第三节 全概率公式及逆概率公式.pptVIP

函数与极限 主要内容 一、全概率公式 二、逆概率公式 全概率公式的使用 我们把事件B看作某一过程的结果， Bayes公式的使用 我们把事件B看作某一过程的结果， 作 业 预习 第三章 定理 设 完备事件组，且 则在事件B已发生的情况下， 的条件概率为 上式就是贝叶斯公式，又称为逆概率公式. 贝叶斯公式在实际中有很多应用，它可以帮助人们确定某结果（事件 B）发生的最可能原因. 该公式于1763年由贝叶斯(Bayes)给出. 它是在观察到事件B已发生的条件下，寻找导致B发生的每个原因的概率. 根据历史资料，每一原因发生的概率已知， 而且每一原因对结果的影响程度已知， 如果已知事件B已经发生，要求此时是由第 i 个原因引起的概率，则用Bayes公式 返回主目录 例4 用血清诊断肝癌，临床实践表明，患肝癌的病人中有95%试验呈阳性，也有2%的非肝癌患者化验呈阳性。若将此法用于人群肝癌普查，设人群中肝癌患病率0.2%，现某人在普查中化验结果呈阳性，求此人确患肝癌的概率。 解 令A=｛被化验者确患肝癌症｝； B=｛被化验者结果呈阳性｝； 解 令A=｛被化验者确患肝癌症｝； B=｛被化验者结果呈阳性｝； 现在来分析一下结果的意义 2. 检出阳性是否一定患有癌症? 1. 这种试验对于诊断一个人是否患有癌症 有无意义？ 如果不做试验,抽查一人,他是患者的概率P(A)=0.002 若试验后得阳性反应，则根据试验得来的信息，此人是患者的概率为 P(A｜B)= 0.087 从0.002增加到0.087，将近增加约43倍. 有意义 2. 检出阳性是否一定患有癌症? 试验结果为阳性,此人确患癌症的概率为 P(A｜B)=0.087 即使你检出阳性，尚可不必过早下结论你有癌症，这种可能性只有8.7% (平均来说，1000个人中大约只有87人确患癌症)，此时医生常要通过再试验来确认. 例5 在某一季节，疾病 的发病率为2%，病人中 40%表现出症状S，疾病 的发病率为5%，其中18% 表现出症状S，疾病 的发病率为0.5%，症状S 在病 人中占60%。问任意一位病人有症状S 的概率有多大？ 病人有症状S时患疾病 的概率各有多大？ 解 由全概率公式得： 由逆概率公式得 贝叶斯公式 在贝叶斯公式中，P(Ai)和P(Ai |B)分别称为原因的先验概率和后验概率. P(Ai)(i=1,2,…,n)是在没有进一步信息（不知道事件B是否发生）的情况下，人们对诸事件发生可能性大小的认识. 当有了新的信息（知道B发生），人们对诸事件发生可能性大小P(Ai | B)有了新的估计. 贝叶斯公式从数量上刻划了这种变化。 小结： 全概率公式 贝叶斯公式 它们是加法公式和乘法公式的综合运用,同学们可通过进一步的练习去掌握它们. 值得一提的是，后来的学者依据贝叶斯公式的思想发展了一整套统计推断方法，叫作“贝叶斯统计”. 可见贝叶斯公式的影响 . * * 高等数学 医用高等数学 概率论与数理统计 复习： 1、概率的加法公式。 2、概率的乘法公式。 （若A，B互不相容时） 独 =P(B)P(A|B) P(AB) =P(A)P(B|A) *3、事件的独立性 显然 P(A|B)=P(A) 这就是说,已知事件B发生,并不影响事件A发生的概率,这时称事件A、B独立. A={第二次掷出6点}， B={第一次掷出6点}， 例如 将一颗均匀骰子连掷两次， 设 定义 若两事件A、B满足P(AB)= P(A) P(B) 则称A、B独立，或称A、B相互独立. 1）设A、B是两事件，若A、B独立，则 P(A|B)= P(A) 或P(B|A)= P(B) .反之亦然. 性质 2）若事件 相互独立，则 也相互独立. 3）若 个事件 是相互独立的， 则有 例6 如果幼儿在学语前就失聪，则很难学会说话，故有“十聋九哑”一说，表明失聪与失语的关系.那么，辨音能力是否也影响辨色能力呢？临床积累的资料见表： 1.0000 0.9950 0.0050 合计 0.9200 0.9145 0.0046 非色盲（ ） 0.0800 0.0796 0.0004 色盲（B） 合计 非聋（ ） 耳聋（A） 解 两者是否相互联系可由事件A和B是否相互独立 来判断.已知 由于 故A与B相互独立，从而推断两种状态无联系. 例7 甲、乙两名射手同时向一个目标进行射击，甲命中率