1概率论的基本概念§1.4条件概率及有关公式.ppt

* 我们把事件A看作某一过程的结果，把B1，B2，…,Bk，…看作该过程的若干个原因。 那么我们就可以用全概率公式计算事件A发生的概率，即求P(A)。 全概率公式的使用 根据已知条件,每一原因发生的概率已知，即已知P(Bk)。 而且每一原因对结果的影响程度已知, 即已知P(A|Bk)。 * 例1 设有分别来自三个地区的10名、15名和25名考生的报名表，其中女生的报名表分别为3份、7份和5份。随机地取一个地区的报名表，求抽出一份是女生表的概率。 Bi = {报名表是第i区} i＝1, 2, 3 A = {抽到的报名表是女生表} 解：设 P(A|B1)=3/10,P(A|B2)=7/15, P(A|B3)＝5/25 P(Bi)=1/3 (i=1,2,3) P(A)=P(B1)P(A |B1)+ P(B2)P(A|B2)+ P(B3)P(A |B3) =29/90 * 例2 有三个形状相同的罐，在第一个罐中有2个白球和1个黑球，在第二个罐中有3个白球和1个黑球，在第三个罐中有2个白球和2个黑球，现任取一罐，从中取出一球，试求取得白球的概率。 解: A:“取到的是白球” Bi :“球取自第i罐” (i=1,2,3) 则B1, B2, B3是样本空间的一个划分 * 由全概率公式: * 这一类问题在实际中更为常见，它所求的是条件概率，即在已知某结果发生的条件下，求各原因发生可能性大小。 实际中还有下面一类问题——已知结果求原因 某人从任一箱中任意摸出一球,发现是红球, 问该球是取自1号箱的概率？ 或者问: 该球取自哪个号码的箱子的可能性大些? 1 2 3 * 记 Ai ={球取自i号箱}, i=1,2,3; B ={取得红球} 求P(A1|B) 运用全概率公式 计算P(B) 将这里得到的公式一般化，就得到贝叶斯公式。 运用 乘法 公式 * 贝叶斯公式 设B1, B2, …, Bn 是n个互不相容的事件，事件 且P(A)0, P(Bi)0,(i=1,2,…,n),则 贝叶斯公式 分析: * 该公式于1763年由贝叶斯(Bayes)给出。 它是在观察到事件A已发生的条件下，寻找导致A发生的每个原因的概率。 称 P( Bi ) 为先验概率，它是由以往的经验得到的， 它是事件 A 的原因。 称 P(Bi|A)为后验概率，它是得到了信息“A发生”，再对导致A出现的原因发生的可能性大小重新加以修正。 全概率---由因求果 贝叶斯----执果求因 * 例1 某射击小组共有20名射手，其中一级射手4人，二级射手8人，三级射手7人，四级射手1人，一、二、三、四级射手能通过选拔进入比赛的概率分别0.9，0.7，0.5，0.2。现从该射击小组任选一人，若此人已通过选拔进入比赛，问此人是一级射手的概率是多少? 解: A：“任选的一名射手能通过选拔进入比赛” Bi：“任选的一名射手是i级射手” (i=1,2,3,4) 显然，B1、B2、B3、B4是样本空间的一个划分 * 由已知: P(A|B1)=0.9, P(A|B2)=0.7, P(A|B3)=0.5, P(A|B4)=0.2 由贝叶斯公式: “结果?原因” * 例2 某一地区患有癌症的人占0.005，患者对某种试验反应是阳性的概率为0.95，正常人对该种试验反应是阳性的概率为0.04。现抽查了一个人，试验反应是阳性，问此人是癌症患者的概率有多大? 则 表示“抽查的人不患癌症” 解: 设 C={抽查的人患有癌症}， A={试验结果是阳性} 求P(C|A) 已知: P(C)=0.005, P(A|C)=0.95, * 由贝叶斯公式，得 代入数据， 计算可得 P(C|A)=0.1066 现在来分析一下结果的意义 2. 检出阳性是否意味着一定患有癌症? 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, 随意抽查一人, 他是患者的概率P(C)=0.005 已知患者阳性反应的概率是0.95，若做了试验后得阳性反应，则根据试验得来的信息，此人是患者的概率为P(C｜A)= 0.1066 说明这种试验对于诊断一个人是否患有癌症有意义。 从0.005增加到0.1066, 将近增加约21倍。 这种试验对于诊断一个人是否患有癌症 有无意义？ * 2. 检出阳性是否一定患有癌症? 如前所得，试验结果为阳性,此人确患癌症的概率为 P(C｜A)=0.1066 即使受检者检出阳性，也不必过早下结论受检者患有癌症，因为这种可能性只有10.66% (平均来说，1000个人中大约只有107人确患癌症)，此时医生还需要