1.4乘法公式与全概率公式
人教b版选择性必修第二册412乘法公式与全概率公式课件_1
解:(2)P(|B)=
()
=
.
= .
针对训练:已知公路上经过的货车和客车的数量之比为2∶1,其中货车中途
停车检修的概率为0.02,客车中途停车检修的概率为0.01.今有一辆车中途
停车检修,求该车为货车的概率.
解:记 A1=“经过的是货车”,A2=“经过的是客车”,B=“中途停车检修”,则Ω=A1∪A2.
(1)甲中奖而且乙也中奖的概率 P(BA)=P(A)·P(B|A)= × =
.
针对训练:在某大型商场促销抽奖活动中,甲、乙两人先后进行抽奖前,还有60
张奖券,其中有6张中奖奖券.假设抽完的奖券不放回,甲抽完以后乙再抽,求:
(2)甲没中奖而乙中奖的概率;
解:(2)甲没中奖而乙中奖的概率 P(B)=P()·P(B|)=×=.
事件在基本事件空间上发生的概率.如果把基本事件空间分解为A1,A2,A3,
即A1,A2,A3互不相交且Ω=A1∪A2∪A3,则随机事件B发生的情况可以用下图
表示:
P(B)=P(A1)P(B|A1)+P(A2)P(B|A2)+P(A3)P(B|A3).
探究点三
贝叶斯公式
[例3] 在数字通信中,信号是由数字0和1组成的序列.由于随机因素的干扰,发送的
( )(| )
=
∑ ( )(| )
=
也称为贝叶斯公式)
.(这个公式
拓展总结
贝叶斯公式充分体现了 P(A|B),P(A),P(B),P(B|A),P(B|),P(AB)之间的转化.
()
即 P(A|B)= () ,P(AB)=P(A|B)P(B)=P(B|A)P(A),P(B)=P(A)P(B|A)+P()P(B|)
概率论 条件概率、乘法公式与全概率公式
P( AB ) P( A | B) P( B)
若事件B已发生, 则为使 A也发生 , 试验结果必须是既 在 B 中又在A中的样本点 , 即 此点必属于AB. 由于我们已经 知道B已发生, 故B就变成了新 的样本空间 , 于是 就有(1).
(1)
具体计算时,并不一定用到(1),可直接 从加入条件后的新的样本空间B去考虑.
故P( A) P( A1 A2 A3 ) P( A1 ) P( A 2 | A1 ) P( A3 | A1 A2 )
10 9 90 0 . 0083 100 99 98
A A1 A2 A3 .
1.4.3 概率基本公式
概率基本公式——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
条件概率的性质 设B是一事件,且P(B)>0, 则 1. 对任一事件A,0≤P(A|B)≤1; 2. P(Ω |B)=1; 3. 设A1, A2,…两两互斥,则
P(( A1 A2 ) | B)) P( A1 | B) P( A2 | B)
而且,前面对概率所证明的一切性质, 也都适用于条件概率.
1.4.2 乘法公式
P( AB) P( A | B) , P( B)
得
P(B)>0 (2)
P(AB)=P(B)P(A|B) P(A)>0
P( AB) P( B | A) , P( A)
得
P(AB)=P(A)P(B|A)
(3)
(2)和(3)式都称为乘法公式,利用它们 可计算两个事件同时发生的概率.
P( A i B) 故P( A i | B) P( B)
= P( A i ) P( B|A i )
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.
考查很隐晦却很重要的概率运算五大公式
考查很隐晦却很重要的概率运算五大公式来源:文都图书概率论与数理统计在考研数学中占22%,约34分,在396经济联考中占14分,事件概率计算的五大公式是数一、数三,396考纲中都有要求的内容,所以比较基础也比较重要。
今天,我们和大家谈谈概率计算的五大公式。
五大公式包括减法公式、加法公式、乘法公式、全概率公式、贝叶斯公式。
1、减法公式,P(A-B)=P(A)-P(AB)。
此公式来自事件关系中的差事件,再结合概率的可列可加性总结出的公式。
2、加法公式,P(A+B)=P(A)+P(B)-P(AB)。
此公式来自于事件关系中的和事件,同样结合概率的可列可加性总结出来。
学生还应掌握三个事件相加的加法公式。
以上两个公式,在应用当中,有时要结合文氏图来解释会更清楚明白,同时这两个公式在考试中,更多的会出现在填空题当中。
所以记住公式的形式是基本要求。
3、乘法公式,是由条件概率公式变形得到,考试中较多的出现在计算题中。
在复习过程中,部分同学分不清楚什么时候用条件概率来求,什么时候用积事件概率来求。
比如“第一次抽到红球,第二次抽到黑球”时,因为第一次抽到红球也是未知事件,所以要考虑它的概率,这时候用积事件概率来求;如果“在第一次抽到红球已知的情况下,第二次抽到黑球的概率”,这时候因为已知抽到了红球,它已经是一个确定的事实,所以这时候不用考虑抽红球的概率,直接用条件概率,求第二次取到黑球的概率即可。
4、全概率公式5、贝叶斯公式以上两个公式是五大公式极为重要的两个公式。
结合起来学习比较容易理解。
首先,这两个公式首先背景是相同的,即,完成一件事情在逻辑或时间上是需要两个步骤的,通常把第一个步骤称为原因。
其次,如果是“由因求果”的问题用全概率公式;是“由果求因”的问题用贝叶斯公式。
例如;买零件,一个零件是由A、B、C三个厂家生产的,分别次品率是a%,b%,c%,现在求买到次品的概率时,就要用全概率公式;若已知买到次品了,问是A厂生产的概率,这就要用贝叶斯公式了。
大学概率论必背公式
,使对任意实数 x,都有
F ( x)=P( X x)=x f (u)du
则称 X 为连续型随机变量,f (x)为 X 的概率密度函数,简称概率密度或密度函数。 记为 X~ f (x) , (- < x <+)
2. 密度函数的性质
(3)
若
x是
f(x )
f (x)的连续点,
dF(x dx
)
.
(4)
P(a X b)= b f (u)du a
P{X xk } pk ,k 1,2,
数学期望 E(X)是一个常数,而非变量.它是一种以概率为权的加权平均值 (1)X ~(0—1)分布
(2)X~B(n,p)二项分布 (3)X~(或)Poisson 分布
2. 连续型随机变量的数学期望
(1)X~U(a,b)均匀分布 其概率密度函数为:
f(x )
5. 边缘分布 6. 二维连续型随机变量及其密度函数 联合密度 f (x , y )的性质
7. 边缘密度函数
8. 条件密度函数
1)fX|Y (x
y)
f (x, y) 称为Y fY ( y)
y下, X的条件密度函数
2)fY|X ( y
x)
f (x, y) 称为X fX (x)
x下,Y的条件密度函数
8、相关系数: 若 r.v. X,Y 的方差和协方差均存在, 且 D(X )> 0, D(Y )> 0,则
称为 X 与 Y 的相关系数. X 与 Y 不相关 Cov(X, Y )=0 E(XY )= E(X )E (Y )。
8、矩 (1)k 阶原点矩 E(X k ), k=1, 2, … 而 E(|X|k)称为 X 的 k 阶绝对原点矩; (2)k 阶中心矩 E[XE(X )]k, k=1, 2, … 而 E|X-E(X )|k 称为 X 的 k 阶绝对中心矩;
1.4条件概率及有关公式
23
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.
24
例 8 某一地区患有癌症的人占0.005,患者 对一种试验反应是阳性的概率为0.95,正常 人对这种试验反应是阳性的概率为0.04,现 抽查了一个人,试验反应是阳性,问此人是 癌症患者的概率有多大? 求解如下: 设 C={抽查的人患有癌症}, A={试验结果是阳性}, 则 C 表示“抽查的人不患癌症”.
设B1,B2,…,Bn互不相容, A Bi ,
i 1
n
P(B )P( A | B )
i 1 i i
n
( k 1,2,..., n)
P ( ABk ) 分析: P ( Bk | A) P ( A) P ( Bk ) P ( A | Bk ) 乘 法 公 式 n P ( Bi ) P ( A | Bi ) 全 概 率 公 式
5
分析: : n个样本点 B: m个样本点 AB: k个样本点 在B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AB中的 某一样本点发生,故 P ( AB ) k k / n P ( A | B) m m/n P( B) 相当于“缩小了样本空间”
6
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
(3)
11
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)
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)
概率论-1-5条件概率,乘法公式,全概率公式,贝叶斯公式
P ( B) P ( Ai )P ( B|Ai )
i 1
1 1 1 2 1 1 8 3 5 3 5 3 15
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.
2. 样本空间的划分及全概率公式
定义 设S为试验E的样本空间, B1 B1, B2,, Bn 为E的一组事件,若
注意P(AB)与P(A | B)的区别! 请看下面的例子
例4 甲、乙两厂共同生产1000个零件,其中 300 件是乙厂生产的. 而在这300个零件中,有189个是标准 件,现从这1000个零件中任取一个,问这个零件是乙厂 生产的标准件的概率是多少?
解 设B={零件是乙厂生产}, A={是标准件}
PBi PA | Bi
i 1
当 n=2 时,划分 B1, B2 可写成划分 B, B ,于是 P( A) P(B)P( A | B) P(B)P( A | B))
3. 全概率公式的理解
n
PA PBi PA | Bi
i 1
全概率公式 .
全概率公式的基本思想 是把一个未知的复杂事 件
样本空间中的任一事件 A ,恒有
n
PA PBi PA | Bi
i 1
证明 因为 A AS AB1 B2 Bn
AB1 AB2 ABn
并且 ABi AB j , i j ,所以
PA PAB1 PAB2 PABn
P n
B1
P
A
|
B1
PBn PA | Bn
解 记 Ai={球取自i号箱}, i=1,2,3;
B ={取得红球}
12 3
其中 A1、A2、A3两两互斥 B发生总是伴随着A1,A2,A3 之一同时发生,
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。
§14_条件概率与概率的三个基本公式
§14_条件概率与概率的三个基本公式条件概率和概率的三个基本公式是概率论中非常重要的概念和公式。
条件概率指的是在一些条件下事件发生的概率,而概率则是指事件发生的可能性。
三个基本公式分别是全概率公式、贝叶斯公式和乘法规则。
下面将详细介绍这三个公式。
一、全概率公式:全概率公式是概率论中最基本也是最重要的公式之一、它用于计算一个事件在多个互斥且完备的情况下发生的概率。
它的数学表示如下:P(A)=P(A,B1)P(B1)+P(A,B2)P(B2)+...+P(A,Bn)P(Bn)其中,P(A)表示事件A发生的概率,B1,B2,...Bn是一组互斥且完备的事件,P(Bi)表示事件Bi发生的概率,P(A,Bi)表示在事件Bi发生的条件下事件A发生的概率。
这个公式的直观理解是将事件A分解成多个情况下事件A发生的概率之和。
二、贝叶斯公式:贝叶斯公式是由英国数学家贝叶斯提出的。
它是用于更新事件发生概率的一种方法。
贝叶斯公式的数学表示如下:P(B,A)=P(A,B)P(B)/P(A)其中,P(B,A)表示在事件A已经发生的条件下事件B发生的概率,P(A,B)表示在事件B已经发生的条件下事件A发生的概率,P(B)表示事件B发生的概率,P(A)表示事件A发生的概率。
贝叶斯公式的直观理解是根据已知的信息来更新我们对事件发生概率的估计。
三、乘法规则:乘法规则是概率论中计算一个复合事件发生概率的一个基本公式。
它是由条件概率推导而来的。
乘法规则的数学表示如下:P(A∩B)=P(A,B)P(B)=P(B,A)P(A)其中,P(A∩B)表示事件A与事件B同时发生的概率,P(A,B)表示在事件B发生的条件下事件A发生的概率,P(B,A)表示在事件A发生的条件下事件B发生的概率,P(A)和P(B)分别表示事件A和事件B发生的概率。
乘法规则的直观理解是用事件B发生的概率乘以在事件B发生的条件下事件A发生的概率来计算事件A与事件B同时发生的概率。
乘法公式与全概率公式
解 设A,B分别表示第一、二次摸到白球,则
法一:
P(B | A) k n
C21 C91
2 9
.
法二A:发生P后(的B缩| A减) P( AB) 样本空间所含样 P( A)
本点总数
在间本A缩中点332/减个B/1A所0样数120含本样空92 ;
例2 设某种动物由出生算起活到20年以上的 概率为0.8,活到25年以上的概率为0.4. 问现年20 岁的这种动物,它能活到25岁以上的概率是多少?
1
1 2
1
7 10
1
9 10
3 200
.
三、全概率公式
全概率公式主要用于计算比较复杂事件的 概率, 它实质上是可加性和乘法公式的综合运 用.
综合运用
可加性
P(A∪B)=P(A)+P(B)
A、B互斥
乘法公式 P(AB)= P(A) P(B | A) P(A)>0
定 义 若 事 件 组 B1, B2,, Bn 满 足 以 下 两 个 条 件 :
注:概率 P(A|B)与P(AB)的区别 与联系
联系:事件A,B都发生了 区别: (1)在P(A|B)中,事件A,B发生有时间上的差异, B先A后;在P(AB)中,事件A,B同时发生。
(2)样本空间不同,在P(A|B)中,事件B成为样本 空间;在P(AB)中,样本空间仍为 S 。
因而有 P(A B) P(AB)
(2) 规范性 P( | B) 1;
(3) 可加性 设 A1 ,, An 是 两 两 不 相 容 的 事 件 , 则
n
n
P( Ai | B) P(Ai | B)
i1
i1
并由此推出条件概率的其它性质:
14乘法公式与全概率公式
(k1,2,,n)
P(Bj )P(A| Bj )
j1
该公式于1763年由贝叶斯(Bayes)给出. 它是在观察
到事件A已发生的条件下,寻找导致A发生的每个原因
Bk的概率.
2020/6/5
例5已知三家工厂的市场占有率分别为30%、20%、 50%, 次品率分别为3%、3%、1%.(2)如果买了 一件该商品,发现是次品,问它是甲、乙、丙厂生产 的概率分别为多少? 解 P(B1|A)P(B1P )P ((AA )|B1)0.30.00.2030.45,
解 记A:顾客买下所察看的一箱玻璃杯, Bi :箱中有i件次品(i =0,1,2),
由题设知,P ( B 0 ) 0 . 8 , P ( B(A| B1)C C12449054, P(A|B2)C C1244801192, 由全概率公式知
三、全概率公式
全概率公式主要用于计算比较复杂事件的 概率, 它实质上是可加性和乘法公式的综合运 用.
综合运用
可加性
P(A∪B)=P(A)+P(B)
A、B互斥
乘法公式 P(AB)= P(A) P(B | A)
P(A)>0
2020/6/5
定 义 若 事 件 组B1,B2,,Bn满 足 以 下 两 个 条 件 :
打破的 7,若 概前 率两 是,第 次三 未次 打落 破 破的概9率 1 ,试 0是 求透镜落破 下的 三概 .次率 未
10
解 B1第一次落下,未B2打 第 破二次落下,未
B3 第三次落下未 , 打破
P B P B 1B 2B 3P B 1P B 2P B 3
11 211701190
3 200
.
2020/6/5
P(B 2|A)0.20 .00.0 23 0.3,P(B3|A)0.50 .00.0 21 0.25 .
乘法公式、全概率公式、贝叶斯公式应用
乘法公式、全概率公式和贝叶斯公式在概率论和统计学中是非常重要的概念。
它们常常被用来解决复杂的概率问题,对于我们理解和应用概率有着重要的指导意义。
1. 乘法公式乘法公式是概率论中最基本的公式之一,它描述了两个事件同时发生的概率。
乘法公式的一般形式为 P(A and B) = P(A) * P(B|A),其中P(A and B) 表示事件 A 和事件 B 同时发生的概率,P(A) 为事件 A 发生的概率,P(B|A) 表示在事件 A 发生的条件下,事件 B 发生的概率。
乘法公式的应用非常广泛,比如在生活中,我们经常需要计算多个事件同时发生的概率。
举个简单的例子,假设有一副扑克牌,从中抽取两张牌,求第一张是红桃的概率和第二张也是红桃的概率。
这就是一个典型的乘法公式的应用问题。
2. 全概率公式全概率公式是在条件概率的基础上发展而来的,它用于计算一个事件的概率,当这个事件可以被划分为几个相互独立的事件的并集时,全概率公式能够很好地解决这类问题。
全概率公式的一般形式为P(B) = Σ [P(Ai) * P(B|Ai)],其中 Ai 是样本空间的一个划分,P(B) 是事件 B 的概率,P(Ai) 是事件 Ai 的概率,P(B|Ai) 是在事件 Ai 发生的条件下,事件 B 发生的概率。
全概率公式的应用场景非常多,比如在市场营销中,我们经常需要根据不同的市场情况来预测产品的销售情况,全概率公式可以帮助我们很好地处理这类问题。
3. 贝叶斯公式贝叶斯公式是一种用于计算条件概率的重要公式,它能够在得到相关先验信息的情况下,根据新的证据来更新我们对事件的概率。
贝叶斯公式的一般形式为 P(A|B) = [P(B|A) * P(A)] / P(B),其中 P(A|B) 表示在事件 B 发生的条件下,事件 A 发生的概率,P(B|A) 表示在事件 A 发生的条件下,事件 B 发生的概率,P(A) 和 P(B) 分别表示事件 A 和事件 B 的先验概率。
乘法及全概率
则有
P ( B A) P ( B ),
它表示 A 的发生并不影响 B 发生的可能性大小.
P ( B A) P ( B )
P ( AB ) P ( A) P ( B )
全概率公式
例5 有一批同一型号的产品,已知其中由一厂 生产的占 30% ,二厂生产的占 50% ,三厂生 产的占 20%,又知这三个厂的产品次品率分别 为2% , 1%,1%,问从这批产品中任取一件 是次品的概率是多少?
解 : 设A "任取一件为次品" Bi "任取一件为i厂的产品", i 1, 2,3
3. 贝叶斯公式
定理 设试验 E 的样本空间为 S . A为 E 的事件, B1 B2 ,, Bn 为 S 的一个划分, 且 P ( A) 0, P( Bi ) 0, (i 1, 2,, n), 则 P ( Bi A) P ( Bi ) P ( A Bi ) , i 1, 2,, n.
故
P(A)>0,则P(AB)=P(A)P(B|A)
(3)
推广 设 A1 , A2 ,, An 为 n 个事件, n 2,
当P(A1A2…An-1)>0时,有
P (A1A2…An)
=P(A1)P(A2|A1) …P(An| A1A2…An-1)
注意P(AB)与P(A|B)的区别!
例2 甲、乙两厂共同生产1000个零件,其中300 件是乙厂生产的. 而在这300个零件中,有189个 是标准件,现从这1000个零件中任取一个,问这 个零件是乙厂生产的标准件的概率是多少?
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).
1.4条件概率与乘法公式
第四节 条件概率与乘法公式
一、条件概率
1. 条件概率的概念
在解决许多概率问题时,往往需要在 有某些附加信息(条件)下求事件的概率. 如在事件B发生的条件下求事件A发生的 概率,将此概率记作P(A|B).
A1 : 有利好消息, A2 : 有利空消息, A3 :既无利好也无利空消息, B : 今天该股票上涨
P(A1) 0.6, P(A2 ) 0.2, P(A3) 0.2 P(B | A1) 0.8, P(B | A2 ) 0.3, P(B | A3) 0.5
P( A1
|
B)
P( A1)P(B
为在事件B发生的条件下,事件A的条件概率.
B ABA
若事件B已发生, 则为使
A也发生 , 试验结果必须是既 在 B 中又在A中的样本点 , 即 此点必属于AB. 由于我们已经 知道B已发生, 故B变成了新的 样本空间 , 于是 有(1).
3. 条件概率的计算
P( A | B) P( AB) , P(B)
例如 甲、乙两厂共同生产1000个零件,其中300 件是乙厂生产的. 而在这300个零件中,有189个 是标准件,现从这1000个零件中任取一个,问这 个零件是乙厂生产的标准件的概率是多少?
设B={零件是乙厂生产}
300个
A={是标准件} 乙厂生产 所求为P(AB).
189个是
标准件
甲、乙共生产
1000 个
掷骰子
又如,10件产品中有7件正品,3件次品, 7件正品中有3件一等品,4件二等品. 现从这 10件中任取一件,记
- 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)。
解 设A,B分别表示第一、二次摸到白球,则
法一:
P(B | A) k n
C
1 2
C
1 92 9.法二A:发生P后(的B缩| A减) P(AB) 样本空间所含样 P(A)
本点总数
在间本A缩中点332 /减个B/1所A0样数120含本样空92
;
2020/5/24
例2 设某种动物由出生算起活到20年以上的概 率为0.8,活到25年以上的概率为0.4. 问现年20岁的 这种动物,它能活到25岁以上的概率是多少?
打破的1,概 若率 第为 一次,落 第下 二未 次打 落 2
打破的 7,若 概前 率两 是,第 次三 未次 打落 破 破的概9率 1 ,试 0是 求透镜落破 下的 三概 .次率 未
10
解 设 A i 透i次 镜落 第 ,i 1 ,下 2 ,3 , 打
B透镜落下三,则 次B未 A 1A 打 2A 3破 .
§1.4 条件概率与三个概率公式
条件概率 乘法公式 全概率公式 贝叶斯公式
2020/5/24
一、条件概率
对概率的讨论总是相对于某个确定的条件而言 的,但有时除了这个确定的条件以外,还会提出 附加的条件,即已知某一事件B已经发生,要求另 一事件A发生的概率。
例如,考虑有两个孩子的家庭,假定男女出生 率相同,则两个孩子的性别为(男,男),(男,女), (女,男),(女,女)的可能性是一样的。
2020/5/24
练习 1.设A与B互不相容,且P(B)>0,则P(A|B)=____0____
2.设A与B为两事件,且P(A)=0.7, P(B)=0.6, P(AB)0.5
则P(B| A)
解 :由 P (A B )P (B )P (A)B
P (A) B P (B ) P (A B ) 0 .1
P B P A 1 A 2 A 3 P A 1 P A 2 |A 1 P A 3 |A 1 A 2
11 211701190
3 200
.
2020/5/24
例4 设 某 光 学 仪 器 厂 制 造 的 透 镜 , 第 一 次 落 下 时
打破的1,概 若率 第为 一次,落 第下 二未 次打 落 2
AAA (B 1 B 2 B n)
A1B A2B AnB
显 然 A 1 ,A 2 B , ,A B n 也 两 B 两 不 相 容 ,
B3
B1
A
B6
2020/5/24
B4 B2
B5
B7 B8
设 B 1,B 2,,B n为 一 个 完 备 事 件 组 , 对 任 一 事 件 A , 有
AAA (B 1 B 2 B n)
打破的 7,若 概前 率两 是,第 次三 未次 打落 破 破的概9率 1 ,试 0是 求透镜落破 下的 三概 .次率 未
10
解 B1第一次落下,未B2打 第 破二次落下,未
B3 第三次落下未 , 打破
P B P B 1B 2B 3P B 1P B 2P B 3
11 211701190
3 200
.
2020/5/24
2020/5/24
加权平均
例6 袋中有a个白球b个黑球,不放回摸球两次,问 第二次摸出白球的概率为多少? 解 分别记A,B为第一次、第二次摸到白球,
由全概率公式,
P (B ) P (A ) P (B |A ) P (A ) P (B |A )
a a1 b a a . a b ab1 a b ab1 ab
P (A ) P (A 1 ) B P (A 2 ) B P (A 3 )B
P ( B 1 ) P ( A | B 1 ) P ( B 2 ) P ( A | B 2 ) P ( B 3 ) P ( A | B 3 )
0 . 3 0 . 0 0 . 3 2 0 . 0 0 . 3 5 0 . 0 0 . 1 0 . 2
解 记A:顾客买下所察看的一箱玻璃杯, Bi :箱中有i件次品(i =0,1,2),
由题设知,P ( B 0 ) 0 . 8 , P ( B 1 ) P ( B 2 ) 0 . 1 ,
P(A|B0)1, P(A| B1)C C12449054, P(A|B2)C C1244801192, 由全概率公式知
可 以 想 见 , 第 三 次 、 第 四 次 … 摸 出 白 球 的 概 率 仍 为
a, 这 体 现 了 抽 签 好 坏 与 先 后 次 序 无 关 的 公 平 性 . ab
2020/5/24
例7 设玻璃杯整箱出售,每箱20只,各箱含0,1,2 只次品的概率分别为0.8,0.1,0.1,一顾客欲购买一 箱玻璃杯,由营业员任取一箱,经顾客开箱随机察看4 只,若无次品,则买此箱玻璃杯,否则退回. 试求顾客 买下此箱玻璃杯的概率.
的概率”称为条件概率,记为P (A | B)。 AB
若记B为至少有一男孩,则上述概率为
P(A| B) 2 2 4 P ( A ) P ( AB ) . 3 3 4 P (B ) P(B)
2020/5/24
条件概率的计算公式规定如下:
P(A| B) P(AB) (P(B)0) P(B)
例1 设袋中有7个黑球,3个白球,不放回摸取两次, 如果已知第一次摸到白球,求第二次也摸到白球的 概率。
现 在 有 了 新 的 信 息 已 知 (A发 生 ),我 们 对 B1,B2,,Bn发 生 的 可 能 性 大 小 P(B1|A)P ,(B2|A) , ,P(Bn|A)有 了
新 的 估 价 , 称 为 "后 验 概 率 ".
全概率公式可看成“由原因推结果”,而贝叶斯公式 的作用在于“由结果推原因”:现在一个“结果”A已经 发生了,在众多可能的“原因”中,到底是哪一个导致了
解 设A={能活20年以上},B={能活25年以上} 所求为 P(B|A) .
依题意, P(A)=0.8, P(B)=0.4
P(B| A)P(AB) P(B) 0.40.5 P(A) P(A) 0.8
2020/5/24
不难验证条件概率具有以下三个基本性质:
(1) 非负性 P(A|B)0;
(2) 规范性 P(|B)1;
2020/5/24
全概率公式
n
P(A) P(Bi)P(A|Bi) i1
利用全概率公式,可以把较复杂事件概率的 计算问题,化为若干互不相容的较简单情形,分 别求概率然后求和.
2020/5/24
例5 市场上有甲、乙、丙三家工厂生产的同一品牌 产品,已知三家工厂的市场占有率分别为30%、20%、 50%,且三家工厂的次品率分别为 3%、3%、1%, 试求:(1)市场上该品牌产品的次品率. 解 设A:买到一件次品;B1、B2 、B3分别表示买到 一件甲厂、乙厂、丙厂的产品;
(3) 可加性 设 A1 , , An 是 两 两 不 相 容 的 事 件 , 则
n
n
P(UAi |B)P(Ai |B)
i1
i1
并由此推出条件概率的其它性质:
(4) P(Φ|B)0;
(5 ) P (A |B ) 1 P (A |B );
( 6 ) P ( A 1 A 2 | B ) P ( A 1 | B ) P ( A 2 | B ) P ( A 1 A 2 | B )
若A记为“一男一女”,则P(A)=1/2; 但如果预先知道至少有一男孩,则上述事件 的概率应为2/3.
2020/5/24
例如,考虑有两个孩子的家庭,假定男女出生 率相同,则两个孩子的性别为(男,男),(男,女), (女,男),(女,女)的可能性是一样的。
若A记为“一男一女”,则P(A)=1/2; 但如果预先知道至少有一男孩,则上述事件 的概率应为2/3. 我们将“已知事件 B 发生的条件下,事件 A 发生
2
1412448
P (A )i 0P (B i)P (A |B i) 0 .8 1(5 0 1) 947 . 5
2020/5/24
四、贝叶斯公式
在上面例5中,如买到一件次品,问它是甲厂生 产的概率为多大?这就要用到贝叶斯公式 .
在全概率公式的假定下,有
P(Bk
|
A)
P(ABk) P(A)
P(Bk )P(A| Bk )
这一故结贝果叶?斯公式也称为“逆概公式”。
2020/5/24
例 8 对以往的数据分析结果表明当机器调整 得良好时,产品的合格率为 90% , 而当机器发生 某一故障时,其合格率为 30% 。每天早上机器 开动时,机器调整良好的概率为 75% 。已知某
天早上第一件产品是合格品,试求机器调整得良 好的概率是多少?
乘法 公式
推广到三个事件:
P ( A) B P ( A ) C P ( B |A ) P ( C |A ) , B
一般, P (A1A2…An )
=P(A1) P(A2|A1) …P(An| A1A2…An-1)
与次序无关。
2020/5/24
例3 某厂产品的废品率为4%,而合格品中有75%是一 等品,求一等品率.
从P 而 (B|A)P(AB )1 P(A) 7
2020/5/24
注:概率 P(A|B)与P(AB)的区别与 联系
联系:事件A,B都发生了 区别: (1)在P(A|B)中,事件A,B发生有时间上的差异, B先A后;在P(AB)中,事件A,B同时发生。
(2)样本空间不同,在P(A|B)中,事件B成为样本 空间;在P(AB)中,样本空间仍为 S 。
因而有 P(AB)P(AB)
2020/5/24
作业
P:19 习题1-4 1
2020/5/24
二、乘法公式
由条件概率的公式: P(A| B) P(AB) P(B)
若已知P(B), P(A|B)时, 可以反求 P(AB).
即若P(B) > 0, 则 P(AB)=P(B) P(A|B) 若P(A) > 0, 则 P(AB)=P(A) P(B|A)