条件概率ppt

合集下载

条件概率-课件

条件概率-课件

没有影响,P (A)
2 3
,
P (B )
1 3
思考3:一般地,对于事件A,B,如果事 件A的发生不影响事件B发生的概率,那 么P(B|A)与P(B)有什么关系?根据条件 概率计算公式可得什么结论?
P(B|A)=P(B),P(AB)=P(A) P(B).
思考4:设A,B为两个事件,如果P(AB) =P(A)P(B),则称事件A与事件B相互独 立.你能列举一个相互独立事件的实例吗?

17、一个人即使已登上顶峰,也仍要 自强不 息。2021/3/32021/3/32021/3/32021/3/3
谢谢观赏
You made my day!
我们,还在路上……
探究(一):相互独立事件的概念
思考1:先后两次抛掷一枚质地均匀的骰 子,设事件A为“第一次抛掷得到点数是 1”,事件B为“第二次抛掷得到点数是 2”,那么事件A的发生对事件B发生的概 率是否有影响?事件A、B发生的概率分 别是多少?
没有影响,都为 1 . 6
思考2:某三张奖券中只有一张能中奖, 现分别由三名同学有放回地各随机抽取1 张,设事件A为“第一个同学没有抽到中 奖奖券”,事件B为“第三个同学抽到中 奖奖券”,那么事件A的发生对事件B发 生的概率是否有影响?事件A、B发生的 概率分别是多少?
2.公式P(AB)=P(A)P(B)可以理解为: 相互独立事件同时发生的概率,等于它 们的概率之积.如果事件A与B不相互独 立,那么事件A与B同时发生的概率应利 用条件概率求解.
3.两个事件互斥与两个事件相互独立 是完全不同的两个概念,若事件A与B互 斥,则P(A∪B)=P(A)+P(B),这是和 事件的加法公式;若事件A与B相互独立, 则P(AB)=P(A)P(B),这是积事件的乘 法公式.

《条件概率》课件

《条件概率》课件
答案2
两次都取到白球的概率为$frac{6}{10} times frac{6}{10} = frac{36}{100} = frac{9}{25}$。解析:第一次取到白球 的概率为$frac{6}{10}$,第二次取到白球的概率为 $frac{6}{10}$,因此两次都取到白球的概率为 $frac{6}{10} times frac{6}{10} = frac{36}{100} =
《条件概率》ppt课件
contents
目录
• 条件概率的定义 • 条件概率的性质 • 条件概率的应用 • 条件概率的实例分析 • 条件概率的习题与解答
CHAPTER 01
条件概率的定义
条件概率的数学定义
定义
在事件B发生的条件下,事件A发生的概率称为条件概率,记作P(A|B)。
公式
P(A|B) = P(A∩B) / P(B)
条件概率的几何意义
条件概率P(A|B)表示在事件B发生的条 件下,事件A发生的概率,这可以表示 为在事件B发生的条件下,事件A发生 的区域与整个样本空间的比值。
CHAPTER 02
条件概率的性质
条件概率的加法性质
总结词
条件概率的加法性质是ቤተ መጻሕፍቲ ባይዱ当某一事件B发 生时,另一事件A发生的概率等于两事件 A和B同时发生的概率加上A不发生但B发 生的概率。
贝叶斯决策
贝叶斯决策是一种基于贝叶斯定理的决策方法,通过计算不 同行动方案在不同自然状态下的期望效用值,选择最优的行 动方案。贝叶斯决策中需要用到条件概率来计算不同自然状 态下的期望效用值。
在机器学习中的应用
分类器设计
在分类器设计中,常常需要计算不同类别下的条件概率,以设计最优的分类器。例如, 在朴素贝叶斯分类器中,通过计算不同特征在不同类别下的条件概率,实现分类器的设

《条件概率》公开课教学PPT课件

《条件概率》公开课教学PPT课件

贝叶斯网络模型简介
贝叶斯网络定义
一种基于概率图模型的 机器学习算法,用于表 示和推理不确定性知识。
网络结构
由有向无环图和条件概 率表组成,节点表示随 机变量,边表示变量间
的依赖关系。
推理算法
通过贝叶斯网络中的条 件概率表,利用推理算 法计算目标变量的后验
概率分布。
应用领域
广泛应用于分类、聚类、 预测等任务,如自然语 言处理、图像处理、医
掌握条件概率的概念和计算方法对于理解和应用概率论和数理统计具有重要意义。
教学目标和要求
教学目标
通过本课程的学习,使学生掌握条件概率的概念、计算方法和 应用,培养学生的逻辑思维能力和分析问题的能力。
教学要求
要求学生能够熟练掌握条件概率的计算方法,理解条件概率在 实际问题中的应用,并能够运用所学知识解决一些实际问题。 同时,要求学生积极参与课堂讨论和思考,提高自己的思维能 力和解决问题的能力。
条件概率与独立性的关系
如果事件A与事件B相互独立,则P(B|A)=P(B),即事件A的发生对事 件B的发生没有影响。
条件概率的应用
条件概率在实际问题中有着广泛的应用,如医学诊断、天气预报、金 融风险评估等领域。
拓展延伸:条件期望、条件方差等概念介绍
• 条件期望的定义与性质:条件期望是指在某一事件发生的条件下,另一 随机变量的期望值。它具有线性性、单调性等基本性质。
条件概率在贝叶斯定理中作用
先验概率与后验概率
01
条件概率在贝叶斯定理中,用于计算先验概率和后验概率,即
根据已知信息更新某事件发生的概率。
因果关系分析
02
条件概率可以帮助分析事件之间的因果关系,进而推断出未知
事件的发生概率。

概率论与数理统计条件概率PPT课件

概率论与数理统计条件概率PPT课件
( 1 ) P ( A B ) = P ( A ) P ( B ) = 0 . 9 × 0 . 9 = 0 . 8 1 ( 2 ) P ( A B ) = P ( A ) + P ( B ) - P ( A B ) = 0 . 9 + 0 . 9 - 0 . 8 1 = 0 . 9 9
(3)P(A B A B)=P(A B )+P( A B) =P(A)P( B )+P( A )P(B)
问题:条件概率P(B|A)与普通概率有何关系?
P(B| A) 6 6 / 20 P( AB ) 10 10 / 20 P( A)
《概率统计》
返回
下页
结束
§1.4.1 条件概率
一、 条件概率
1.定义1 设A,B为随机试验E 的两个事件,且P(A)>0,则称
P(B| A)P(AB) P(A)
为在事件A已发生的条件下,事件B发生的条件概率. 注:条件概率与普通概率有相类似的性质,如,
则 P(A) = 0.9,P(B) = 0.8,P(C) = 0.85
因 A、B、C 相互独立,所求概率分别为
(1) P(ABC)
(2) P(ABC)
(3) P ( A B C A B C A B C A B C )
算法 (1) P (ABC ) P (A )P (B )P (C )
(2) P (A B C )P (AB )1 C P (AB ) C (3) 略.
《概率统计》
返回
下页
结束
二、多个事件的独立性
(1) 3个事件相互独立的定义
三个事件A、B、C,如果满足下面四个等式
P(AB) P(A)P(B)
P(AC) P(A)P(C)

《概率统计》PPT课件

《概率统计》PPT课件

后抽比先抽的确实吃亏吗?
“大家不必争先恐后,你们一个一个 按次序来,谁抽到‘入场券’的机会都 一样大.”
到底谁说的对呢?让我们用概率 论的知识来计算一下,每个人抽到“ 入场券”的概率到底有多大?
“先抽的人当然要比后抽的人抽到的机会大。”
我们用Ai表示“第i个人抽到入场券” i=1,2,3,4,5. 则 A 表示“第 i个人未抽到入场券” i 显然,P(A1)=1/5,P( A1)=4/5
P(A2)=0.4×0.5×(1-0.7)+0.5×0.7×(1-0.4)+ 0.4×0.7×(1-0.5)=0.41, P(A3)=0.4×0.5×0.7=0.14 P(B|A0)=0, P(B|A1)=0.2, P(B|A2)=0.6, P(B|A3)=1, 根据全概率公式有
P( B) P( B | Ai )P( Ai ) 0.458
P(Ai|B),表示症状B由Ai引起的概率 若P(Ai|B), i=1,2,…,n中,最大的一个是P(A1|B),
我们便认为A1是生病的主要原因,下面的关键是:
计算 P(Ai|B), i=1,2,…,n
P( Ai B) P( B | Ai ) P( Ai ) P( Ai | B) n Bayes公式 P( B) P( B | Ai ) P( Ai )
也就是说,
第1个人抽到入场券的概率是1/5.
由于 由乘法公式
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.
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

条件概率公开课ppt课件

条件概率公开课ppt课件
$P(A/B) = frac{P(B/A)P(A)}{P(B)}$
事件A和B的独立性
在贝叶斯定理中,事件A和B可以 是独立的,也可以是相关的。
全概率公式
如果事件B能分为互不相容的事 件$B_1, B_2, ldots, B_n$,则
$P(A) = sum_{i=1}^{n} P(A/B_i)P(B_i)$
条件分布
在给定其他随机变量取值的条件下,某个随机变量的条件 分布描述了该随机变量取值的概率分布。条件分布可通过 联合分布和边缘分布求得。
边缘分布与条件分布关系
边缘分布是条件分布的特例,当不给定其他随机变量取值 时,条件分布退化为边缘分布。
多元随机变量独立性判断
独立性定义
若多元随机变量中的任意随机变量取值与其他随机变量取值无关,则称这些随机变量相互独立。
条件概率公开课ppt课 件
contents
目录
• 条件概率基本概念 • 条件概率分布与期望 • 多元随机变量条件概率 • 贝叶斯定理及其应用 • 条件概率在统计学中地位和作用 • 总结与展望
01
条件概率基本概念
条件概率定义及性质
条件概率是指在某个事件发生的条件下,另一个事件发生的概率。具体地,如果事 件B已经发生,那么事件A在事件B发生的条件下发生的概率称为条件概率,记作 P(A|B)。
性质 条件数学期望和条件方差具有一些重要的性质,如线性性 质、常数性质、独立性等。
条件概率分布变换方法
离散型随机变量的条件概率分布
01
对于离散型随机变量,可以通过列举法或者公式法求得条件概
率分布。
连续型随机变量的条件概率分布
02
对于连续型随机变量,可以通过求解条件概率密度函数进而求

《条件概率》课件

《条件概率》课件

在机器学习中的应用
01
分类器设例如,朴素贝
叶斯分类器就是基于条件概率的分类器之一,它可以根据已知特征的概
率分布来预测未知样本的类别。
02
聚类分析
在聚类分析中,条件概率可以帮助我们确定不同数据点之间的相似性或
差异性。例如,基于密度的聚类算法可以利用条件概率密度函数来评估
数据点之间的相似性或差异性。
03
强化学习
在强化学习中,条件概率可以帮助我们确定在不同状态下采取不同行动
的概率。例如,Q-learning算法可以利用条件概率来评估在不同状态下
采取不同行动的期望回报。
04 条件概率的实例分析
抛硬币实验的条件概率分析
总结词:直观理解
详细描述:通过抛硬币实验,理解条件概率的概念。假设硬币是均匀的,那么正 面朝上的概率是0.5。在硬币已经连续出现几次正面朝上的情况下,下一次抛掷 仍然是正面朝上的概率仍然是0.5,即条件概率不变。
全概率公式与贝叶斯公式
总结词
全概率公式和贝叶斯公式是条件概率的 两个重要公式,全概率公式用于计算一 个事件的概率,而贝叶斯公式则用于更 新一个事件的概率。
VS
详细描述
全概率公式将一个事件的概率分解为若干 个互斥事件的概率之和,而贝叶斯公式则 是在已知先验概率和新信息的情况下,更 新一个事件的概率。这两个公式在统计学 、机器学习和数据分析等领域有着广泛的 应用。
B
题目2答案与解析
出现一个正面和一个反面的概率为0.75。解 析:出现一个正面和一个反面意味着出现 HH、HT、TH、TT四种情况中的三种,其
D
概率为C(2,1) / C(2,2) * C(2,1) / C(2,2) =
3/4。

《概率论》第二章 条件概率与独立性(PPT课件)

《概率论》第二章 条件概率与独立性(PPT课件)

解:
设A1={晶体管产自甲厂},A2={晶体管产自乙厂}, A3={晶体管产自丙厂},B={晶体管是合格品}。 则P(A1)=P(A3)=0.25 P(A2)=0.5
由全概率公式得:
例3 设甲袋中有m-1只白球和1只黑球,乙袋中有m只白
球,每次从甲、乙两袋中分别取出一只球,经交换后放回袋 中,求经n次交换后,黑球在甲袋中的概率,并讨论 时的情形.
证明:
(1)因为A,B事件相互独立,即P(AB)=P(A)P(B) 。
(2)
(3)

(4) 所以,A、B事件相互独立。
例1 甲、乙同时向一敌机炮击,已知甲击中敌机的概率
为0.6,乙击中敌机的概率为0.5,求敌机被击中的概率。
解: 记
事件的独立性概念可以推广到有限个事件的情形。
定义2 设A1,A2,…,An是n个事件,若对所有可能的
i=1,2
P( A1) 0.92 P( A2 ) 0.93 P( A2 A1) 0.85 P( A1A2 ) P( A1)P( A2 A1) 0.08 0.85 0.068 P( A2 ) P( A1A2 ) P( A1A2 ) P( A1A2 ) 0.93 0.068 0.862 P( A) P( A1 A2 ) P( A1) P( A2 ) P( A1A2 ) 0.92 0.93 0.862 0.988
A1
A2
An
B1
B2
Bn
图1 系统1
A1
A2
An
B1
B2
Bn
解: 设
图2 系统2
计算系统1的可靠性:
它有两条通路,在每条通路中,当且仅当该通路上所有元件都能正常工作时, 该条通路才能正常工作,因为系统1由两条通路并联而成,因此,只要有一条通 路能正常工作,则系统1就能正常工作。

《条件概率》课件

《条件概率》课件

公式
联合概率公式
P(A和B) = P(A) * P(B|A)
边缘概率公式
P(A) = ∑[P(A和Bi)], 其中Bi为所 有可能的B事件
条件概率公式
P(A|B) = P(A和B) / P(B)
性质
1 加法法则
P(A或B) = P(A) + P(B) - P(A和B)
3 全概率公式
P(A) = ∑[P(A|Bi) * P(Bi)], 其中Bi为所有可 能的B事件
《条件概率》PPT课件
欢迎大家来到本次关于《条件概率》的PPT课件。今天我们将学习条件概率 的概念、公式、性质以及一些实例应用,让您更深入地了解这个重要的数学 概念。
概念
概率的定义
概率是指在一次随机事件中,某一结果发生的可能性或频率。
条件概率的定义
条件概率是指在给定一定条件下,某一事件发生的概率。
3
桶中含有苹果的概率问题
根据已知条件,计算从一个桶中取出的苹果为某种特定类型的概率。

机器判定眼疾的概率问题
根据机器判定结果和已知数据,评估机器正确判定眼疾的概率。
总结
1 一些注意点
理解条件概率的背后的数学原理以及如何应用条件概率进行问题求解。
2 重点回顾
重要的公式和性质,如联合概率公式、乘法法则、全概率公式和贝叶斯定理。
2 乘法法则
P(A和B) = P(A) * P(B|A) = P(B) * P(A|B)
4 贝叶斯定理
P(B|A) = P(A|B) * P(B) / P(A)
实例应用
1
疾病与人群的关系
了解一个人是否患有某种疾病的概率,基于该人在特定人群中的概率。
2
投骰子的概率问题

条件概率 (PPT)

条件概率 (PPT)

A.17
B.27
C.16
D.277
解析:选 A.因为 P(A)=A333+3 1=277,P(AB)=313=217,
所以 P(B|A)=PP((AAB))=17.
4.位于西部地区的 A,B 两地,据多年的资料记载:A,B 两地 一年中下雨天仅占 6%和 8%,而同时下雨的比例为 2%,则 A 地为雨天时,B 地也为雨天的概率为________.
1.某种动物活到 20 岁的概率是 0.8,活到 25 岁的概率是 0.4,
则现龄 20 岁的这种动物活到 25 岁的概率是( )
A.0.32
B.0.5
C.0.4
D.0.8
2.把一枚硬币连续抛两次,记“第一次出现正面”为事件 A,“第
二次出现正面”为事件 B,则 P(B|A)等于( )
A.12
B.14
1 (2)P(B|A)=PPAAB=120=14.
5
2.3.1 条件概率
问题导入 已知《新相亲大会》节目组有100个男士,其中
有70个人品好,80个相貌佳,60个人品相貌俱佳。 现王大妈要从中为女儿选定一个相亲对象: (1)选到人品好的概率?选到相貌佳的概率?选到 相貌俱佳的概率? (2)王大妈是个颜控,那么请问,已知王大妈选定 的男士相貌佳,那么他的人品也好的概率是多少?
骰子的点数之积大于 20 的概率是( )
A.14
B.13
C.12
D.35
3.袋中装有标号为 1,2,3 的三个小球,从中任取一个,记下
它的号码,放回袋中,这样连续做三次.若抽到各球的机会均等,
事件 A 为“三次抽到的号码之和为 6”,事件 B 为“三次抽到的
号码都是 2”,则 P(B|A)=( )

条件概率分布.ppt

条件概率分布.ppt

1. 统 计 平 均 math expectation
定义:
n
E[ X ] xi p(x xi ) i 1
E[ X ] xf (x)dx
(x)
离散变量 连续变量
性 质 : ① 线性性 E[a1X1 a2 X2 ] a1E[X1] a2E[X2 ]
② 单调性 若 X1 X2 , 则 E[X1] E[ X2 ]
ex1 : 已知 X 在 [ -1 , +1 ] 均匀分布 , 且 Y X 2 .
证明 Y 与 X 正交 , 且互不相关 .
证 : E[ X ] 1 1 0 2
Cov[ X ,Y ] E[( X E( X ))(Y E(Y ))]
E{X[Y E(Y )]} E[XY XE( y)]
(3) 联 合 矩 j + k 阶联合原点矩 :
mjk E[X1j X2k ]
j + k 阶联合中心矩 : jk E[(X1 1) j (X2 2)k ]
相 关 矩 : RX1X2 E[ X1X2 ] m11 二阶联合原点矩
协 方 差 : Cov[X1X2 ] E[(X1 1)(X2 2 )] 11
● 中心矩与原点矩的关系 :
x 2
k
k Ckr (m1)r mkr r0
● 方差不等式 : E[(X a)2] E[(X )2] Var[X ]
最小二 乘法
● 统计独立 :
n
n
Var[ Xi ] Var[ Xi ]
i 1
i 1
● 随机变量线性函数的方差 :
Var[aX b] Var[aX ]Var[b] a2 Var[X ]
f
(x,
y)
1
2

条件概率及有关公式.ppt

条件概率及有关公式.ppt
解: A:“取到的是白球”
Bi :“球取自第 i罐” (i=1,2,3)
则B1,B2,B3是样本空间的一个划分
P(B1 )
P ( B2
)
P ( B3
)
1 3
P( A |
B1 )
2 3
,
P( A |
B2 )
3 4
,
P(A
|
B3 )
2 4
由全概率公式:
3
P( A) P(Bi )P( A | Bi ) i 1
推广到一般情形中:
若n个事件A1, A2, …, An满足条件: P(A1A2…Ak)>0 (k=1, 2, …, n1), 则: P(A1A2…An)=P(A1)P(A2|A1)P(A3|A1A2)
… P(An|A1A2…An1)
例2 设袋中装有 a只红球和 b (b≥3) 只 白球, 从中连续取球四次, 每次取一球,取 后不放回,试求第四次才取到红球的概率
有中奖的信息对计算张三中奖的的可能
性大小有没有影响?
显然,如果李四中奖,那么张三就没 有机会中奖
也就是说:在事件B发生的条件下, 事件A发生的概率为0,记 P(A|B)=0
如果已知李四没中奖,张三中奖的机 会有多大?
也就是说:在事件B没发生的条件下, 事件A发生的概率为多少?
P(
A
|
B
)
1 9
在“事件B已发生”的条件下,事 件A发生的概率称为B条件下A的条件 概率,记为P(A|B)
i 1
i 1
B2
B1
A B3
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

条件概率公开课一等奖市赛课获奖课件pptx

条件概率公开课一等奖市赛课获奖课件pptx
2024/1/27
条件概率的公式为P(A|B) = P(AB) / P(B),其 中P(AB)表示事件A和事件B同时发生的概率, P(B)表示事件B发生的概率。
条件概率公式是计算条件概率的基本方法,通 过该公式可以求得任意两个事件之间的条件概 率。
在实际应用中,条件概率公式常常与全概率公 式和贝叶斯公式一起使用,以解决更为复杂的 概率问题。
通过本次课程的学习,学生们学 会了如何有效地学习概率论与数 理统计等相关课程,包括课前预 习、课后复习、独立思考和合作 学习等方法。
2024/1/27
23
对未来研究的展望
2024/1/27
拓展应用领域
随着大数据时代的到来,条件概率在数据分析、机器学习、人工智能等领域的应用将更加 广泛。未来研究可以进一步探索条件概率在这些领域中的新应用和新方法。
条件概率公开课一等 奖市赛课获奖课件
pptx
2024/1/27
1
目录
2024/1/27
• 引言 • 条件概率基本概念 • 条件概率计算方法 • 条件概率在生活中的应用 • 条件概率与贝叶斯公式关系探讨 • 总结与展望
2
01
引言
2024/1/27
3
课件背景与目的
课件背景
条件概率是概率论中的重要概念,广泛应用于统计推断 、机器学习等领域。本次公开课旨在帮助学生深入理解 条件概率的概念、性质和应用,提高学生的数学素养和 解决实际问题的能力。
2024/1/27
13
04
条件概率在生活中的应用
2024/1/27
14
医学诊断中的应用
01 疾病筛查
利用条件概率评估某种症状下疾病发生的可能性 ,如乳腺癌筛查中的阳性预测值。
  1. 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. 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. 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)。
阅读课文(自学例1然后思考1)

思考一: 一个袋中装有 2 个黑球和 3 个白球,如果不放 回地抽取两个黑球, 记事件 “第一次抽到黑球” 为 A; 事件“第二次抽到黑球”为 B. ⑴分别求事件 A、B、AB 发生的概率; ⑵求 P ( B | A) 练习1. 掷两颗均匀骰子,已知第一颗掷出6点,问“掷 出点数之和不小于10”的概率是多少?
难题签而乙抽到难题签,4)甲,乙,丙都抽到难题签
的概率。 解 设A,B,C分别表示“甲、乙、丙抽到难签”
4 则 P (1) P ( A) 10 6 4 P (3) P ( AB ) 10 9
4 3 P (2) P ( AB ) 10 9 4 3 2 P (4) P( ABC ) 10 9 8
即平均1000个具有阳性反应的人中大约只有87人患有癌症.
2.某种动物出生之后活到20岁的概率为0.7,活到25岁的 概率为0.56,求现年为20岁的这种动物活到25岁的概率.
解 设A表示“活到20岁”(即≥20),B表示 “活到25岁” (即≥25) 则 P( A) 0.7, P( B) 0.56 所求概率为
1.条件概率 P ( B A) P ( AB ) P ( A)
2.概率 P(B|A)与P(AB)的区别与联系
P( AB) 表示在样本空间 中, 计算 AB发生
的概率, 而 P(B A ) 表示在缩小的样本空间 A 中, 计算 B 发生的概率.用古典概率公式, 则 AB 中样本点数 P( B A ) , A 中样本点数 作业: AB 中样本点数 P( AB) 课本 中样本点数 一般来说, P(B A ) 比 P( AB) 大.
P ( AB ) 在刚才问题中, 我们发现 P ( B | A) . P ( A) 一般化: 定义:一般地 , 设 A,B 为两个事件 , 且 P( A) 0 , 称
P ( AB ) 为在事件 A 发生的条件下, 事件 B P ( B | A) P ( A) 发生的条件概率 .
注:⑴ 0 ≤ P ( B | A) ≤1 ; A AB B ⑵几何解释 : ⑶可加性: 如果 B和C 互斥, 那么 P ( B C ) | A P( B | A) P(C | A)
解:∵事件 A 发生的条件下,事件 B 的概 率即P(B|A)
A B 都发生,但样本空 间缩小到只包含A的样本点 n( AB) 2 P( B | A) n( A) 3

5
B
1 3 4,6
A
2
练习5.考虑恰有两个小孩的家庭.若已知某一家有男孩, 求这家有两个男孩的概率;若已知某家第一个是男孩, 求这家有两个男孩(相当于第二个也是男孩)的概率. (假定生男生女为等可能)
条件概率
引入
引入问题
条件概率 及思考一 本课小结
思考二
作业:课本 P A 组第 2 题 68
条件概率
我们知道求事件的概率有加法公式: 若事件 A 与 B 互斥,则 P( A B) P( A) P( B) . 那么怎么求 A 与 B 的积事件 AB 呢?
注: 1.事件 A 与 B 至少有一个发生的事件叫做 A 与 B 的和事件,记为 A B ( 或 A B ); 2.事件 A 与 B 都发生的事件叫做 A 与 B 的积事件, 记为 A B (或 AB ); 3.若 AB 为不可能事件,则说事件 A 与 B 互斥.
P( A | B) 45%
于是 所以
P( B ) 4%
P( B) 1 P( B ) 96%
P( A) P( AB) P( B) P( A | B)
96% 45% 43.2%
练习4 练习5
练习4:抛掷一颗骰子,观察出现的点数
B={出现的点数是奇数}={1,3,5} A={出现的点数不超过3}={1,2,3} 若已知出现的点数不超过3,求出现的点数是奇数的概率
2.某种动物出生之后活到20岁的概率为0.7,活到25岁的
概率为0.56,求现年为20岁的这种动物活到25岁的概率.
作业:课本 P A 组第 2 题 68
,某 种 诊 断 癌 症 的 试 1. 根 据 以 往 的 临 床 记 录 验具有如下的效果 :若以A 表示事件 "试 验 反 应 为阳性 " ,以 C 表 示 事 件 "被 诊 断 者 患 有 癌 症 ",则 有 P ( A C ) 0.95, P ( A C ) 0.95.现 在 对 自 然 人 群 进行普查 ,设 被 试 验 的 人 患 有 癌的 症概 率 为 0.005, 即 P (C ) 0.005, 试 求 P (C A).
解: 设A={掷出点数之和不小于10},B={第 一颗掷出6点} 3 n( AB ) 1 36 P( A | B) n( B ) 6 2
36
练习2
练习2. 一盒子装有4 只产品,其中有3 只一等品,1只二 等品.从中取产品两次,每次任取一只,作不放回抽样.设 事件A为“第一次取到的是一等品” ,事件B 为“第二 次取到的是一等品”,试求条件概率P(B|A). 解 将产品编号, 1, 2, 3 为一等品; 4 号为二等品. 以 ( i , j ) 表示第一次、 第二次分别取到第i 号、 第
P( AB) P( B) P( B A) 0.8 P( A) P( A)

B
5
0.560.7Fra bibliotekA3.甲,乙,丙3人参加面试抽签,每人的试题通过不放 回抽签的方式确定。假设被抽的10个试题签中有4个是 难题签,按甲先,乙次,丙最后的次序抽签。试求1)
甲抽到难题签,2)甲和乙都抽到难题签,3)甲没抽到
解 P ( A C ) 0.95, P ( A C ) 1 P ( AC ) 0.05,
P (C ) P ( A C ) P ( C ) P ( A C ) P (C ) P ( A C )
P(C ) 0.005, P(C ) 0.995,
P ( C A) 0.087.
j 号产品, 则试验的样本空间为 {(1,2), (1,3), (1,4), (2,1),(2,3),(2,4) ,,(4,1),(4,2),(4,3)},
A {(1, 2),(1, 3),(1,4),(2,1),(2, 3),(2,4),(3,1),(3, 2),(3,4)}, AB {(1,2), (1,3), ( 2,1), ( 2,3), ( 3,1), ( 3,2)}, 由条件概率的公式得 P ( B A) n( AB ) 6 12 2 . 9 12 3 n( A)
首先看一个抓阄的问题: 三个阄, 其中一个阄内写着“奖”字, 两个阄 内不写字 , 三人依次抓取,问各人抓到“奖”字阄的 概率是否相同?
解:记 Ai 表示:“第一人抓到有奖字” 的事件,i 1, 2, 3 1 21 1 2 1 1 1 , P ( A3 ) 则有 P ( A1 ) , P ( A2 ) 3 3 2 3 3 21 3 三人抓到“奖”字阄的概率是相同的. 思考:(接上题 )如果已经知道第一个人没有抓到“奖” 字,那么最后一名同学抓到“奖”字的概率又是多少? 不妨记所求概率为 P ( B | A) .由古典概型的知识, n( AB ) 1 不难求得概率为 P ( B | A) n( A) 2
4.全年级100名学生中,有男生(以事件A表示)80人, 女生20人; 来自北京的(以事件B表示)有20人,其中 男生12人,女生8人;免修英语的(以事件C表示)40 人中,有32名男生,8名女生。求
P( A), P( B), P( A B), P( B A), P ( AB ),
80 100 20 100 12 20 12 80 12 100
练习3
练习3 .一个盒子中有6只白球、4只黑球,从中不放 回地每次任取1只,连取2次,求 (1) 第一次取得白 球的概率; (2) 第一、第二次都取得白球的概率; (3) 第一次取得黑球而第二次取得白球的概率.

设A表示第一次取得白球, B表示第二次取得白球, 则 6 (1) P ( A) 0.6 10

Ω={ (男, 男) , (男 , 女) , (女 , 男) , (女 , 女) } A={(男, 男) },
设 B= “有男孩” , 则 B={(男, 男) , (男 , 女) , (女 , 男) } A= “有两个男孩” ,
3 于是得 P B 4
P B1 1 2
B1 =“第一个是男孩”
P BA 1 1 P BA P A P A | B P ( B) 3 4
1 4
B1 ={(男, 男) , (男 , 女) }
P B1 A 1 P A | B1 P( B1 ) 2
P B1 A P A
学习小结:
P(C ), P(C A), P( A B ), P( AC )
40 100 32 80 12 80 32 100
6 5 (2)P ( AB ) P( A) P( B A) 0.33 10 9 4 6 (3)P ( AB ) P ( A) P ( B A) 0.27 10 9
思考二.一批产品中有 4% 的次品,而合格品中一等品 占 45% .从这批产品中任取一件,求该产品是一等品的 概率. 解:设A表示取到的产品是一等品,B表示取出 的产品是合格品, 则
P68 A 组第 2 题
选做作业: 根据以往的临床记录 ,某 种 诊 断 癌 症 的 试 1.
验具有如下的效果 :若以A 表示事件 "试 验 反 应 为阳性 " ,以 C 表 示 事 件 "被 诊 断 者 患 有 癌 症 ",则 有 P ( A C ) 0.95, P ( A C ) 0.95.现 在 对 自 然 人 群 进行普查 ,设 被 试 验 的 人 患 有 癌的 症概 率 为 0.005, 即 P (C ) 0.005, 试 求 P (C A).
相关文档
最新文档