本课程来自 深度之眼,部分截图来自课程视频。
【第三章 概率论】3.1概率基础
在线LaTeX公式编辑器
任务详解:
主要介绍了随机试验,样本空间,随机事件,概率的定,条件概率与乘法公式,全概率公式与贝叶斯公式,独立性等知识点。
掌握目标:
1、了解概率基本概念,掌握条件概率和乘法公式
2、掌握全概率公式和贝叶斯公式
3、掌握事件的独立性
1.随机试验,样本空间,随机事件
随机试验
1.扔硬币
E
1
E_1
E1:抛一枚硬币,观察正面H、反面T出现的情况。
E
2
E_2
E2:将一枚硬币抛掷三次,观察正面H、反面T出现的情况。
E
3
E_3
E3:将一枚硬币抛掷三次,观察出现正面的次数.
E
4
E_4
E4:抛一颗骰子,观察出现的点数.
2.投筛子
样本空间
随机试验E的所有可能结果构成的集合称为E的样本空间
对应上面四个随机试验的样本空间。
S
1
S_1
S1:{H,T};
S
2
S_2
S2:{ HHH, HHT, HTH, THH, HTT, THT, TTH, TTT);
S
3
S_3
S3:{0,1,2,3};
S
4
S_4
S4:{1,2,3,4,5,6};
随机事件
试验E的样本空间S的任意一个子集称为E的随机事件,简称事件
必然事件和不可能事件
互斥事件和对立事件(A发生,B一定不发生,A不发生,B一定发生。
P
(
A
)
+
P
(
B
)
=
1
P(A)+P(B)=1
P(A)+P(B)=1)
2.概率的定义
定义设E是随机试验,S是它的样本空间。对于E的每一事件A赋子一个实数,记为P(A),称为事件A的概率,如果集合函数
P
(
⋅
)
P( \cdot )
P(⋅)满足下列条件:
1°非负性:对于每一个事件A,有P(A)≥0;
2°规范性:对于必然事件S,有P(S)=1;
3°可列可加性:设
A
1
,
A
2
,
…
A_1,A_2,…
A1,A2,…是两两互不相容的事件,即对于
A
i
A
j
=
ϕ
,
i
≠
j
,
i
,
j
=
1
,
2
,
…
A_iA_j=\phi,i\neq j,i,j=1,2,…
AiAj=ϕ,i=j,i,j=1,2,…,有
P
(
A
1
U
A
2
U
⋅
…
)
=
P
(
A
1
)
+
P
(
A
2
)
+
…
…
P(A_1UA_2 U·…)=P(A_1)+P(A_2)+……
P(A1UA2U⋅…)=P(A1)+P(A2)+……
---------------------------------------------------------割你没商量1------------------------------------------------------
例1将一枚硬币抛掷三次。
(1)设事件
A
1
A_1
A1为“恰有一次出现正面”,求
P
(
A
1
)
P(A_1)
P(A1);
(2)设事件
A
2
A_2
A2为“至少有一次出现正面”,求
P
(
A
2
)
P(A_2)
P(A2).
解(1)我们考虑之前例子中E2的样本空间:
S
2
=
{
H
H
H
,
H
H
T
,
H
T
H
,
T
H
H
,
H
T
T
,
T
H
T
,
T
T
H
,
T
T
T
}
S_2=\{ HHH, HHT, HTH, THH, HTT, THT, TTH, TTT\}
S2={HHH,HHT,HTH,THH,HTT,THT,TTH,TTT};
而
A
1
=
{
H
T
T
,
T
H
T
,
T
T
H
}
A_1=\{HTT,THT,TTH\}
A1={HTT,THT,TTH}.
S
2
S_2
S2中包含有限个元素,且由对称性知每个基本事件发生的可能性相同。故
P
(
A
1
)
=
3
8
P(A_1)=\frac{3}{8}
P(A1)=83
(2)由于
A
2
ˉ
=
{
T
T
T
}
\bar{A_2}=\{TTT\}
A2ˉ={TTT},于是
P
(
A
2
)
=
1
−
P
(
A
2
ˉ
)
=
1
−
1
8
=
7
8
P(A_2)=1-P(\bar{A_2})=1-\frac{1}{8}=\frac{7}{8}
P(A2)=1−P(A2ˉ)=1−81=87
---------------------------------------------------------割你没商量1------------------------------------------------------
3.条件概率与乘法公式
引例:将一枚硬币抛掷两次,观察其出现正反面的情况.设事件A为“至少有一次为H”,事件B为“两次掷出同一面”.现在来求已知事件A已经发生的条件下事件B发生的概率.
解:
S
=
{
H
H
,
H
T
,
T
H
,
T
T
}
,
A
=
{
H
H
,
H
T
,
T
H
}
,
B
=
{
H
H
,
T
T
}
S=\{HH,HT,TH,TT\},A=\{HH,HT,TH\},B=\{HH,TT\}
S={HH,HT,TH,TT},A={HH,HT,TH},B={HH,TT}
所以
P
(
B
∣
A
)
=
1
3
P(B|A)=\cfrac{1}{3}
P(B∣A)=31
P
(
A
B
)
=
1
4
,
P
(
A
)
=
3
4
P(AB)=\cfrac{1}{4},P(A)=\cfrac{3}{4}
P(AB)=41,P(A)=43
P
(
A
B
)
P
(
A
)
=
1
3
\cfrac{P(AB)}{P(A)}=\cfrac{1}{3}
P(A)P(AB)=31
定义设A,B是两个事件,且
P
(
A
)
>
0
P(A)>0
P(A)>0,称
P
(
B
∣
A
)
=
P
(
A
B
)
P
(
A
)
P(B|A)=\frac{P(AB)}{P(A)}
P(B∣A)=P(A)P(AB)
为在事件A发生的条件下事件B发生的条件概率。
乘法公式:
P
(
A
B
)
=
P
(
B
∣
A
)
P
(
A
)
P(AB)=P(B|A)P(A)
P(AB)=P(B∣A)P(A)
P
(
A
B
C
)
=
P
(
C
∣
A
B
)
P
(
B
∣
A
)
P
(
A
)
P(ABC)=P(C|AB)P(B|A)P(A)
P(ABC)=P(C∣AB)P(B∣A)P(A)
P
(
A
1
A
2
⋯
A
n
)
=
P
(
A
n
∣
A
1
A
2
⋯
A
n
−
1
)
P
(
A
n
−
1
∣
A
1
A
2
⋯
A
n
−
2
)
⋯
P
(
A
2
∣
A
1
)
P
(
A
1
)
P(A_1A_2\cdots A_n)=P(A_n|A_1A_2\cdots A_{n-1})P(A_{n-1}|A_1A_2\cdots A_{n-2})\cdots P(A_2|A_1)P(A_1)
P(A1A2⋯An)=P(An∣A1A2⋯An−1)P(An−1∣A1A2⋯An−2)⋯P(A2∣A1)P(A1)
---------------------------------------------------------割你没商量2------------------------------------------------------
例4设某光学仪器厂制造的透镜,第一次落下时打破的概率为1/2,若第一次落下未打破,第二次落下打破的概率为7/10,若前两次落下未打破,第三次落下打破的概率为9/10。试求透镜落下三次而未打破的概率。
解:以
A
i
(
i
=
1
,
2
,
3
)
A_i(i=1,2,3)
Ai(i=1,2,3)表示事件“透镜第i次落下打破”,以B表示事件“透镜落下三次而未打破”.因为
B
=
A
1
ˉ
A
2
ˉ
A
3
ˉ
B=\bar{A_1}\bar{A_2}\bar{A_3}
B=A1ˉA2ˉA3ˉ,故有
P
(
B
)
=
P
(
A
1
ˉ
A
2
ˉ
A
3
ˉ
)
=
P
(
A
3
ˉ
∣
A
1
ˉ
A
2
ˉ
)
P
(
A
2
ˉ
∣
A
1
ˉ
)
P
(
A
1
ˉ
)
=
(
1
−
9
10
)
(
1
−
7
10
)
(
1
−
1
2
)
=
3
200
P(B)=P(\bar{A_1}\bar{A_2}\bar{A_3})=P(\bar{A_3}|\bar{A_1}\bar{A_2})P(\bar{A_2}|\bar{A_1})P(\bar{A_1})=(1-\frac{9}{10})(1-\frac{7}{10})(1-\frac{1}{2})=\frac{3}{200}
P(B)=P(A1ˉA2ˉA3ˉ)=P(A3ˉ∣A1ˉA2ˉ)P(A2ˉ∣A1ˉ)P(A1ˉ)=(1−109)(1−107)(1−21)=2003
---------------------------------------------------------割你没商量2------------------------------------------------------
4.全概率公式与贝叶斯公式
全概率公式
定理设试验E的样本空间为S,A为E的事件,
B
1
,
B
2
,
…
,
B
n
B_1,B_2,…,B_n
B1,B2,…,Bn为S的一个划分(
S
=
B
1
∪
B
2
∪
.
.
.
∪
B
n
S=B_1\cup B2\cup...\cup B_n
S=B1∪B2∪...∪Bn),且
P
(
B
i
)
>
0
(
i
=
1
,
2
,
…
,
n
)
P(B_i)>0(i=1,2,…,n)
P(Bi)>0(i=1,2,…,n),则
P
(
A
)
=
P
(
A
∩
S
)
=
P
(
A
∩
(
B
1
∪
B
2
∪
.
.
.
∪
B
n
)
)
P(A)=P(A\cap S)=P(A \cap (B_1\cup B2\cup...\cup B_n))
P(A)=P(A∩S)=P(A∩(B1∪B2∪...∪Bn))
=
P
[
(
A
∩
B
1
)
∪
(
A
∩
B
2
)
∪
.
.
.
∪
(
A
∩
B
n
)
=P[(A \cap B_1)\cup(A \cap B_2)\cup...\cup(A \cap B_n)
=P[(A∩B1)∪(A∩B2)∪...∪(A∩Bn)
=
P
(
A
B
1
)
+
P
(
A
B
2
)
+
.
.
.
+
P
(
A
B
n
)
=P(A B_1)+P(A B_2)+...+P(A B_n)
=P(AB1)+P(AB2)+...+P(ABn)
P
(
A
)
=
P
(
A
∣
B
1
)
P
(
B
1
)
+
P
(
A
∣
B
2
)
P
(
B
2
)
+
.
.
.
+
P
(
A
∣
B
n
)
P
(
B
n
)
P(A)=P(A|B_1)P(B_1)+P(A|B_2)P(B_2)+...+P(A|B_n)P(B_n)
P(A)=P(A∣B1)P(B1)+P(A∣B2)P(B2)+...+P(A∣Bn)P(Bn)
---------------------------------------------------------割你没商量3------------------------------------------------------
例6据美国的一份资料报导,在美国总的来说患肺癌的概率约为0.1%,在人群中有20%是吸烟者,他们患肺癌的概率约为0.4%,求不吸者患肺癌的概率是多少?
解;以C记事件“患肺癌”,以A记事件“吸烟”,按题意
P©=0.001,P(A)=0.20,P(C|A)=0.004
.需要求条件概率
P
(
C
∣
A
ˉ
)
P(C|\bar{A})
P(C∣Aˉ),由全概率公式有
P
(
C
)
=
P
(
C
I
A
)
P
(
A
)
+
P
(
C
∣
A
ˉ
)
P
(
A
ˉ
)
P(C)=P(CIA)P(A)+P(C|\bar{A})P(\bar{A})
P(C)=P(CIA)P(A)+P(C∣Aˉ)P(Aˉ)
0.001
=
0.004
×
0.20
+
P
(
C
∣
A
ˉ
)
P
(
A
ˉ
)
0.001=0.004×0.20+P(C|\bar{A})P(\bar{A})
0.001=0.004×0.20+P(C∣Aˉ)P(Aˉ)
=
0.004
×
0.20
+
P
(
C
∣
A
ˉ
)
×
0.80
→
P
(
C
∣
A
ˉ
)
=
0.00025
=0.004×0.20+P(C|\bar{A})×0.80\to P(C|\bar{A})=0.00025
=0.004×0.20+P(C∣Aˉ)×0.80→P(C∣Aˉ)=0.00025
---------------------------------------------------------割你没商量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,
B
1
,
B
2
,
…
,
B
n
B_1,B_2,…,B_n
B1,B2,…,Bn为S的一个划分,且
P
(
A
)
>
0
,
P
(
B
i
)
>
0
(
i
=
1
,
2
,
…
,
n
)
P(A)>0,P(B_i)>0(i=1,2,…,n)
P(A)>0,P(Bi)>0(i=1,2,…,n),则
P
(
B
i
∣
A
)
=
P
(
A
∣
B
i
)
P
(
B
i
)
∑
j
=
1
n
P
(
A
∣
B
j
)
P
(
B
j
)
,
i
=
1
,
2
,
…
,
n
.
P(B_i|A)=\frac{P(A|B_i)P(B_i)}{\sum_{j=1}^nP(A|B_j)P(B_j)},i=1,2,…,n.
P(Bi∣A)=∑j=1nP(A∣Bj)P(Bj)P(A∣Bi)P(Bi),i=1,2,…,n.
---------------------------------------------------------割你没商量4------------------------------------------------------
例7对以往数据分析结果表明,当机器调整得良好时,产品的合格率为98%,而当机器发生某种故障时,其合格率为55%.每天早上机器开动时,机器调整良好的概率为95%。试求已知某日早上第一件产品是合格品时,机器调整良好的概率是多少?
解:设A为事件“产品合格”,B为事件“机器调整良好”。
已知
P
(
A
∣
B
)
=
0.98
P(A|B)=0.98
P(A∣B)=0.98,
P
(
A
∣
B
ˉ
)
=
0.55
P(A|\bar{B})=0.55
P(A∣Bˉ)=0.55,
P
(
B
)
=
0.95
P(B)=0.95
P(B)=0.95,
P
(
B
ˉ
)
=
0.05
P(\bar{B})=0.05
P(Bˉ)=0.05,所需求的概率为
P
(
B
∣
A
)
P(B|A)
P(B∣A).由贝叶斯公式
P
(
B
∣
A
)
=
P
(
A
∣
B
)
P
(
B
)
P
(
A
∣
B
)
P
(
B
)
+
P
(
A
∣
B
ˉ
)
P
(
B
ˉ
)
P(B|A)=\frac{P(A|B)P(B)}{P(A|B)P(B)+P(A|\bar{B})P(\bar{B})}
P(B∣A)=P(A∣B)P(B)+P(A∣Bˉ)P(Bˉ)P(A∣B)P(B)
=
0.98
×
0.95
0.98
×
0.95
+
0.55
×
0.05
=
0.97
=\frac{0.98×0.95}{0.98×0.95+0.55×0.05}=0.97
=0.98×0.95+0.55×0.050.98×0.95=0.97
---------------------------------------------------------割你没商量4------------------------------------------------------
这就是说,当生产出第一件产品是合格品时,此时机器调整良好的概率为0.97。这里,概率0.95是由以往的数据分析得到的,叫做先验概率。而在得到信息(即生产出的第一件产品是合格品)之后再重新加以修正的概率(即0.97)叫做后验概率。有了后验概率我们就能对机器的情况有进一步的了解。
5.独立性
P
(
A
B
)
=
P
(
A
)
P
(
B
)
P(AB)=P(A)P(B)
P(AB)=P(A)P(B)则称A与B独立。
抛两次硬币,事件A为第一次出现正面事件B为第二次出现正面。
两次硬币={HH,HT,TH,TT}
A={HH,HT}
B={TH,TT}
P
(
A
)
=
2
4
=
1
2
,
P
(
B
)
=
2
4
=
1
2
P(A)=\cfrac{2}{4}=\cfrac{1}{2},P(B)=\cfrac{2}{4}=\cfrac{1}{2}
P(A)=42=21,P(B)=42=21
P
(
B
∣
A
)
=
1
2
,
P
(
A
B
)
=
1
4
P(B|A)=\cfrac{1}{2},P(AB)=\cfrac{1}{4}
P(B∣A)=21,P(AB)=41
或者说:
P
(
B
)
=
P
(
B
∣
A
)
o
r
P
(
A
)
=
P
(
A
∣
B
)
P(B)=P(B|A)\space or \space P(A)=P(A|B)
P(B)=P(B∣A) or P(A)=P(A∣B)
说人话:B的发生与A发不发生没有关系,也就是求在A发生的条件下B发生的概率和单独求B发生概率一样,A的发生作为条件的时候不影响B的发生概率。
定理一设A,B是两事件,且
P
(
A
)
>
0
P(A)>0
P(A)>0.若A,B相互独立,则
P
(
B
∣
A
)
=
P
(
B
)
.
P(B|A)=P(B).
P(B∣A)=P(B).反之亦然.
定理二若事件A与B相互独立,则下列各对事件也相互独立:
A
与
B
ˉ
,
A
ˉ
与
B
,
A
ˉ
与
B
ˉ
A与\bar{B},\bar{A}与B,\bar{A}与\bar{B}
A与Bˉ,Aˉ与B,Aˉ与Bˉ
---------------------------------------------------------割你没商量5------------------------------------------------------
证明一下定理二中的第一个:
A
与
B
ˉ
A与\bar{B}
A与Bˉ
根据全概率公式,先写出来:
P
(
A
)
=
P
(
A
∣
B
)
P
(
B
)
+
P
(
A
∣
B
ˉ
)
P
(
B
ˉ
)
P(A)=P(A|B)P(B)+P(A|\bar{B})P(\bar{B})
P(A)=P(A∣B)P(B)+P(A∣Bˉ)P(Bˉ)
根据乘法公式:
P
(
A
)
=
P
(
A
B
)
+
P
(
A
B
ˉ
)
P(A)=P(AB)+P(A\bar{B})
P(A)=P(AB)+P(ABˉ)
由于A,B独立:
P
(
A
)
=
P
(
A
)
P
(
B
)
+
P
(
A
B
ˉ
)
P(A)=P(A)P(B)+P(A\bar{B})
P(A)=P(A)P(B)+P(ABˉ)
移项:
P
(
A
)
−
P
(
A
)
P
(
B
)
=
P
(
A
B
ˉ
)
P(A)-P(A)P(B)=P(A\bar{B})
P(A)−P(A)P(B)=P(ABˉ)
P
(
A
)
(
1
−
P
(
B
)
)
=
P
(
A
B
ˉ
)
P(A)(1-P(B))=P(A\bar{B})
P(A)(1−P(B))=P(ABˉ)
P
(
A
)
P
(
B
ˉ
)
=
P
(
A
B
ˉ
)
P(A)P(\bar{B})=P(A\bar{B})
P(A)P(Bˉ)=P(ABˉ)
故
A
与
B
ˉ
A与\bar{B}
A与Bˉ独立
---------------------------------------------------------割你没商量5------------------------------------------------------