贝叶斯公式和全概率公式翻译.docxVIP

全概率公式和贝叶斯公式的定义和应用　回想起对于任何事件，对于事件和具有交集且交集是空集，而结合表示全体样本空间。事实上，这对事件是样本的分割的特殊情况空间，以下用表示。1.样本空间分割和全概率公式分割的定义一个事件的样本空间集合（或全体），如果满足：（i）是互斥事件;（ii）则称为分割。说明性实例在十九世纪，门德尔进行了一个著名的实验，导致了基本遗传原理的第一次公布。他同时观察繁殖杂交品种的豌豆颜色（绿色或黄色）和后代豌豆的光滑度（圆形或皱纹）。如果表示所有豌豆参与豌豆育种实验的集合，并且：表示圆绿豌豆的亚群;表示圆黄豌豆的亚群;表示皱纹绿豌豆的亚群;表示皱纹黄豌豆的亚群;那么表示的分割。全概率公式假设事件集合构成样本空间的一个分割。假设每一个 ，然后对于任何事件,我们有： （1）证明：它遵循概率的多重定律，对于每一个，另一方面，由于事件是互斥的，我们可以得到这些事件也是相互排斥的。此外注意： （2）如果学生试图通过使用维恩图来验证（2）是有启发性的。然后应用概率的加法定律（2）给出（1）。说明性实例：已知某种疾病的诊断测试是95％准确的，即，如果一个人患有该疾病，则该测试将以概率0.95检测它。 此外，如果该人没有疾病，测试将报告他们没有疾病的概率为0.95。 此外，从先前的数据已知仅1％的群体具有这种特定的疾病。 随机选择的某个人的概率是否会被检测为阳性？解：让表示一个人被测试为阳性的事件；表示一个人测试错误的事件；表示人患有疾病的事件。然后从上述条件得出结论：， ， 特别的，因为：我们有现在我们应用来自（1）的全概率公式和，，，得到：　 　 ２．贝叶斯规则这个重要的公式使得人们能够计算条件概率原来的条件现在变成有趣的事件。假设集合构成样本空间的一个分割。 假设每个，都有：， 确定任何事件.然后对于任何给定的， （3）关于贝叶斯定理的关键事情是，信息将是给出一个问题的条件概率，即，出现在方程的右手边，而寻求的是其中之一条件概率，其中事件和从给定的信息中被“逆转”。即，假设发生， 发生“通过”的概率是多少。贝叶斯定理证明：注意，通过概率的乘法定律，（3）右边分数的分子可以改写为同时，通过全概率公式（上述公式（1）），（3）右边的分数的分母等于因此，（3）的右边等于通过条件概率的定义。3.示例说明性示例1.不同的疾病产生是相当普遍的相似或甚至相同的症状。假设任何一种疾病，， 或导致相同的一组症状，以下表示为。为简单起见假设疾病，和是互斥的，并且存在没有其他疾病导致相同的一组症状。假设概率的这三种疾病是：，，，以及发生一系列症状的机会，给定一种特定的疾病是：，，如果病人发展出一系列症状他们有病的概率是多少？解：首先注意事件集合，和一起不表示分割。因此，将定义为不遭受任何，和，即，和的并集的互补然后我们有：然而：应用贝叶斯规则得出给定的条件概率症状一个人确实有疾病，即是： 注意，在上述问题开始时给出的数据涉及到条件概率“给定，给定， 给出，给定”，但是所寻求的是 “给定”的条件概率涉及到问题中给定数据的条件的相反。这是贝叶斯定理的应用原型情况。说明性示例2.在本示例中，我们考虑一种情况,把前面的第2页和第3页的的例子插入下面的全概率公式。假设我们关心的是白血病的医学测试。让: 表示测试是肯定的事件，暗示该人具有白血病；表示测试是否定的事件，表明人没有有白血病；表示被测试者患有白血病的事件；表示被测试者没有白血病的事件。这是白血病的医学测试不是完全准确的情况。大多数时候，如果有白血病，测试将是正的。过去记录。同样，如果没有白血病，测试通常为负。同样，已知的是，尽管如此，有些人有时测试为正，但却不是，事实上，没有疾病;并且一些人测试为负，但确实有疾病。如果我们也知道，找到：（a）假阳性检验的概率；（b）假阴性检验的概率。解。 （a）再次注意，在这个问题我们给出条件“给定， 给定”的概率，但被要求找到条件概率，事件和，事件具有“逆转”。因此，我们采用贝叶斯规则。这产生因此并且我们得到：特别是，这意味着：（b）尝试以类似的方式计算（答案：）。3