概率论与数理统计ch1-3精选.docVIP

§1.3 条件概率、全概公式和贝叶斯公式 一．条件概率和乘法公式 已知事件A发生，事件B发生的可能性多大？这就是条件概率，记作P(B|A). 例1 一个家庭有两个小孩，假定男、女出生率一样，令B={这两个小孩一男一女}，A={两个小孩中至少有一女孩}.则两个孩子依大小排列的性别为（男，男），（男，女），（女，男），（女，女）的可能性是一样的.也就是说 Ω={（男，男），（男，女），（女，男），（女，女）} 基本事件总数n=4，B的有利基本事件数nB=2，所以 P(B)=2/4=1/2 但若已知A发生了，即至少有一女孩，则考虑B发生的概率时，样本空间就缩减为Ω={（男，女），（女，男），（女，女）}，总数nA=3，而有利基本事件（至少有一女孩，且有一男 一女）数nAB=2,从而 这里P(B|A)≠P(B),说明预知A发生这个信息起了作用. 另外，，所以 定义1.3.1 设A、B为试验E的两个随机事件，且P(A)0，则称 为事件A发生的条件下，事件B发生的条件概率. 将上式变形得 P(AB)=P(A)P(B|A) 称上式为概率的乘法公式. 乘法公式可以推广到n个事件A1, A2, …, An的场合.即 P(A1 A2 … An)= P(A1 )P(A2 |A1)P(A3| A1 A2) …P(An | A1 A2 … An-1) 条件概率的性质: 例2．已知，， 求: , 例3． 某零件寿命超过1年的概率为0.99，超过2年的概率为0.9，求已经使用1年后还能使用1年的概率。 二．全概公式和贝叶斯公式 互斥完备事件组: 设A1, A2, …是随机试验E下的一组事件，如果满足 （1） （完备性） （2）AiAj=φ(i≠j,i,j=1,2,…) （互斥性） 则称A1, A2, …为互斥完备事件组.或称A1, A2, …构成样本空间Ω的一个划分. 显然，若事件组A1, A2, …是的一个划分，则任做一次试验，A1, A2, …中必有且仅有一个发生. 特别地，可列样本空间的所有基本事件构成Ω的一个划分；另外，对于任何事件A，A与是Ω的一个划分. 定理1.3.1 设A1, A2, …是一互斥完备事件组，P(Ai)0,i= 1，2，…，B是任一事件，则有 （1） 称上式为全概公式. （2） 进一步若假设P(B)0，则j= 1，2，… 称上式为贝叶斯公式. 例4 某工厂有四条流水线生产同一种产品，该四条流水线的产量分别占总产量的15%，20%，30%和35%，又这四条流水线的不合格品率依次为0.05，0.04，0.03和0.02.现在从出厂产品中任取一件，问恰好抽到不合格品的概率是多少？ 例5（续例4）在上述例子中，若该厂规定，出了不合格品要追究有关流水线的经济责任.现在在出厂产品中任取一件，结果为不合格品，但该件产品是哪一条流水线生产的标志已经脱落，问这件产品是第4条流水线生产的可能性有多大？ 例7 假定用血清甲胎蛋白法诊断肝癌，设C={被检验者患有肝癌}，A={被检验者被判断患有肝癌}.已知P(A|C)=0.95，，P ( C )=0.0004. 现在若有一人被此检验法诊断为患有肝癌，求此人真正患有肝癌的概率P(C|A). 解 由贝叶斯公式 因此，虽然检验法相当可靠，但是被诊断为肝癌的人确实患有肝癌的可能性并不大，这是一个值得读者进一步思考的结果. Ex1 26, 27, 28, 30 §1.4 事件的独立性及贝努里概型 一．独立性 1．两事件的独立性 定义1.4.1设A、B是任意二事件，若 P(AB)= P(A)P(B)， 则称事件A、B是相互独立的. 例8 掷甲、乙两枚均匀的硬币，设A={甲出现正面}，B={乙出现正面}，证明: A, B 相互独立. 实际过程中，事件间的独立性，常常根据实际意义或试验的独立性（见本节二）来判断而不是根据定义来判断，据此简化概率的计算. 例9 甲、乙两射手向同一目标射击，已知命中率分别为0.92，0.87，试求目标被击中的概率. 定理1.4.1 若事件A、B相互独立，则相互独立；相互独立；也相互独立. 2．多个事件的独立性 定义1.4.2 若A、B、C同时满足 P(AB)=P(A)P(B) P(AC)=P(A)P(C) （1） P(BC)=P(B)P(C) P(ABC)=P(A)P(B)P(C) （2） 则称事件A、B、C是相互独立的. 由这个定义知道，若A、B、C相互独立，则A、B、C