概率论第一章第四节条件概率.pptVIP

引例1 掷一枚硬币两次,观察其出现正反面的情况,设事件B =“至少有一次为正面”,事件A=“两次掷出同一面”. 求已知事件B已经发生的条件下事件A发生的概率. 分析 事件B已经发生的条件下事件A发生的概率: 第四节　条件概率 引例2 n个人摸彩，有1张中彩. 问：第1个人中彩的概率？ 第2个人中彩的概率？ 2) n个人摸彩，有1张中彩. 问：已知第l个人没摸中， 第2个人中彩的概率？ 同理，若 为事件 A发生的条件下B 的条件概率. 一、定义 二、 性质 (条件概率是概率) 年龄 存活概率 0 1.00 20 0.92 40 0.90 例1 乌龟的寿命表 求活到20岁的乌龟再活20年的概率? 乘法公式; 全概率公式； 贝叶斯公式. 三、条件概率的三大公式 3.1 乘法公式 (1) 若 P(B)0，则P(AB) = P(B)P(A|B)； 若 P(A)0，则 P(AB) = P(A)P(B|A). (2) 若 P(A1A2 ······An?1)0，则 P(A1A2 ······An)= P(A1)P(A2|A1) ······ P(An|A1A2 ······An?1) 例2 某班外出聚餐，拨打餐厅订餐电话，由于电话号码中的最后一位数字丢失，故只能随机拨打。求三次之内拨通电话的概率？ 分析：记A=“三次拨通电话”，Ai=“第i次拨通电话”，则 A= A1UA2UA3. 例3 (摸彩模型) n 张彩票中有一张中奖，从 中不返回地摸取，记 Ai =“第 i 次摸到中奖 券”，i=1,……,n. 求 P(Ai)= ? 分析: 注意到 提示: 例4 (波利亚模型) 罐中有 b 个黑球、r 个红球，每次从中 任取一个，取出后将球放回，再加入c 个 同色球和 d 个异色球. (1) 当 c = ?1, d = 0 时，为不返回抽样. (2) 当 c = 0, d = 0 时，为返回抽样. (3) 当 c 0, d = 0 时，为传染病模型. (4) 当 c = 0, d 0 时，为安全模型. 定义: 把样本空间分为n个事件A1,..., An. 若 A1 ,..., An互不相容; (2) 则称事件组A1,..., An为样本空间的一个分割(分划). 若事件B1, B2 , ······, Bn是样本空间?的 一组分割，且 P(Bi)0 (i=1,…,n)，则 3.2 全概率公式 全概率公式用于求复杂事件的概率. 全概率公式最简单的形式： 条件可减弱为: 注记 例5 一批产品来自三个工厂,要求这批产品的合格率.为此对这三个工厂的产品调查,发现甲厂产品合格率为95%,乙厂产品合格率为80%,丙厂产品合格率为65%.这批产品中有60%来自甲厂,30%来自乙厂,余下来自丙厂. 例6 敏感性问题调查 了解某地区的人群吸毒情况. 调查方案: 只需回答下列两个问题之一即可. Q1：你的电话号码最后一位是否是偶数？ Q2：你是否吸过毒？ 步骤：被调查者事先从一个装有红球和白球的罐中有放回的随机抽一只球，若抽出白球则回答问题1；若抽出红球则回答问题2，已知罐中红球的比率为q. 最后,被调查者将问题的答案放回密封箱中. 某人从甲地到乙地，乘飞机、火车、汽 车迟到的概率分别为0.1、0.2、0.3，他等 可能地选择这三种交通工具。若已知他最 后迟到了，求他分别是乘飞机、火车、汽 车的概率. 已知“结果” ，求“原因” 3.3 贝叶斯（Bayes）公式 若事件B1, B2 , ······, Bn是样本空间?的一组分割，且P(A)0, P(Bi)0，则 3.3 贝叶斯（Bayes）公式 1) 条件可减弱为: 2) B1, B2, ..., Bn可以看作是导致A发生的原因; 3) P(Bj|A)是在事件A发生的条件下, 某个原因 Bj 发生的概率, 称为 “后验概率”; 4) Bayes公式又称为“后验概率公式”; 5) 称P(Bj) 为“先验概率”. 几点说明 例7 一批产品由三个厂家供应，其供应量为：甲厂家是乙厂家的2倍；乙、丙两厂相等。各厂产品的次品率为2%,2%,4%. 若从该批产品中随机抽取一件，发现是次品，求它是甲厂生产的概率? 分析: 设A1=“取到甲厂产品”, A2=“取到乙厂产品”, A3=“取到丙厂产品”, B=“取到次品” 则 P(B|A1)=P(B|A2)=2%, P(B|A3)=4%