《概率论与数学建模》.doc

第六章 概率论与数学建模 一、随机事件及其概率 1.随机事件：可重复；可预测结果且结果明确；试验前出现那个结果不能确定 例如：抛骰子一次，抛一枚硬币三次等。 2.事件的运算及其含义： ：A为B的子事件。其含义是：A发生则B必发生 ：事件A，B相等。其含义是：A发生则B必发生，反之亦然 ：事件A与B的交。其含义是：C发生当且仅当A，B同时发生 ：事件A与B的并（和）。其含义是：C发生当且仅当A，B中至少有一个发生。 ：事件A与B的差。其含义是：C发生当且仅当A发生并且B不发生。 ：事件A与B互不相容。其含义是：A与B不可能同时发生。 ：事件A的对立事件。 3.概率：刻化某一事件在一次试验中发生的可能性大小的数量指标。 (当时，) 4.古典概论：某个试验共有n个等可能的结果（样本点），事件A包含其中m个结果（样本点），则认为就是事件A的概率。这种基于等可能性确定概率的模型称为古典概率模型。 例6.1.1（Monte Hall Problem）20世纪60，70年代，美国“电视游戏秀”曾经非常流行一个名叫“Let’s Make a Deal” 解：从能不能得奖的角度看，这个游戏只有两个结果：不换门得奖（A）、换门能得奖（B）。第一个门是你“三选一”随机（等可能地）挑选的，故P(A)=1/3,自然，另一个结果的概率就是P(B)=2/3。因此，正确的决定是换成那扇门。 例6.1.2（抽签原理）袋中有2只红球8只黑球（除颜色外无法再分辨）。10个人依次摸球，得红球者中奖。求：＝{第k个摸球者中奖}的概率，k=1,2,…,10 解法一：假定对解题者来说这些球可辨别。样本点为一轮抽签结束后这10个球的排列，共有10！个等可能的样本点。事件所含样本点的特征是：两个红球中任选一个排在第k位（有种可能），而其余9个球在其余9个位置上可任意排列（有9！种可能）。因此包含了9！个样本点，故. 解法二：假定球不可辨，只需关注红球落入哪两个人之手，样本空间共有个等可能的样本点。事件发生意味着第k个人得一红球，另一红球落入其余9人中某一人之手，这有种可能，所以 。 例6.1. 模型一：假定球可辨，根据乘法原理，样本空间有个等可能的样本点，而事件A所含的样本点有个（两只球的排列），所以. 模型二：假定球不可辨，则样本空间共有个样本点（两块隔板就可以代表三个盒子，两只球以及两块隔板共4个位置，任选其中两个放置隔板）： 而事件A所含的样本点只有一个。 人的直觉经验一般应该是这样的：从物理学上说，球总是可辨的（难以想象这个球既是这个球又是那个球），所谓不可辨，也只是根据问题或研究的目的，不在乎它们之间的区别而已。如果需要，后三种情形还是可以区别的。因此，现在这6个样本点不是等可能的：前三个均为，后三个均为。故答案应该还是。 例6.1.4 略。 5.条件概率、乘法公式、独立性、全概率公式、贝叶斯公式 （1）条件概率：表示事件B发生的条件下事件A发生的概率。且 (2) 乘法公式：若，有. （3）独立性：若,有或。则称A、B相互独立。 (4)全概率公式：设是S的一个分割，且，则对任一事件,有. 条件全概率公式：设是S的一个分割，且，,,则 例6.1.5 解：设={第n次取出的是红球}，={第n次取出的是黑球}，n=1,2,….根据全概率公式，有 依次递推，易知有。 （5）贝叶斯公式：设是S的一个分割，且，则对概率大于零的事件，有 i=1,2,…,n 例6.1.6一个从不抽烟的60岁男性去医院看病，主诉有症状A={慢性咳嗽及非经常性憋气}，医生安排他做肺部活组织检验，假定检验只有三种可能的结果:={正常（没有严重的肺病）}，={肺癌}，={结节病}。假设医生根据临床经验，得知这三种病与该组症状之间的关联（条件概率）如下： ，， 另外，从疾病资料库中“年龄-性别-抽烟”这个症状组合栏目可以找到，在60岁从不抽烟的男性群体中，患这三种病的先验概率（频率）为 ，， 问：肺部活组织检查前，医生对该名男子应该如何诊断？ 解：用贝叶斯公式，已知症状组合A,三种疾病的条件概率分别为 虽然结节病的先验概率0.009很小，但他患有结节病的后验概率却高达0.8108.也就是说，虽然这组症状与两种疾病（肺癌和结节病）都比较相符，但结合病人的年龄、性别和抽烟等情况综合考虑，应该诊断为结节病。 下面举一个综合运用加法公式、乘法公式、全概率公式、贝叶斯公式和独立性的例子。 例6.1.7一个罪犯单独作案，在现场留下了一些DNA信息。法医研究后发现能够辨别的只有5对，而且无罪的人也可能与