第一章 概率论的基本概念.x.ppt

也可以直接按条件概率的含义来求P(B∣A)。我们知道，当A发生以后，试验E所有可能结果的集合就是A，A中有9个元素，其中只有(1，2)，(1，3)，(2，1)，(2，3)，(3，1)，(3，2)属于B，故可得 乘法定理 　　设P(A)0，则有 P(AB)=P(B∣A)P(A) 上式被称为乘法公式。它可以由条件概率的公式直接推得。 同理，若P(B)0，则有 P(AB)=P(A∣B)P(B) 可以把乘法定理推广到任意n个事件之交的场合：设A1,A2,…,An为n个事件，n≥2,且 P(A1A2…An-1）0，则有 P(A1A2…An）=P(An∣A1A2…An-1）P(An-1∣A1A2…An-2）…P(A2∣A1）P(A1） 例16 设袋中装有r只红球，t只白球。每次自袋中任取一只球，观察其颜色然后放回，并再放入a只与所取出的那只球同色的球。若在袋中连续取球四次，试求第一、二次取到红球且第三、四次取到白球的概率。 解 以Ai(i=l，2，3，4)表示事件“第i次取到红球”，则 分别表示事件第三、四次取到白球，所求概率为 例17 设某光学仪器厂制造的透镜，第一次落下时打破的概率为1／2，若第一次落下未打破，第二次落下打破的概率为 7／10，若前两次落下未打破，第三次落下打破的概率为 9／10。试求透镜落下三次而未打破的概率。 全概率公式 全概率公式是概率论的一个重要公式，应用全概率公式的关键是建立样本空间的正确划分(即构造一个正确的完备事件组)，然后计算各个概率和条件概率，最后代入全概率公式。它是求复杂事件概率的有力工具。 样本空间的划分的定义：设S为试验E的样本空间，B1,B2，…,Bn为E的一组事件。若 ⑴BiBj=?,i≠j,i,j=1,2, …,n; ⑵B1∪B2∪…∪Bn=S, 则称B1,B2, …Bn为样本空间S的一个划分。 全概率公式：设试验E的样本空间为S,A为E的事件， B1,B2，…,Bn为S的一个划分，且P(Bi)0(i=1,2, …,n),则 P(A)=P(A∣B1)P(B1)+P(A∣B2)P(B2)+…+P(A∣Bn)P(Bn). 解 设从这批种子中任选一颗是一等、二等、三等、四等种子的事件分别记为A1,A2,A3,A4，则它们构成样本空间的一个分割。用B表示在这批种子中任选一颗，且这颗种子所结的穗含有50颗以上麦粒这一事件，则由全概率公式得 例18 播种用的一等小麦种子中混合2﹪的二等种子，1.5﹪的三等种子，1﹪的四等种子。用一等、二等、三等、四等种子长出的穗含50颗以上麦粒的概率分别是0.5,0.15,0.1,0.05，求这批种子所结的穗含有50颗以上麦粒的概率。 贝叶斯公式 设试验E的样本空间为S。A为E的事件， B1,B2，…,Bn为S的一个划分，且P(A)0,P(Bi)0(I=1,2, …,n)，则 上式称为贝叶斯(Bayes)公式。 贝叶斯定理往往与全概率公式同时使用。全概率公式一用于“由因求果”问题，而贝叶斯定理一般用于“执果寻因”问题，在使用时要分清是什么问题，确定应用哪个公式。 当n=2时，全概率公式和贝叶斯公式的形式 什么是先验概率和后验概率？ 贝叶斯公式在概率论和数理统计中有着多方面的应用。假定B1,B2,…是导致试验结果的“原因”，P(Bi)称为先验概率，它反映了各种“原因”发生的可能性大小，一般是以往经验的总结，在这次试验前已经知道。现在若试验产生了事件A，这个信息将有助于探讨事件发生的“原因”。条件概率P(Bi∣A)称为后验概率，它反映了试验之后对各种“原因”发生的可能性大小的新知识。例如在医疗诊断中，有人为了诊断病人到底是患了毛病B1,B2,…,Bn中的哪一种，对病人进行观察与检查，确定了某个指标A(譬如是体温、脉搏血液中转氨酶含量等等)，他想用这类指标来帮助诊断。这时就可以用贝叶斯公式来计算有关概率。首先必须确定先验概率P(Bi)，这实际上是确定人患各种毛病的可能性大小，以往的资料可以给出一些初步数据；其次是要确定P(A∣Bi)，这里当然主要依靠医学知识。有了它们，利用贝叶斯公式就可算出P(Bi∣A)，显然，对应于较大P(Bi∣A)的“病因”Bi，应多加考虑。在实际工作中，检查的指标A一般有多个，综合所有的后验概率，当然会对诊断有很大帮助。在实现计算机自动诊断或辅助诊断中，这方法是有实用价值的。 先验概率和后验概率两者间有什么关系？ 先验概率是指根据以往经验和分析得到的概率，如全概率公 式