[理学]可靠性数学1.ppt

* * * * * * * * * * 例17 假定盒中有1个黑球与 n – 1个白球，n 个人依次各取一个小球，问第 k ( 1 ≤ k ≤ n )个人取到这个黑球的概率是多少？ 解. 第一种解法：古典概型的理论。 把黑球编成 1 号，其余白球依次为 2，…，n 所有 n 个人的全部取球方式有 n ! 种，而第 k 个人取到黑球则有 (n – 1 ) ! 种情况，因此，所求的概率与 k 无关，为 1/n 。 第二种解法：条件概率的方法。 抽签结果与抽签顺序无关 P { 第一个人取到黑球}显然是 1/n ； P { 第二个人取到黑球} = P { (第一个人取到白球)∩(第二个人取到黑球) } = P (第一个人取到白球) ×P { (第二个人取到黑球) | (第一个人取到白球) } 同理，第三个人取到黑球的概率是： · · · · · · 对于任意第 k 个人的情况，利用若干个随机事件交事件的乘法公式，他取到黑球的概率仍然是： 实际上，如果有 m 个黑球，n – m 个白球，n 个人依次无放回各取走一个小球。则任意的第 k 个人 取到黑球的概率就是 m / n ，与 k 无关。 3. 全概率公式与Bayes(贝叶斯)公式 （1）样本空间 Ω 的划分 ( 或完备事件组 ) 样本空间也可以被划分成无穷多个随机事件的和 定义 如果随机事件A1，A2，…，An 满足： (1) Ai∩Aj =? ,对所有的i≠ j； (2) A1∪A2∪…∪An = Ω . 则称 A1，A2，…，An 是样本空间Ω的一个划分。 （2） 全概率公式与贝叶斯公式 对任意的 i ≥ 1，有： 假定随机事件组 A1，…，An 是样本空间Ω的一个划分，B 是任意的一个随机事件，则： 全概率公式 贝叶斯公式 这一公式最早发表于1763年，当时贝叶斯已经去世，其结果没有受到应有的重视。后来，人们才逐渐认识到了这个著名概率公式的重要性。 现在，贝叶斯公式以及根据它发展起来的贝叶斯统计已成为机器学习、人工智能、知识发现等领域的重要工具。 贝叶斯公式给出了“结果”事件B已发生的条件下，“原因”事件的条件概率。 全概率公式 贝叶斯公式 若干原因 结果 如果把随机事件B 看成是结果，随机事件组 A1，…，An 看成可能导致结果 B 发生的若干原因 贝叶斯公式在决策理论中有重要应用： 不断地根据新得到的信息来修正原来的观点。 从这个意义上讲，它是一个“执果索因”的条件概率计算公式。相对于事件B而言，概率论中把A称为先验概率（Prior Probability），而把B称为后验概率（Posterior Probability），这是在已有附加信息（即事件B已发生）之后对事件发生的可能性做出的重新认识，体现了已有信息带来的知识更新。 用好全概率公式的关键在于构造合适的完备事件组。 通常可以从导致所求事件B发生的原因事件中或者从与之有关的情况事件中去寻找。也可以用A与ā来构造。 例18 产品使用的元件由三个工厂提供，数据如下： 厂家 次品率 所占份额 甲厂 0.02 0.15 乙厂 0.01 0.80 丙厂 0.03 0.05 (1) 随机从仓库取一件，求取到次品的概率； (2) 如果取到次品，最可能是来自哪个工厂的产品？ 最不可能的又是哪个工厂的？ 解. 以 A、B、C 分别表示取到的这个元件来自工厂 甲、乙、丙，D 表示这个元件是次品。因此已知： P (A ) = 0.15, P (B ) = 0.8, P (C ) = 0.05 ; P (D | A ) = 0.02, P (D | B ) = 0.01,P (D | C ) = 0.03 . (2) 根据 Bayes 公式， 同理，P (B | D ) = 0.64 ，P (C | D ) = 0.12 。 这个次品最有可能是乙厂，最不可能是丙厂的。 (1) 根据全概率公式， P (D ) = P