根据全机率法则.ppt

Try other examples using this table. Let students solve first. Allow about 10 minutes for this. Solution* Using the multiplicative rule, the probabilities are: P(C B) = P(C) P(B| C) = 5/10 * 1/5 = 1/10 ? ? P(B D) = P(B) P(D| B) = 4/10 * 3/4 = 3/10 ? ? P(A B) = P(A) P(B| A) 0 ? ? = 獨立事件 給定A, B ? , 我們稱事件A 與事件B 相互獨立, 如果以下條件成立 因此, 若事件A 與事件B 相互獨立, 則 更多有關獨立的性質 假設A, B 相互獨立, P(A|B) = P(A) 假設A, B 相互獨立, 則A 與 相互獨立 獨立與互斥 互斥: A ∩ B = ? ? P(A ∩ B) = 0 獨立: P(A ∩ B) = P(A)P(B) 當P(A) 0 且P(B) 0, 當兩事件互斥時, 兩事件必不獨立 兩事件獨立時, 兩事件必不互斥 舉例來說, 令A =Yankee 贏球; B =Red Sox 贏球 Yankee 對上Red Sox ? A, B 互斥, 但A, B 不獨立 Yankee 對上White Sox 而Red Sox 對上Giant ? A, B 獨立, 但A, B不互斥 一般化的獨立概念 事件A1, A2, . . . , An 為獨立, 如果對於所有 I ? {1, 2, . . . , n} 而言, 亦即, 對於所有{1, 2, . . . , n} 的子集合, 以上條件都 要成立。 兩兩獨立 事件A1, A2, . . . , An 為兩兩獨立, 如果對於任一對Ai 與 Aj , i ≠ j 而言, P(Ai ∩ Aj ) = P(Ai )P(Aj ). 例子 三事件A1, A2 與A3 為獨立, 須符合以下條件 P(A1 ∩ A2) = P(A1)P(A2) P(A1 ∩ A3) = P(A1)P(A3) P(A2 ∩ A3) = P(A2)P(A3) P(A1 ∩ A2 ∩ A3) = P(A1)P(A2)P(A3) 如果只有條件1 到3 符合, 但是條件4 不符合, 則稱 三事件A1, A2 與A3 為兩兩獨立 貝氏定理 由條件機率定義可以衍伸出的兩個重要概念: 總機率法則 貝氏定理 令A1, A2, . . . , An ? Ω 為狀態空間 Ω 的一個集合分割(partition), 且存在事件T ? Ω 為一機率不為零 之事件: P(T) 0。假設我們已知 P(A1), P(A2), . . . , P(An) (事前機率) P(T|A1), P(T|A2), . . . , P(T|An) (樣本機率) 總機率法則 P(Aj ): 事前機率 P(T|Aj ): 樣本機率 總機率法則 貝氏法則 其中, P(Ai |T) 稱作事後機率統計 例子 考試並非學生用功程度的完美衡量。假設統計期中考具有以下性質: 如果學生用功念書, 有90% 的機率能夠得到高分。然而, 如果學生很混, 有95% 的機率會不及格。此外, 我們知道實際上只有0.1% 的學生是不用功的。請問, 如果吳阿帥在這次考試中不及格,請問他實際上不用功的機率為何? Bayes’s Rule Example A company manufactures mp3 players at two factories. Factory I produces 60% of the mp3 players and Factory II produces 40%. Two percent of the mp3 players produced at Factory I are defective, while 1% of Factory II’s are defective. An mp3 player is selected at random and found to be defective. What is the probability it came from Factory I? Bayes’s Rule Example Factory II Factory I P(I) = .6 P(D|I) = .02 P(G|I) = .98 P(II) = .4