1.4 条件概率与乘法公式

1.4.1 条件概率

在实际问题中，除了直接考虑某事件 B 发生的概率P(B)外,有时还会碰到这样的问题，就是“在事件A 已经发生的条件下,事件B 发生的概率”。一般情况下,后概率与前一概率不同，为了区别,我们常把后者称为条件概率，记为P(BIA）,读作事件A 发生条件下事件B 发生的条件概率。 先看一个例子。

【例1.13】 某厂的100件产品中有5件是不合格品,而5件不合格品中有3件次品,2件废品．现从100 件产品中任意抽取一件，假定每件产品被抽到的可能性都相同,求

(1)抽到次品的概率；

(2)在抽到的产品是不合格品的条件下,产品是次品的概率

题解：

例 1.13 条件概率类型一——某工厂次品率

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)===

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P(•IA)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(BIA)≥0

(2）规范性：P(RIA)=1;

(3)可列可加性：设事件B1,B2,…B3,Bn,…两两互不相容,则P(Bi|A)=P(Bi|A).

所以,条件概率P(•lA)也满足概率的其他所有性质.

【例 1.14】 某家庭中有两个孩子,己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,6代表男孩，A 一“该家庭中至少有一个男孩”,B

一“两个

都是男孩”，本题求的是条件概率P(BIA)．该家庭两个孩子的情况无非是 66,bg

§6,g§四种情况之一，即2=166,bg,gb,gg),B一^66),A={66,6g，g6〉,所以有

1

P(A) =

3 , P (B) =

4

4

,故

P(AB)

P(B A)=

P(A)

P(B)

P（A

1/4

=1/3.

3/4

注在事件 A 发生条件下,该家庭两个孩子的情況只能是 66,bg,g6三种情况

之一,即此时样本空间缩小为 2一{66,6g,g6)=A,B={66),所以根据古典概型有

P(BIA)=

-这种解法称为求条件概率的缩小样本空问法.

---

2023/5/18 补充

求解条件概率的缩小空间法（Shrinking the Sample Space）是一种常用的方法，用于计算给定一定条件下的事件发生的概率。这种方法通过缩小样本空间，将问题转化为在已知条件下的简化情况，从而简化计算过程。

下面我将以一个简单的例子来说明这个方法的应用。

假设有一批产品，其中有80个正品和20个次品。现在我们随机选择一个产品，并想知道在已知选择的产品是正品的条件下，选择另一个正品的概率。

首先，我们可以确定初始的样本空间，即所有可能的产品选择。在这个例子中，总共有100个产品，所以初始样本空间的大小为100。

然后，我们将样本空间缩小到满足已知条件的子空间。根据条件，我们已经知道选择的产品是正品，因此我们将样本空间缩小为仅包含正品的产品数量，即80个。

接下来，我们考虑在缩小后的样本空间中选择另一个正品的概率。由于我们已经知道选择的产品是正品，所以在剩余的产品中选择另一个正品的概率就等于在缩小后的样本空间中选择正品的概率。

因此，我们可以得到条件概率的计算公式为：

条件概率 = 在缩小后的样本空间中选择正品的概率 / 在缩小后的样本空间的大小

在这个例子中，缩小后的样本空间中有80个正品，所以条件概率为：

条件概率 = 80 / 80 = 1

这表示在已知选择的产品是正品的条件下，选择另一个正品的概率为1，也就是必然事件。

通过缩小样本空间，我们将问题简化为在已知条件下的简化情况，从而得到了条件概率的计算结果。这种方法可以应用于更复杂的条件概率问题，帮助我们更清晰地理解和计算条件概率。

怎么用缩小空间法

具体例子

当抛掷两个均匀的骰子时，我们想要求解在已知第一个骰子的结果为奇数的条件下，第二个骰子的结果为偶数的概率。

首先，我们可以确定初始的样本空间，即所有可能的骰子结果组合。在这个例子中，每个骰子有6个可能的结果，所以初始样本空间的大小为6 × 6 = 36。

然后，我们将样本空间缩小到满足已知条件的子空间。根据条件，第一个骰子的结果为奇数，因此我们将样本空间缩小为只包含第一个骰子结果为奇数的组合。在这个例子中，有3个奇数（1、3、5），所以缩小后的样本空间的大小为3 × 6 = 18。

接下来，我们考虑在缩小后的样本空间中，第二个骰子的结果为偶数的概率。由于我们已经知道第一个骰子的结果为奇数，所以在剩余的骰子结果中，只有3个偶数（2、4、6）。因此，在缩小后的样本空间中，选择第二个骰子结果为偶数的概率为3/18 = 1/6。

因此，根据缩小样本空间的方法，我们得出了在已知第一个骰子的结果为奇数的条件下，第二个骰子的结果为偶数的概率为1/6。

通过这个例子，我们看到了如何应用缩小样本空间的方法来计算条件概率。我们首先确定初始的样本空间，然后根据已知条件将样本空间缩小到满足条件的子空间，最后计算在缩小后的样本空间中事件发生的概率。这种方法可以帮助我们简化计算，并得到条件概率的准确结果。

---

【例 1.15】 设某种动物以出生起活 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

解 设事件 A一“该种动物能活 20 岁以上”,事件B一“该种动物能活 25岁以

上”，按题意,P(A)=0.8,由于BCA,所以P(AB)=P(B)=0.4.由条件概率定义

P(B A)

P(AB)

P(A)

0.4

= 0.5.

0.8

1，但

1.4.2 乘法公式

由条件概率公式容易得到下面定理.

---

2023/5/18 补充

乘法公式怎么用

概率论中的乘法公式是一种重要的工具，用于计算多个事件同时发生的概率。它有以下几个主要用途：

1. 独立事件的概率计算：当多个事件相互独立时，乘法公式可以用于计算它们同时发生的概率。如果事件A和事件B相互独立，那么它们同时发生的概率等于事件A发生的概率乘以事件B发生的概率。这种情况下，乘法公式提供了一种简便的计算方法。

2. 多阶段事件的概率计算：在涉及多个阶段或条件的事件中，乘法公式可以用于计算整个事件发生的概率。通过将复杂事件分解为多个独立或条件事件，并利用乘法公式逐步计算它们的概率，我们可以得到整个事件发生的概率。

3. 联合概率的计算：乘法公式可以用于计算多个随机变量或事件的联合概率。通过将多个事件的概率乘积相乘，我们可以得到它们同时发生的联合概率。

4. 条件概率的计算：乘法公式也可以用于计算条件概率。当给定一个事件发生的条件下，另一个事件发生的概率可以通过乘法公式计算。根据乘法公式，条件概率可以表示为两个事件的联合概率除以给定条件下的事件发生的概率。

总的来说，乘法公式在概率论中是一种重要的工具，用于计算多个事件同时发生的概率，处理独立事件、多阶段事件、联合概率和条件概率等情况。它为我们提供了一种简单而有效的方法来计算和推导概率相关的问题。

定理 11设1 与B是同一样本空间中的两个事件，如果P（A)二0,则P(AB) =P(A)P(BlA).

(1.3

如果P（B)二0,则

PC4B)=PBPCAIB).

上面式（1.3）,式（1.4)均称为事件概率的乘法公式

定理1.1容易推广到任意有限多个事件积事件概率的情况.

例如，若卩(A,Az•A,=1)二0,则

P(A,A,.A,)=PCAPCA,IA PCAs IA A2-PCA, IA,Az•A,-1.

(1.4

(1.5)

事实上,因为

PA,)≥P(A, AD >PCA,A,A,二…≥PCA Az•A13 ≥0,

所以式(1.5)中各条件概率均有意义，由条件概率定义,得

P(A,)PCA, IA,PCA, IAIA2.PCA, IA,A2.An-1

= P(A.) .

P(A,4.)

PCA:A:A,)

PCA,)

••

P(A A •An)

P (A,A,)

PCA,A2.•A,-1)

-PCA A•A,).

【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•求他拔号

不超过三次而接通电话的概率.

解设A,一“第之次接通电话”,i=1,2,3,B一“拨号不超过了次接通电话”,则

B=AI U A,A, U A A.As.

利用概率的有限可加性和乘法公式，有

P(B)=PCA,)+PCAIAD +P(A,A,A.)

= P(A;) + P (A) P (A2 l A,) + P(A,)P (A2 | A,)P (A, | A, A,)

1

10*

9

10 t.

9

+ %x.

1

= X

3

8

10*

【例 1.17】 猎手在距猎物 10 米处开枪，击中的概率为0.6.若击不中，待开第

枪时猜物已逃至30米远处,此时击中的概率为 0.25,若再击不中,则猎物已逃至 50

米远处,此时只有0.1的击中概率.求猎手三枪内击中猎物的概率

解以A,=“第之枪击中猎物”，i=1,2,3,则所求概率为 PCA UA,UA..

P(A, U A2 U A.) = 1 - P(A, UA, U A.) =1 - P(A, A, A .)

=1 - P(A,) P(A. | A,)P (A, | A, A,)

=1 - [1 - P (A,)J1 - P (A2 | A,)I[1 - P(A, | A, A ,)]

=1 - (1 - 0.6) (1 - 0.25) (1

=01)

=0.73.