为一个 “在己存有” （being-in-itself ），成为一 个对象或东西。 n What should I do? n Should I be who you want me to be? n Just do it! §1. 条件概率， §1. 条件概率， 全概率公式，贝叶斯公式 全概率公式，贝叶斯公式 一、 条件概率的概念 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. 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) 例如，掷一颗均匀骰子，A={掷出2点}， B={掷出偶数点}，P(A )=1/6 ，P(A |B)= ？ 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 ， 掷骰子 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 . 于是 P(A |B)= 1/3. 容易看到 P(A |B) 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 A={取到一等品}， B={取到正品} 则 P(A )=3/10 ， P(A|B) A={取到一等品} ，B={取到正品} P(A)=3/10 ， 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. 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. 这好象给了我们一个“情报”，使我们得以在某 个缩小了的范围内来考虑问题. 条件概率的直观定义 某个事件发生的 条件概率的直观定义 可能性大小经常会受到另一相关事件发生 与否的影响. 若在事件 A 已发生的条件下 ，事件 B 发生的概率为 p ，则称 p 为在已 知 A 发生的条件下，B 发生的条件概率， 记为 Example n 考虑美国东部某大城市警察局男性与女性警官的升职情 况.警察局有1200名警官，男性960人，女性240人. 在 过去两年中有324名警官得到提升，男性288人，女性36 人. 在浏览了升职记录后，一个由女性警官组成的委员 会指出在升职过程中存在性别歧视. 其依据是升职人数 男性与女性比为288 ：36；而警察局官员否认歧视，认 为男性升职多只是因为警官中男性本来就比女性多很多 . n 经过计算，男性警官升职概率为0.30，女性警官升职概 率为0.15. 条件概率的使用本身不能表明歧视的存在， 1. 在古典概型中，讨论 时，样本空间 已缩小为 “包含 的所有事件”，故 2. 同样，在几何概型中 定义2.1.1 （conditional probability ） 设A 、B是两个事件，且P(B)0,则称 (1) 为在事件B发生的条件下,事件A 的条件概率.