2012考研数学讲义75.docVIP

考研数学讲（75）条件概率寻常事 在事件B发生的条件下事件A发生的概率称为条件概率。 记为 P（A∣B），且定义 P（A∣B）= P(AB）∕P（B） ， P（B）＞ 0 人们通常会用两种方式来表示整体与部分的关系。或者用实在数据；或者把整体视为1，用比例来表示部分。 在可以用“文氏图”示意的情形，不太严格地说，样本空间及事件就是具体实在，相应概率就好比是“比例”描述。条件概率则是把概率P（B）作为新的总体1，计算P（AB）相对所占的“比例”。在古典概率情形，这个比方尤其直观。 若事件 A含于B ，即 AB = A ， P（A∣B）= P(AB）∕P(B) = P(A)∕P(B) 若事件A与B互斥，即 AB = Φ（空集），P(AB）= 0 ， P（A∣B）= 0 若事件A与B相互独立，P(AB) = P(A) P(B) ，则 P（B）＞ 0 时 P（A∣B）= P(AB）∕P（B）= P(A) P(B) ∕P（B）= P(A) ， 条件概率的定义在这时正好显示，从逻辑上看，事件 A 与 B相互独立，本质上是发生与否，互不影响，彼此无关。而事件 A 与 B 互斥，却是一个特定关系。 “两个事件能否既互斥又相互独立？”由上述可知，从逻辑上看是不可能的。从概率上看，若两个事件的概率都不为0，则也是不可能的。 在建模实践中，为了简单起见，在不少场合选择了相互独立的最佳状态。比如，射击运动员连续射击多发子弹；乒乓球运动员连续比赛若干局，……，等等；都假设各次射击，各局比赛相互独立。构成n重贝努里概型。 在实际问题中，有时能简便地直接按照实际状况算得条件概率。比如摸球模型。 袋中有20个红球10个黑球，如果每次摸出一球，然后放回去再摸第二次，若以摸出红球为成功，p = 2/3 ，各次摸球相互独立，就构成 n 重贝努里概型。如果第一次摸得红球而不放回去，第二次摸得黑球的概率就是条件概率。这时由实际数据能直接算得 P（第二次摸得黑球∣第一次摸得红球）= 10/29 P(AB）= P（第一次摸得红球，第二次摸得黑球）= P（B）P（A∣B） = P（第一次摸得红球）·P（第二次摸得黑球∣第一次摸得红球）= 20/87 用二维模型才能更好地理解这个交事件的概率。 先后两次摸球（第一次不放回）的基本点有：（红，红），380个；（ 红，黑），200个； （黑，红），200个；（黑，黑），90个；共计870???。 所以 P（红，黑）= 有利点数∕基本点总数 = 20/87 “随机向量事件”概率定义的内核是“交事件的概率”。可以从这里开始体验。 ? 例20 A，B 是两个随机事件，且 B 发生则 A 必定发生。则下列式子中正确的是 ?（A） P (A + B）= P（A） （B） P (AB）= P（A） ?（C） P（B∣A）= P（B） （D） P (B－A）= P（B）－ P（A） 分析 事件 B 发生则 A 必定发生，说明 A包含B ，而 A + B就是A ；也表明B－A是不可能事件；AB = B；故（B）（D）错。应选（A）。 （C）错，是因为此时有 P（B∣A）= P（B）∕P（A） ? 例21 已知 0＜P(B)＜1 ，且P(A1+A2∣B) = P(A1∣B) + P(A2∣B)，则有 ???????????? (A) P(A1+A2∣Bˉ) = P(A1∣Bˉ)+ P(A2∣Bˉ) (B) P(A1B+A2B) = P(A1B)+ P(A2B) ???????????? (C) P(A1+A2) = P(A1∣B) + P(A2∣B) (D) ?P(B) = P(A1) P(B∣A1)+ P(A2) P(B∣A2) 分析 老老实实按照条件概率的定义重写已知条件。得 P((A1+A2)B) ∕P（B）= P(A1B) ∕P（B）+ P(A2B) ∕P（B） 去分母后，刚好是（B）。即 A1B 和 A2B 互斥 ? 例22 A，B是两个随机事件，且0＜P(A)＜1 ，P(B)＞ 0，P(B∣A) = P(B∣Aˉ) 则必有 (A) P (A∣B) = P (Aˉ∣B) (B) ? P (A∣B) ≠ P (Aˉ∣B) (C) P (AB）= P (A) P (B) (D) P (AB）≠ P (A) P (B) 分析 首先用条件概率定义转换已知的条件概率等式 P(BA) ∕P（A）= P (B Aˉ) ∕P（Aˉ） 即 P（Aˉ）P(BA) = P（A）P(BAˉ) 即 (1－ P（A）) P(BA) = P（A）P(B Aˉ) 移项