第三节 条件概率与乘法公式课件.pptVIP

第三节 条件概率与乘法公式 朋友说这数字没错，但两棵炸弹与你坐不坐飞机有什么关系？他很得意的说：当然有关系啦．不是说同时有两棵炸弹的可能性很小吗，我现在自带一颗．如果飞机上另外再有一颗炸弹的话，这架飞机上就同时有两棵炸弹．而我们知道这几乎是不可能的，所以我可以放心地去坐飞机．  伊索寓言“孩子与狼”讲的是一个小孩每天到山上放羊，山里有狼出没。第一天，他在山上喊“狼来了！狼来了！”，山下的村民闻声便去打狼，发现狼没有来；第二天仍是如此；第三天，狼真的来了，可无论小孩怎么喊叫，也没有人来救他，因为前两次他说了谎，人们不再相信他了。 小结 贝叶斯公式 该公式于1763年由贝叶斯(Bayes)给出. 它是在观察到事件B已发生的条件下，寻找导致B发生的每个原因Ak的概率. 贝叶斯 Thomas Bayes，英国数学家，1702年出生于伦敦，做过神甫. 1742年成为英国皇家学会会员. 1763年4月7日逝世. 贝叶斯在数学方面主要研究概率论. 他对统计推理的主要贡献是使用了“逆概率”这个概念, 在1763年提出了著名的贝叶斯公式. 所以这件商品最有可能是甲厂生产的. 例4 已知三家工厂的市场占有率分别为30％、20％、50％, 次品率分别为3％、3％、1％.如果买了一件商品，发现是次品，问它是甲、乙、丙厂生产的概率分别为多少? 0.3, 0.2, 0.5 0.45, 0.3, 0.25 解 全概率公式可看成 “由原因推结果” ,而贝叶斯公式的作用在于 “由结果推原因” :现在一个 “结果” A 已经发生了，在众多可能的 “原因” 中,到底是哪一个导致了这一结果？ 故贝叶斯公式也称为“逆概公式”. 在不了解案情细节(事件A)之前，侦破人员根据过去的前科，对他们作案的可能性有一个估计，设为 比如原来认为作案可能性较小的某丙，现在变成了重点嫌疑犯. 例如，某地发生了一个案件，怀疑对象有甲、乙、丙三人. 丙 乙 甲 P(A1) P(A2) P(A3) 但在知道案情细节后, 这个估计就有了变化. P(A1 | B) 知道B 发生后 P(A2 | B) P(A3 | B) 偏小 最大 在实际工作中检查的指标 B 一般有多个，综合这些后验概率，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，这一方法是有实用价值的. 下面举一个实际的医学例子，说明贝叶斯公式在解决实际问题中的作用. 解 例5 因此，虽然检验法相当可靠，但被诊断为患肝癌的人真正患病的概率并不大，其主要原因是人群中患 肝癌的比例相当小.当然，医生在公布某人患肝癌之前，是不会只做一次或一种检验，还会辅以其他检验手段. 思考：诊断为无病,而确实没有患病的概率为多少？ 现在用贝叶斯公式来分析此寓言中村民对这个小孩的可信程度是如何下降的。 条件概率 乘法公式 全概率公式与贝叶斯公式 小结 在解决许多概率问题时，往往需要在有某些附加信息(条件)下求事件的概率. 一、条件概率 1. 条件概率的概念 如在事件B发生的条件下求事件A发生的概率，将此概率记作P(A|B). 一般地 P(A|B) ≠ P(A) P(A )=1/6， 例如，掷一颗均匀骰子，A={掷出2点}， B={掷出偶数点}， P(A|B)=？ 掷骰子 已知事件B发生，此时试验所有可能结果构成的集合就是B， P(A|B)= 1/3. B中共有3个元素,它们的出现是等可能的,其中只有1个在集A中. 容易看到 P(A|B) 于是 P(A )=3/10， 又如，10件产品中有7件正品，3件次品，7件正品中有3件一等品，4件二等品. 现从这10件中任取一件，记 B={取到正品} A={取到一等品}， P(A|B) 则 若事件B已发生, 则为使 A也发生 , 试验结果必须是既在 B 中又在A中的样本点 , 即此点必属于AB. 由于我们已经知道B已发生, 故B变成了新的样本空间 , 于是 有(1). 设A、B是两个事件，且P(B)>0,则称 (1) 2. 条件概率的定义 为在事件B发生的条件下,事件A的条件概率. 即“事件B已发生”相当给了我们一个“情报”，使我们得以在某个缩小了的范围内来考虑问题. 3. 条件概率的性质(自行验证) 2)从加入条件后改变了的情况去算 4. 条件概率的计算 1) 用定义计算: P(B)>0 掷骰子 例：A={掷出2 点}， B={