- 409.50 KB
- 2021-06-17 发布
- 1、本文档由用户上传,淘文库整理发布,可阅读全部内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,请立即联系网站客服。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细阅读内容确认后进行付费下载。
- 网站客服QQ:403074932
§
1
.5
全概率公式与贝叶斯公式
1.5.1
全概率公式
1.5.2
贝叶斯公式
A
1
A
2
A
3
A
n
…
…
1.5.1
全概率公式
引例:
设甲盒有
3
个白球,
2
个红球,乙盒有
4
个白球,
1
个红球,现从甲盒任取
2
球放入乙盒,再从乙盒任取
2
球,求从乙盒取出
2
个红球的概率.
影响从乙盒中取
2
个红球概率的关键因素是什么?
解
设
A
1
=从甲盒取出2个红球
;
A
2
=从甲盒取出2个白球
;
A
3
=从甲盒取出
1
个白球
1
个红球 ;
B
=
从乙盒取出2个红球
;
则
A
1
,
A
2
,
A
3
两两互斥,且
A
1
∪
A
2
∪
A
3
=
,
所以
B
=
B
=
(
A
1
∪
A
2
∪
A
3
)
B
=
A
1
B
∪
A
2
B
∪
A
3
B
,
P
(
B
)=
P
(
A
1
B
∪
A
2
B
∪
A
3
B
)=
P
(
A
1
B
)
+
P
(
A
2
B
)
+
P
(
A
3
B
)
=
P
(
A
1
)
P
(
B
|
A
1
)
+
P
(
A
2
)
P
(
B
|
A
2
)
+
P
(
A
3
)
P
(
B
|
A
3
)
思考:这种解法是否可一般化?
定义
1
设事件
A
1
,
A
2
,
…
,
A
n
为样本空间
的一组事件。
如果
(1)
A
i
A
j
=
(
i
≠
j
)
;
则称
A
1
,
A
2
,
…
,
A
n
为样本空间
的一个划分。
1.
完备事件组(样本空间的一个划分)
(2)
A
1
A
2
A
3
A
n
…
…
例如上例中的
A
1
=从甲盒取出2个白球,
A
2
=从甲盒取出2个红球,
A
3
=从甲盒取出
1
个白球
1
个红球,
就构成了一个完备事件组。
1.5.1
全概率公式
2.
全概率公式
定理
设试验E的样本空间为
Ω
,
设事件
A
1
,
A
2
,
…
,
A
n
为
样本空间
Ω
的一个划分,且
P
(
A
i
)>0 (
i
=1,2, …,
n
)
. 则对任意事件
B
,有
A
1
A
2
A
3
A
n
…
…
B
证明
因为
A
i
A
j
=
(
i
≠
j
)
按概率的可加性及乘法公式有
例
设袋中有
12
个乒乓球,
9
个新球,
3
个旧球.第一次比赛取
3
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.
3.
全概率公式的应用
如果试验
E
有两个相关的试验
E
1
,
E
2
复合而成,
E
1
有若干种可能的结果,
E
2
在
E
1
的基础上也有若干种可能的结果,如果求和
E
2
的结果有关事件的概率,可以用全概率公式.试验
E
1
的几种可能的结果就构成了完备事件组.
解
A
i
=
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
A
0
,
A
1
,
A
2
,
A
3
构成一个完备事件组,由全概率公式得:
例
1
播种用的一等小麦种子中混有
2%
的二等种子,
1.5%
的三等种子
, 1%
的四等种子
,
用一等、二等、三等、四等种子长出的穗含
50
颗以上麦粒的概率分别为
0.5,0.15,0.1
、
0.05,
求这批种子所结的穗含有
50
颗以上麦粒的概率。
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
B
1
,
B
2
,
B
3
,
B
4
,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
练习
1
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
A
1
=他乘火车来,
A
2
=他乘船来,
A
3
=他乘汽车来,
A
4
=他乘飞机来,
B
=他迟到。
易见:
A
1
,
A
2
,
A
3
,
A
4
构成一个完备事件组,由全概率公式得
=0.3×0.25
+
0.
2
×0.3
+
0.
1
×0.1
+
0.4×0
=0.145
。
练习
2
两台机床加工同样的零件,第一台的废品率为
0.04
,第二台的废品率为
0.07
,加工出来的零件混放,并设第一台加工的零件是第二台加工零件的
2
倍,现任取一零件,问是合格品的概率为多少?
解
令
B
=
取到的零件为合格品,
A
i
=
零件为第
i
台机床的产品
,
i
=1, 2.
此时
,
全部的零件构成样本空间
Ω
,
A
1
,
A
2
构成
Ω
的一个划分。由全概率公式得
:
1.5.2
贝叶斯公式
1.
引例
设甲盒有
3
个白球,
2
个红球,乙盒有
4
个白球,
1
个红球,现从甲盒任取
2
球放入乙盒,再从乙盒任取两球,求
(1)
从乙盒取出
2
个红球的概率
;
(2)
已知从乙盒取出
2
个红球,求从甲盒取出两个红球的概率。
解
(1)
设
A
1
=
从甲盒取出
2
个红球,
A
2
=
从甲盒取出
2
个白球;
A
3
=从甲盒取出
1
个白球
1
个红球 ;
B
=
从乙盒取出
2
个红球;
则
A
1
,
A
2
,
A
3
两两互斥,且
A
1
+
A
2
+
A
3
=Ω,
所以
P
(
B
)=
P
(
A
1
)
P
(
B
|
A
1
)+
P
(
A
2
)
P
(
B
|
A
2
)+
P
(
A
3
)
P
(
B
|
A
3
)
(2)
P
(
A
1
|
B
)
2.
贝叶斯公式
定理
设
A
1
,
A
2
,
…
,
A
n
为样本空间
Ω
的一个划分,且
P
(
A
i
)>0
(
i
=1,2,…,
n
),则对于任何一事件
B
(
P
(
B
)>0),
有
于是 (
j
=1
,
2
,
…
,
n
)。
事实上,由条件概率的定义及全概率公式
3.
贝叶斯公式的应用
(1)
如果试验
E
有两个相关的试验
E
1
,
E
2
复合而成,
E
1
有若干种可能的结果,
E
2
在
E
1
的基础上也有若干种可能的结果,如果已知和
E
2
的结果有关某事件发生了,求和试验
E
1
的结果有关事件的概率,可以用贝叶斯公式.试验
E
1
的几种可能的结果就构成了完备事件组。
(2)
如果把样本空间的一个划分
A
1
,
A
2
, …,
A
n
看作是导致事件
B
发生的各种原因,如果
B
发生了,求
P
(
A
j
|
B
)
可以用贝叶斯公式
。
例
2
一学生接连参加同一课程的两次考试,第一次及格的概率为
p
,若第一次及格则第二次及格的概率也为
p
;若第一次不及格则第二次及格的概率为
p
/2
.若已知他第二次已经及格,求他第一次及格的概率.
于是,由全概率公式得
由贝叶斯公式得
解
记
A
i
={
该学生第
i
次考试及格
}
,
i
=1,2
.显然 为样本空间的一个划分,且已知
例
3
某医院对某种疾病有一种看起来很有效的检验方法,
97%
的患者检验结果为阳性,
95%
的未患病者检验结果为阴性,设该病的发病率为
0.4%
.现有某人的检验结果为阳性,问他确实患病的概率是多少?
得到
由贝叶斯公式得
解
记
B
为检验结果是阳性,则 为检验结果是阴性,
A
表示患有该病,则 为未患该病.由题意
例
4
对以往数据分析的结果表明,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%
,试求某日早上第一件产品是合格时,机器调整得良好的概率。
解
设
A
1
=
机器调整良好
,
A
2
=
机器调整不好
,
B
=
产品合格,
已知
P
(
A
1
)=0.75
,
P
(
A
2
)=0.25
;
P
(
B
|
A
1
)=0.9
,
P
(
B
|
A
2
)=0.3
.
需要求的概率为
P
(
A
1
|
B
)
。由贝叶斯公式
P
(
A
1
),
P
(
A
2
)
通常称为
验前概率
。
P
(
A
1
|
B
),
P
(
A
2
|
B
)
通常称为
验后概率
。