1.4概率的计算公式
§1.4 条 件 概 率(一,二)
注意P(AB)与P(A | B)的区别! 与 的区别! 注意 的区别
请看下面的例子
乙两厂共同生产1000个零件,其中 个零件, 例2 甲、乙两厂共同生产 个零件 其中300 件是乙厂生产的. 而在这300个零件中,有189个 个零件中, 件是乙厂生产的 而在这 个零件中 个 是标准件,现从这1000个零件中任取一个,问这 个零件中任取一个, 是标准件,现从这 个零件中任取一个 个零件是乙厂生产的标准件的概率是多少? 个零件是乙厂生产的标准件的概率是多少? 乙厂生产} 设B={乙厂生产 乙厂生产 A={标准件 标准件} 标准件 所求为P(AB). 所求为
1 1 6 P( AB) = P(B|A) = = 3 3 6 P( A)
又如, 件产品中有 件正品, 件次品 件产品中有7件正品 件次品, 又如,10件产品中有 件正品,3件次品, 7件正品中有 件一等品,4件二等品 现从这 件正品中有3件一等品 件二等品. 件正品中有 件一等品, 件二等品 10件中任取一件,记 件中任取一件, 件中任取一件 B={取到一等品 , 取到正品 取到一等品}, 取到正品} 取到一等品 A={取到正品 P(B )=3/10, ,
P( AB) P(B | A) = P( A)
为在事件A发生的条件下 事件 的条件概率. 为在事件 发生的条件下,事件 的条件概率 发生的条件下 事件B的条件概率
3. 条件概率的性质 自行验证 条件概率的性质(自行验证 自行验证) 是一事件, 设A是一事件,且P(A)>0,则 是一事件 则 1. 对任一事件 ,0≤P(B|A)≤1; 对任一事件A, 2. P ( | A) =1 ; 3.设B1,…,Bn互不相容,则 设 互不相容, P[(B1+…+Bn )| A] = P(B1|A)+ …+P(Bn|A) 而且, 而且,前面对概率所证明的一些重要性质 都适用于条件概率. 都适用于条件概率 请自行写出. 请自行写出
概率统计第1章1.4-1.5
4
4
P(B A) P( AB) P(B) 1 / 4 1 / 3
P( A) P( A) 3 / 4
§1.4 条件概率与乘法公式 1.4.1 条件概率
【例1.14】某家庭中有两个孩子, 已知其中至少有一个是男 孩, 求两个都是男孩的概率(假设男、女孩出生率相同).
解:用g代表女孩, b代表男孩 A =“该家庭中至少有一个男孩”, B =“两个都是男孩”, 注:在事件A发生条件下, 该家庭两个孩子的情况只能是 bb, bg, gb三种情况之一, 即此时样本空间缩小为
n
n
P(B) P( (BAi )) P(BAi )
i 1
i 1
§1.5 全概率公式和贝叶斯公式
1.5.1 全概率公式
【定理1.2】设试验E的样本空间为 , A1, A2, …, An为E的 一组事件, 且满足:
(1) A1, A2, …, An两两互不相容, P(Ai) > 0 i =1, 2, …, n
1.4.1 条件概率
【例1.13】定义1.6 设A与B是同一样本空间中的两个事件, 若P(A) > 0,则称 P(B A) P( AB)
P( A) 为在事件A发生下的事件B发生的条件概率.
不难验证,条件概率 满足概率定义1.5中的三条公理:
(1) 非负性:对任意事件B,P(B | A) = 0;
【例1.16】某人忘记了电话号码的最后一位数字, 因而他随 意地拨号. 求他拨号不超过三次而接通电话的概率.
解:设Ai =“第i次接通电话”, i = 1, 2, 3 B =“拨号不超过3次接通电话”
则 B A1 A1 A2 A1 A2 A3 利用概率的加法公式和乘法公式
P(B) P( ) P( A1 A2 ) P( A1 A2 A3 ) P( A1 ) P( A1 )P( A2 | A1 ) P( A1 )P( A2 | A1 )P( A3 | A1 A2 ) 1 9 1 9 18 3
1.4(条件概率与乘法公式)
. P( A) 2
方法2[在缩减样本空间A中计算]
“第一次取一等品的两只”均为A所含样本点,共有
C C 12 ,其中两只均为一等品的为AB所含样本点,
1 3 1 4
1 1 共有C3 C2 6, 故由古典概率公式得: ■
P( B | A)
6 12
1 2
.
AB
A
S
1.4.1 条件概率
P(A B) P ( AB ) P(B)
(1.3)
不难看出,计算条件概率P(B|A)有两种方法:
在原样本空间 中分别求出P(A),P(AB),再 按定义公式计算; 在缩减样本空间A中按一般概率P(B)计算。
【例1】一盒子装有5只产品,其中3只一等品,2只二
等品。从பைடு நூலகம்取产品两次,每次任取一只,作不放回抽样。
P ( Bi | A )
i1
P ( Bi A )
i1
所以,条件概率P(· A)也满足概率的所有其他性 | 质.
1.4.1 条件概率
例如:
( 4 ) P ( A1 A2 B ) P ( A1 B ) P ( A2 B ) P ( A1 A2 B );
( 5 ) P ( A B ) 1 P ( A B ).
(6 ) 可列可加性 的事件 , 则有 : 设 B1 , B 2 , , B n 是两两不相容
n P Bi A i1
n
P ( B i A ).
i1
1.4.1 条件概率
【例1.11】设某种动物从出生起活20岁以上的概率 为80%,活25岁以上的概率为40%.如果现在有一 个20岁的这种动物,求它能活25岁以上的概率.
概率论1.4贝努利公式
1、A、B相互独立, P( A) 0, P( B) 0, 则一定有 P( A B) (
A.
P( A) P( B)
).
B. P( A) P( B)
C. 1 P( A) P( B)
D. 1 P( A) P( B)
2、甲乙两人独立破译密码,若他们各人译出的概率均 为0.25,则这份密码能破译的概率为( ). 3、若A、B相互独立, P( A) 0.5, P( B) 0.6, 则 P( A B) ( ). A. 0.9 B. 0.7 C. 0.2 D.0.1 4、A、B为两个随机事件,若A,B之积为不可能事件, 则称 A. A与B 相容 B. A与B互不相容 C. A与B 互为独立 D. A与B为样本空间的一个划分
(2)家庭中有三个小孩。 解 情形(2)的样本空间为
Ω ={(男男男),(男男女),(男女男),(女男男) (男女女),(女男女),(女女男),(女女女)}
6 1 3 P( A) , P( B) , P( AB) 8 2 8
此种情形下,事件A、B是独立的。
定理
下列四组事件,有相同的独立性:
P( B)
贝叶斯公式 Bayes’ Theorem
设A1,A2,…, An构成完备事件组,且诸P(Ai)>0)
B为样本空间的任意事件,P( B) >0 , 则有
P ( Ak | B )
P ( Ak ) P ( B | Ak )
P( A ) P( B | A )
i i i 1
n
证明
P ( Ak B ) P ( Ak B ) P( B)
(2)家庭中有三个小孩。
解 情形(1)的样本空间为 Ω ={(男男),(男女),(女男),(女女)}
1.3,1.4条件概率,全概率公式
C表示抽到的人有色盲症。
则
1 P( A) P( B) , P(C | A) 0.05, P(C | B) 0.0025 2
由Bayes公式有
P( A) P(C | A) 0.5 0.05 P( A | C ) P( A) P(C | A) P( B) P(C | B) 0.5 0.05 0.5 0.0025
2 1 3 2 2 , 5 4 5 4 5
P( A3 ) P( A3) P( A3 ( A1 A2 A1 A2 A1 A2 ))
P ( A1 A2 A3 ) P ( A1 A2 A3 ) P ( A1 A2 A3 )
P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 ) P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 ) P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 )
i 1 n
全概率公式
证明 B B B ( A A A ) 1 2 n
BA1 BA2 BAn .
由 Ai A j ( BAi )( BAj ) P( B) P( BA1 ) P( BA2 ) P( BAn ) P( B) P( A1 ) P( B | A1 ) P( A2 ) P( B | A2 )
解
设A表示取得一等品,B表示取得合格品,则
(1)因为100 件产品中有 70 件一等品,所以 70 P( A) 0.7 100 因为95 件合格品中有 70 件一等品,所以 (2)方法1: 70 P( A B) 0.7368 95 方法2:
条件概率与概率的三个基本公式
球”, 则事件 A “第一次取到黑球”, 事件 B “第二次取到黑球”. (1)法一 已知第一次取到白球,那么袋中剩 4 个球,其中 2 个
白球, 2 个黑球,则已知第一次取到白球的条件下,第二次取到的是黑
球的概率为
P(B |
A)
2
1
.
42
法二 由古典概率知 P( A) 3 , P( AB) P31 P21 3 .
注意 ① P(B) 表示“事件 B 发生”的概率,计算时,是
在整个样本空间 上考察事件 B 发生的概率;②而 P(B | A)
为已知事件 A 发生的条件下,事件 B 发生的条件概率,计算 时,实际上仅限于在事件 A 发生的范围内,来考察事件 B 的 概率.一般地, P(B | A) P(B) .
§1.4 条件概率与概率的三个基本公式
条件概率是概率论的基本概念之一,同时又是计算概率 的重要工具.概率的三个基本公式(乘法公式、全概率公式
和贝叶斯 (Bayes) 公式)都建立在条件概率的概念之上.本
节重要学习以下内容: 一、条件概率
二、乘法公式
三、全概率公式
四、贝叶斯(Bayes)公式
第一章 随机事件与概率 1
3 这是因为事件 A 的发生,排除了 bb 发生的可能性,这时样本空间 也 随 之 缩 小 为 A , 而 在 A 中 事 件 B 只 含 2 个 样 本 点 , 故 P(B | A) 2 . 事实上,以上条件概率还可写成
3 P(B | A) 2 2 / 4 P( AB) . 3 3 / 4 P( A)
公式(1.5)和(1.6)都称为两个事件积的概率的乘法公式.这 两个乘法公式还可推广到有限个事件积的概率的情形:
设 A1, A2 , , An 是任意 n 个事件,且 P( A1A2 An ) 0 ,则 P( A1A2 An ) P( A1)P( A2 | A1)P( A3 | A1A2 ) . P( An | A1A2 An1)
1.4 条件概率
P(B) = ?
key : 0.7,0.3,0.735,0.95.
( )
{
P ( B A)
P BA
(
} )
乙抽到 难签
引例2 一个袋中装有10个球 若为3个白球 个球, 个白球, 个黑球 个黑球, 个红球 个红球, 引例 一个袋中装有 个球,若为 个白球,2个黑球,5个红球, 从中先后随意各取一球(不放回 不放回), 求第二次取得白球的概率. 从中先后随意各取一球 不放回 , 求第二次取得白球的概率
P ( B ) = P ( AB ) + ( AB ) = P ( A) P ( B | A) + P ( A) P ( B | A) 4 3 6 4 = × + × = 0.4 10 9 10 9
续
二、全概率公式 ⇐ 概率的可加性
个考签中有4个难签 人参加抽签( 例6 10个考签中有 个难签,3人参加抽签(不放回), 个考签中有 个难签, 人参加抽签 不放回) 甲先、乙次、丙最后. 甲先、乙次、丙最后 分析 设 A={甲抽到难签 , B={乙抽到难签 , 甲抽到难签}, 甲抽到难签 乙抽到难签}, 乙抽到难签 互不相容. 显然 B = AB + AB ,显然 AB和 AB 互不相容 和
10
10 9
90
15
6 4 24 4 = P ( A B ) = P ( A )P ( B | A ) = × = 10 9 90 15 4 3 2 24 × × = P ( ABC ) = P ( A) P ( B | A) P (C | AB ) = 10 9 8 720
概率论与数理统计——1.4全概率公式与贝叶斯公式
8
易知
P(
B1
)
2 10
P(
B2
)
3 10
P(
B3
)
5 10
P( A|B1 )
C22 C62
1 15
P(A|B2 )
C32 C62
3 15
P( A|B3 )
一批产品中有次品数 0
1
2
3
4
概率
0.1 0.2 0.4 0.2
0.1
10
解 设事件Bi是一批产品中有i个次品(i=0,1,2,3, 4),设事件A是这批产品通过检查,即抽样检查
的10个产品都是合格品
则有 PA | B0 1
P(A | B1)
C10 99
C10 100
0.900
P(A
|
B2 )
C10 98
C10 100
0.809
P(A | B3)
C10 97
C10 100
0.727
P(A |
B4 )
C10 96
C10 100
0.652
4
所求的概率为 P(A) P(Bi )P(A | Bi ) 0.8142
i 1
11
例:有三个形状相同的箱子,在第一个箱中有两个 正品一个次品;在第二个箱中有三个正品一个次 品;在第三个箱中有两个正品两个次品. 现从任 何一个箱子中任取一件产品,求取得的是正品的 概率.
1.4条件概率及有关公式
而条件概率P(A|B)是在原条件下又添加 “B发生”这个条件时A发生的可能性大小, 即P(A|B)仍是概率.
P(A)与P(A |B)的区别在于两者发生的条件不同, 它们是两个不同的概念,在数值上一般也不同.
11
P ( AB) 由条件概率的定义: P ( A | B) P ( B) 若已知P(B), P(A|B)时, 可以反求P(AB).
5
条件概率的 性质: (1)非负性: 0≤P(A|B)≤1 (2) 规范性: P(|B)=1 (3)可列可加性:若Ak (k=1, 2, …)两两互 斥,则
P ( Ak | B ) P ( Ak | B )
k 1 k 1
另有: P( A | B) 1 P( A | B)
n
件,且 P(Bi)>0 (i=1,2,…,n) ,若 A Bi
则 P ( A) P ( Bi ) P ( A | Bi )
i 1 n
i 1
对求和中的每一项 运用乘法公式得
B2 B1 A B3
24
A AB1 AB2 ABn
B1,B2,…,Bn为样本空间的一个划分: (1) B1,B2,…,Bn两两互不相容
20
由于
A2 A1 A2
因为若第2个人抽到 了入场券,第1个人 肯定没抽到.
由乘法公式
P ( A2 ) P ( A1 ) P ( A2 | A1 )
也就是要想第2个人抽到入场券,必须第1 个人未抽到, 计算得: P(A2)= (4/5)(1/4)= 1/5
21
同理,第3个人要抽到“入场券”,必须 第1、第2个人都没有抽到. 因此
则B1,B2,B3是样本空间的一个划分
29
1.4条件概率、全概率公式、贝叶斯公式
P ( B1
|
A)
P(B1 ) P( A | B1 ) P(B1 ) P( A | B1 ) P(B2 ) P( A |
B2 )
0.55. P(B3 )
条件概率、全概率公式、贝叶斯公式
注
(1)PBi 称为“先验概率”, PBi | A 称为“后验概率”;
(2)贝叶斯公式——探求结果 A的发生由原因 Bi 所导致的概率;
为色盲,求此人是男性的概率?
解 设 A 表示“抽取的人为色盲”,B 表示“抽取的人为男性”,则
P( A) P(B) P( A | B) P(B) P( A | B)
3 5% 2 2.5% 4%.
5
5
P(B | A) ?
P(B | A) P( AB)
P(B)P(A| B)
3.
P( A) P(B) P( A | B) P(B) P( A | B) 4
4%,2%,4%. 试计算:(1)从总产品中任取一件是不合格产品
的概率;(2)从总产品中任取一件是不合格产品,那么这件产品
是由 1 号工厂生产的概率?
解 设 A 表示“从总产品中任取一件是不合格产品”,Bi (i 1, 2, 3) 表示“从总产品中任取一件是第 i 号工厂生产的”.
P( A) P(B1 ) P( A | B1 ) P(B2 ) P( A | B2 ) P(B3 ) P( A | B3 ) 45%4% 35%2% 20%4% 0.033.
PB
|
A
P( AB) P( A)
0.2 0.4
1, 2
(2) P B
|
A B
P
BA B PA B
P A
P B PB
P AB
1.4全概率与贝叶斯公式
解 设从这批种子中任选一颗是一等、二等、三等、四等种子
的事件分别为B1,B2,B3,B4,则它们构成样本空间的一个划分, 用A表示在这批种子中任选一颗,且这颗种子所结的穗含有50 粒以上麦粒的事件,则由全概率公式
P ( A ) = Σ P ( Bi ) P ( A | Bi )
i =1
4
= 95.5% × 0.5 + 2% × 0.15 + 1.5% × 0.1 + 1% × 0.05 = 0.4825.
P ( A1 | A2 ) = P ( A1 ) P ( A2 | A1 ) 2p = . P ( A2 ) 1+ p
i =1
2. 全概率公式 设试验E 设事件A 定理 设试验E的样本空间为 ,设事件 1,A2,…,An为 , 的一个划分, . 样本空间 的一个划分,且P(Ai)>0 (i =1,2, …,n). 则对任意事 件B,有 , n
P ( B ) = ∑ P ( Ai ) P ( B | Ai ).
i =1
例3 有朋自远方来,乘火车、船、汽车、飞机来的概率
分别为0.3,0.2,0.1,0.4,迟到的概率分别为0.25,0.3, 0.1,0;求他迟到的概率.
解 设A1=他乘火车来,A2=他乘船来,A3=他乘汽
车来, A4=他乘飞机来,B=他迟到。 易见:A1, A2, A3, A4构成一个完备事件组,由全概率公 式得
球,比赛后放回,第二次比赛再任取3球,求第二次比赛取得3个 新球的概率. 解 Ai=第一次比赛恰取出i个新球(i=0, 1, 2, 3 ); B=求第二次比赛取得3个新球. 显然A0, A1, A2, A3构成一个完备事件组,由全概率公式得:
P(B) =
概率论§1.4 条件概率及有关公式
由于附加了条件, 意义不同, 由于附加了条件,P(A)与 P(A|B)意义不同, 与 意义不同 一般情况下 P(A|B) ≠ P(A) . ? 掷一颗均匀骰子,试求P(A|B)=? 例1 掷一颗均匀骰子,试求 A={掷出 点}, ={掷出 B={掷出偶数点}. ={掷出偶数点 ={掷出2点 ={掷出偶数点} 解:掷一颗均匀骰子可能的结果有6 掷一颗均匀骰子可能的结果有6 可能的结果有 且它们的出现是等可能的。 种,且它们的出现是等可能的。 P(A)=1/6 由于已知事件B已经发生, 由于已知事件 已经发生,所 已经发生 以此时试验所有可能结果只有3种 以此时试验所有可能结果只有 种, 而事件A包含的基本事件只占其中 而事件 包含的基本事件只占其中 一种,故有P(A|B)=1/3 一种,故有 掷骰子
P(A| B) = 1 9
基于古典概型的分析: 基于古典概型的分析:
Ω: n个样本点 个样本点 B: m个样本点 个样本点 AB: k个样本点 个样本点 在B已发生的条件下,试验结果为 中的一个, 已发生的条件下, 中的一个, 已发生的条件下 试验结果为m中的一个 这时A发生当且仅当 中的某一样本点发生, 发生当且仅当AB中的某一样本点发生 这时 发生当且仅当 中的某一样本点发生, 故
0.1 1 P ( B | A) = = < P ( B ) = 0.3 0.6 6
而在例1掷骰子时 而在例 掷骰子时
1 1 P ( A | B ) = > P ( A) = 3 6
乘法公式
由条件概率
P ( AB ) P( A | B) = P( B) ( P ( B ) > 0)
得: P(AB)=P(B)P(A|B) 推广到一般情形中: 推广到一般情形中: 个事件A 满足件: 若n个事件 1, A2, …, An满足件:P(A1A2…Ak)>0 个事件 (k=1, 2, …, n−1), 则: − P(A1A2…An)=P(A1)P(A2|A1)P(A3|A1A2) … P(An|A1A2…An−1) −
概率论与数理统计公式
概率论与数理统计公式1.概率公式:
1.1概率加法公式:
P(A∪B)=P(A)+P(B)-P(A∩B)
1.2条件概率公式:
P(A,B)=P(A∩B)/P(B)
P(B,A)=P(A∩B)/P(A)
1.3乘法公式:
P(A∩B)=P(A)*P(B,A)
P(A∩B)=P(B)*P(A,B)
1.4全概率公式:
P(A)=ΣP(A,B_i)*P(B_i)
1.5贝叶斯公式:
P(B,A)=P(A,B)*P(B)/P(A)
2.数理统计中的基本概念和公式:
2.1样本均值:
样本均值 = (x1 + x2 + ... + xn) / n
2.2总体均值:
总体均值=(样本均值*n-x)/(n-1)
2.3样本方差:
样本方差 = Σ(xi - x̄)² / (n-1)
2.4总体方差:
总体方差= Σ(xi - µ)² / N
2.5样本标准差:
样本标准差=√(样本方差)
2.6总体标准差:
总体标准差=√(总体方差)
2.7样本中位数:
样本中位数=(x[n/2]+x[(n+1)/2])/2(当n为偶数时)
2.8样本四分位数:
样本四分位数Q1=x[(n+3)/4]
样本四分位数Q3=x[(3n+1)/4]
2.9标准正态分布的累积分布函数的逆函数:
Zα=Φ^(-1)(α),其中Φ(z)表示标准正态分布的累积分布函数。
2.10卡方分布的累积分布函数的逆函数:
x^2α=χ^2^(-1)(α),其中χ^2(x)表示卡方分布的累积分布函数。
1.4 条件概率的计算公式
但如果我们事先知道这个家庭至
2 3
少有 一个女孩,则上述事件的概率为
.
这两种情况下算出的概率不同,这也很容
易理解,因为在第二种情况下我们多知道了一
个条件. 记B={这个家庭中至少有一个女孩}, 因此我们算得的概率是“在已知事件B发生的条 件下,事件A发生”的概率,这个概率称为条件 概率,记为P(A|B).
(2)全概率公式可以推广到可列个事件的情形, 即设 , B ,B . , B是一列互不相容的事件, 2 1 n, 且有 = ,则对任何事 Bi P( Bi ) 0, i , 1,2, i 1 件A,有P(A)= P( A B ) P( Bi ).
B2 , Bn .为样本空间 的一个分 (3)条件B1 , n B2 , Bn .互不相容,且A B, 割,可改写为B1 , i i 1 全概率公式仍然成立。
=
,
13
同理可得 P( B A)=
7 13
.
贝叶斯公式
在上面的计算中,事实上已经建立了一个 极为有用的公式: 定理1.4.2 若 B1 , B2 , , Bn是一列互不相 n 容的事件,且 Bi = ,P( Bi )>0, i 1, 2, , n .
则对任一事件A,P(A)>0有P( Bi A)=
P Ai B PAi B i 1 i 1
A1 , A2 , , An ,
由此可知,对给定的一个概率空间(Ω, F, P) 和事件B∈F,如果P(B)>0,则条件概率 P B 也是
(Ω,F)上的一个概率测度,特别,当时 B ,
P B
就是原来 P 的概率测度,所以不妨将原来的
概率论1.4全概率公式与贝叶斯公式
1.4.2贝叶斯公式
设 A1 , A2 , L , An 是一完备事件组, 则对 任一事件 B, P ( B ) 0, 有
P ( Ai B ) = P ( Ai B ) P( B)
P ( Ai ) P ( B Ai )
å
n
i = 1, 2,L , n
P ( Aj ) P ( B Aj )
j= 1
由此可以形象地把全概率公式看成为 “由原因推结果”,每个原因对结果的发 生有一定的“作用”,即结果发生的可能 性与各种原因的“作用”大小有关 . 全概 率公式表达了它们之间的关系 . A3
A1 A2
A5
A6 A8
B A4 A7
诸Ai是原因 B是结果
例 一袋中有10个球,其中3个黑球7个白球,从中不
例如,某地发生了一个案件,怀疑对象有 甲、乙、丙三人. 在不了解案情细节(事件B) 偏小 之前,侦破人员根据过去 丙 乙 甲 的前科,对他们作案的可 P(A1) P(A2) P(A3) 能性有一个估计,设为 但在知道案情细 节后, 这个估计 就有了变化.
知道B 发生后 P(A1 | B) P(A2 | B) P(A3 | B) 最大
例18 某村麦种放在甲,乙,丙三个仓库保管,保管量分别占 总量的40%,35%,25%,发芽率分别为0.95,0.92, 0.90,现将 三个仓库的麦种全部混合,求其发芽率。 解:设A1={甲仓库保管的麦种}, A2 ={乙仓库保管的麦种}, A3 ={丙仓库保管的麦种},B={发芽的麦种},依题意有 P(A1)=0.4 , P(A2)=0.35 , P(A3 )=0.25, P(B|A1)=0.95 , P(B|A2)=0.92 , P(B| A3 )=0.90 ,
现在来分析一下结果的意义.
概率论与数理统计1.4
1
2
3
P ( B ) P ( Ai ) P ( B|Ai )
i 1
3
Ai={球取自i 号盒子} B ={取得红球}
将此例中所用的方法推广到一般的情形,就 得到在概率计算中常用的全概率公式。
全概率公式
定理1.1 设事件 A1,A2,…,An 为一个完备事 件组,而且 P(Ai) > 0 (i=1,2 ,…, n), 则对一 事件B,有 P(B) = P(A1)P(B|A1) +P(A2)P(B|A2) +…+ P(An)P(B|An)
§1.4 全概率公式与贝叶斯公式 全概率公式和贝叶斯公式主要用于计算 比较复杂事件的概率,它们实质上是加法公式 和乘法公式的综合运用.
综合运用
加法公式
A1 , A2 ,..., An两两互斥 P ( Ai )
i 1 n
P( A )
i 1 i
n
乘法公式 P(AB)= P(A)P(B|A) P(A)>0
P( A ) P( B|A )
j 1 j j
运用全概率公式 计算 P(B)
将这里得到的公式一般化,就得到 贝叶斯公式
贝叶斯公式
定理1.2(Bayes公式 1763年)
设事件A1,A2,…,An 为一个完备事件组, 且 P(Ai ) > 0 (i=1,2,…,n) , 则对任一事件B, P(B) > 0, 有
P A1 P C1C2C3 P C1C2C3 P C1C2C3
P C1 P C2 P C3 P C1 P C2 P C3 P C1 P C2 P C3
1.4条件概率的计算公式
1.条件概率的定义
定义 1.4.1 若( , F , )是一个概率空间 B F, 且 P ( B ) >0. 对任意 A F,称 P( A B) = 发生的条件概率。
4 ) P ( B ) 0 , 5 )P ( A B ) 1P ( A B ) , 6 ) P ( A P ( AB P ( AB P ( A AB . 1 AB 2 ) 1 ) 2 ) 1 2 )
例1.4.2.某种灯泡用5000小时未坏的概率为 3 ,用 4 10000 小时未坏的概率为 1 ,现有一只这种灯泡已用了 2 5000小时未坏,问它能用到10000小时的概率是多少?
例1.4.3 甲、乙两市都位于长江下游,据一百多年来 的气象记录,知道在一年中的雨天的比例甲市占20%,乙 市占18%,两地同时下雨占12%。
记
A { 甲市出现雨天 } B { 乙市出现雨天 }
求:1)两市至少有一市是雨天的概率; 2)乙市出现雨天的条件下,甲市也出现雨天的概率; 3)甲市出现雨天的条件下,乙市也出现雨天的概率。 解 P () A B P ( A ) P ( B ) P ( A B ) 0 . 2 6 ,
P A B A 4P 4 ( 2 ) P A B 0 . 2381 4 P B
2.某工厂有1,2,3三个车间,它们生产同一种螺钉,其产量分 别占总产量的25%,35%,40%,每个车间的成品中,次品占 产品的5%,4%,2%,现从全部螺钉中抽取一个产品,求
0.1 0.6 0.25 0.4 0.15 0.2 0 . 1 5 0 . 2 P ( B A ) 0 . 1 5 8 . 3 0 . 1 0 . 6 0 . 2 5 0 . 4 0 . 1 5 0 . 2
条件概率
§ 1.4 条件概率一、条件概率条件概率的直观定义:设有事件A ,B ,P (A )>0,在事件A 发生的条件下,B 发生的概率称为条件概率。
记为P (B|A )条件概率的性质i i j i i i 1i 11P(|A)12P(|)13i=12,i j,P(|)P(|)B S A B B A B A φ∞∞==≤≤=≠=∑() 非负性:0;() 规范性: =;() 可列可加性;若B ,,,....,且B 则有;以上是三条基本性质,象前面一般概率一样也可推出以下性质:(1)P(|)0A φ=i i j nn i i i 1i 1i=12,i j,P(|)P(|)B B A B A φ===≠=∑(2)有限可加性;若B ,,,....,且B 则有;(3)P(|A)1P(|)()B B A =-重要公式(4)A B P{(B-A)|C}P(B|C)P(A|C)⊂=-(减法公式)若,则(5)P{(A+B)|C}P(A|C)P(B|C)P(AB|C)=+-(一般加法公式)n ni i i j i=1i 11i j n n 1i j k 12n 1i j k n (6)(P(A |B)P(A |B)P(A A |B)P(A A A |B)...........(1)P(A A .......A |B)=≤<≤-≤<<≤=-+-+-∑∑∑∑多除少补原理)二、 乘法公式将条件概率公式 P (A B )P (A |B )P (B )= 改写 P(AB)P(B)P(A|B)=称为乘法公式 利用结合律推出多个事件的乘法公式:三个事件积的乘法公式 123P (A A A )12312P (A A )P (A |A A )= 312=P()P()P(A |A A )121AA|An 个事件积的乘法公式123n 1213123123n 123n-1P(A A A .........A )(A )(A |A )(A |A A )(A |A A A )......(A |A A A .........A )P P P P P =⋅三、全概率公式和贝叶斯公式全概率公式和贝叶斯公式主要用于计算比较复杂事件的概率, 它们实质上是加法公式和乘法公式的综合运用。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
一.加法公式 有限可加性 两两互不相容, 若A1 , A2 ,L , An 两两互不相容,则
P( A U A2 ULU An ) = P( A ) + P( A2 ) +L+ P( An ) 1 1
证明: 由可列可加性 可加性, 证明 : 由可列 可加性 ,并 令
Ai = Φ( i = n + 1, n + 2,L)
§1.3 概率的计算公式
由概率的定义可以证明概率的一些重要性质. 由概率的定义可以证明概率的一些重要性质.
首先
P (Φ ) = 0
由概率的可加性
证明: 证明:因为 Φ = Φ U Φ U L
P (Φ ) = P (Φ ) + P (Φ ) + L
由 P ( Φ ) ≥ 0 ,证得 P ( Φ ) = 0 . 证得
能被 4 整除的有 25 个,能被 12 整除的有 8 个.事件
BC 发生相当于能被 3×4 整除,即能被 12 整除,因此 整除, 整除,
33 P(B) = , 100
= 25 , P(C) 100
8 P(BC) = , 100
P( A) = P(B) + P(C) P(BC) 33+ 25 8 = 1 . = 2 100
证明: 证明:由于 A U A = 且 AA = Φ
由推论 1 可知
P ( A) + P ( A) = 1
得
P ( A) = 1 P ( A)
推论 3 若 A, B 满足 A B ,则有
P(B A) = P(B) P( A), P(B) ≥ P( A);
证明: 证明:
由 A B 知, B=A∪(B-A) 且 A(B-A)= Φ , ∪
解:
.
P ( A B ) = P { A( B )} = P ( A AB )
= P ( A) P ( AB ) ,
而 P ( AU B ) = P ( A) + P ( B ) P ( AB )
则 P ( AU 则有 P ( A B ) = 0 . 6 0 . 3 = 0 . 3 .
上式称为加法公式. 上式称为加法公式. 加法公式
当事件A,B互不相容时有 当事件A,B互不相容时有 P ( A U B ) = P ( A) + P ( B ) A,B
还可以推广到多个事件情形, 注 :推论 4 还可以推广到多个事件情形 , A1 , A2 , A3 为任 设 意三个事件, 意三个事件 , 则有
例
( 1 ) 设 有 任 意 两 件 事 A, B 为 两 事 件 , 且 求证: P ( A) = ( B ) = 0.5 ,求证: P ( AB ) = P ( A B )
(2)证明对任意两件事 A, B 有
P ( A) + P ( B ) 1 ≤ P ( AB ) ≤ P ( A U B )
�
P(A 1 U A 2 U A 3 L U A n )
= ∑ P( Ai )
i =1 n
1≤ i < j ≤ n
∑ P( A A ) + ∑ P( A A A ) + L
i j 1≤ i < j < k ≤ n i j k
L + (1)n1 P( A1 A2 L An ).
例 设 A, B 为两事件, 且 P ( B ) = 0.3 , P ( A U B ) = 0.6 , 为两事件 , 求 P( A B )
P(A 1 U A 2 U A 3 )
= P(A 1 ) + P(A 2 ) + P(A 3 ) - P(A 1 A 2 ) - P(A 1 A 3 ) - P(A 2 A 3 ) + P(A 1 A 2 A 3 )
一般地, 一般地,对任意 n 个事件 A1 , A2 ,L , An 由归纳法可得
又由概率的可加性知 P(B) = P(A) + P(B- A)
亦即 P(B - A) = P(B) - P(A)
而 P(B - A) ≥ 0
有 P(B) ≥ P(A)
对任意事件A, B有 推论 4 对任意事件A, 有 B
P( AU B) = P( A) + P(B) P( AB)
P( AU B) ≤ P( A) + P(B)
解
整除} 设 A={取到的数能被 3 或 4 整除 取到的数能被 B={取到的数能被 3 整除 取到的数能被 整除} C={取到的数能被 4 整除 取到的数能被 整除}
则A = B UC
P( A) = P(B) + P(C) P(BC),
在 1,2,…,100 这一百个整数中能被 3 整除的有 33 个,
P ( U Ai ) = P ( U Ai ) = ∑ P ( Ai ) = ∑ P ( Ai )
i =1 i =1 i =1 i =1
n
∞
∞
n
推论1 A,B为两个事件 为两个事件, 不相容, 推论1 若A,B为两个事件,且A与B不相容,则 P(A∪B)=P(A)+P(B) ∪
对任意事件A, 推论 2:对任意事件A, P ( A ) = 1 P( A).
证明: 证明: (1) P ( A B ) = P ( A U B )
= 1 P( A U B)
= 1 [ P ( A) + P ( B ) P ( AB )
1 1 = 1 [ + P ( AB )] 2 2
= P ( AB )
(2)因为 AB A U B ,所以 )
P ( AB ) ≤ P ( A U B )
可得1 ≥ P ( A U B ) = P ( A) + P ( B ) P ( AB )
又因为 P ( AB ) ≥ P ( A) + P ( B ) 1
从而证得
P ( A) + P ( B ) 1 ≤ P ( AB ) ≤ P ( A U B )
例 从 1,2,3, …,100 这一百个整数中任取一个 , 整除的概率. 数,求被取到的数能被 3 或 4 整除的概率.
证明: 证明: A U B = A U ( B AB ) ,又 A U ( B AB ) = Φ , 由
且 AB B 于是有
P ( A U B ) = P ( A) + P ( B AB ) = P ( A) + P ( B ) P ( AB )
而 P ( AB ) ≥ 0 ,因此 P ( A U B ) ≤ P ( A) + P ( B )