概率论与数理统计第一章第五节（概率统计）.pptVIP

由概率乘法公式(1.5.5), 得到 P(AB1)= P(B1)P(A| B1) (2) 我们要求A发生的概率P(A). 显然，取出的合格品与选自哪一箱有关.因为 A=AΩ=A(B1∪B2)=AB1∪AB2, 又 (AB1)(AB2)= , 所以, 由概率加法公式(1.3.3)和概率乘法公式(1.5.5)得到 P(A)=P(A B1)+P(AB2)=P(B1)P(A| B1)+ P(B2)P(A| B2). 由于 P(B1)= , P(A| B1)= P(B2)= P(A| B2)= ， P(A)= P(B1)P(A| B1)+ P(B2)P(A| B2) 故 + = (3) 问题是计算“事件A发生条件下B1发生”的概率, 即条件概率P(B1|A). 讲评 (1) 此题条件概率计算与概率乘法公式综合应用. 是常考题型. (2) 问题(2)是计算受到多个影响关系的事件A概率. 人们经常把事件A分解为若干个互不相容的简单事件之和A=AB1∪AB2, 然后计算这些简单事件的概率, 再利用概率加法公式和乘法公式就可得到所求的结果. 这里所涉及到的公式构成了全概率公式. 3.全概率公式 定理2 (全概率公式) 设试验E的样本空间为Ω, B1, B2,…, Bn为Ω的一个划分, 且 P(Bi)0 (i =1,2,…,n), 则对E的任一事件A, 有P(A)=P(B1)P(A|B1)+P(B2)P(A| B2)+…+P(Bn)P(A| Bn) 或简记为 . (1.5.9) 证 因为 A=AΩ=A(B1∪B2∪…∪Bn)=AB1∪AB2 ∪…∪ABn,由假设P(Bi)0(i=1,2,…,n), 且(ABi) (ABj)= , i ≠ j, i, j=1,2,…,n, 由加法公式和乘法公式, 得到 P(A)=P(AB1) +P(AB2) +…+P(ABn) = P(B1)P(A|B1) + P(B2)P(A|B2) +… + P(Bn)P(A| Bn). ? 讲评 全概率公式是计算概率的一个很有用的公式, 通常把B1,B2,…,Bn看成导致A发生的一组原因. 如若A是“次品”, 必是n个车间生产了次品; 若A是“某种疾病”, 必是几种病因导致A发生; 若A表示“被击中”, 必有几种方式或几个人打中. (1) 何时用全概率公式: 导致事件的发生有几种情形；所述问题先后进行两次试验. (2) 如何用全概率公式: 将几种情形划分为完备事件组；将第一次试验的样本空间分解成两两互斥的完备事件组 全概率公式给出了我们一个计算受到多个影响关系的事件概率的公式: 假B1,B2,…,Bn是Ω的一个划分, 并且已知事件Bi的概P(Bi)(它们是试验前的假设概率, 称为先验概率)及事件A在Bi已发生的条件下的条件概率P(A|Bi), i=1, 2,…,n, 则由全概率公式(1.5.9)就可算出P(A). 4.贝叶斯公式 贝叶斯（Thomas Bayes,1702—1761）， 英国数学家、哲学家、牧师. 一个重要的统计学派以贝叶斯命名. 现在的问题是我们进行了一次试验, 如果事件A确实发生了, 则对于事件Bi(i=1,2,…,n)的概率应给予重新估计, 也就是要计算事件Bi在事件A已发生的条件下的条件概率P(Bi|A)(它们是试验后的事件概率, 常称为后验概率). 下面的贝叶斯公式就给出了计算后验概率P(Bi|A)的公式. 定理3 (贝叶斯公式) 设试验E的样本空间 为Ω. A为E的事件, B1,B2,…,Bn为样本 空间Ω的一个划分, 且P(A)0, P(Bi)0 (i=1,2,…,n), 则 i=1,2,…,n. (1.5.10) 贝叶斯公式(1.5.10)亦称为逆概率公式. 证 由条件概率的定义及全概率公式即得. 在(5.9), (5.10)中取n=2, 并将B1记为B, 此时B2就是 , 那么, 全概率公式和贝叶斯公式分别成为 例 1.5.3 某厂甲、乙、丙三个车间 生产同一种产品, 其产量分别占全