概率论知识回顾(三)
关键点:事件域,条件概率,全概率,贝叶斯概率
知识回顾用于巩固知识和查漏补缺。知识回顾步骤:
- 查看知识回顾中的问题,尝试自己解答
- 自己解答不出来的可以查看下面的知识解答巩固知识。
- 对知识解答有疑问的,说明有关这一点的知识或者公式没有理解透彻或者没有记住,要重新翻看书籍。
知识回顾
- 什么是事件域?事件域的公理有哪几点?用语言和公式加以描述。
- 概率公理有那三点?它和概率条件有什么不同?
- 条件概率公式是什么?怎么解释?
- 条件概率的一般推导公式是什么?即 P ( A 1 A 2 ⋯ A n ) = ? P(A_1A_2\cdots A_n) = ? P(A1A2⋯An)=?
- 全概率公式是什么?请写出基本推导公式?
- 贝叶斯概率公式是什么?简单证明。
- 根据条件概率求解的关键点是什么?
知识解答
-
什么是事件域?事件域的公理有哪几点?用语言和公式加以描述。
- 对于样本空间 Ω 来说,他的所有事件子集构成的集合 F \mathcal{F} F称为Ω的事件域。因此可知事件域的元素是事件,也就是集合。
- 事件域公理有三点:
- Ω ∈ F \Omega \in \mathcal{F} Ω∈F : 也就是说整个样本空间也是事件域中的一个事件,我们知道这个是必然事件
- ∀ A i ∈ F \forall A_i \in \mathcal{F} ∀Ai∈F 都有 可列和 ⋃ i = 1 ∞ A i ∈ F \bigcup_{i=1}^{\infty} A_i \in \mathcal{F} ⋃i=1∞Ai∈F : 事件域中的事件的和事件也是事件并且也属于事件域。(毕竟 ⋃ A i ⊆ Ω \bigcup{A_i} \subseteq \Omega ⋃Ai⊆Ω)
- 若 A ∈ F A \in \mathcal{F} A∈F 则 A ‾ ∈ F \overline A \in \mathcal{F} A∈F : 若A是事件,则 A ‾ \overline A A 也是事件。
-
概率公理有那三点?它和概率条件有什么不同?
- 非负性: P ( A ) ≥ 0 , ∀ A ∈ F P(A) \ge 0, \forall A \in \mathcal F P(A)≥0,∀A∈F
- 规范性: P ( Ω ) = 1 P(\Omega) = 1 P(Ω)=1
- 可列可加性 : 若 A j ∈ F , j = 1 , 2 , ⋯   , A i A j = ∅ , i ≠ j A_j \in \mathcal F ,j=1,2,\cdots, A_iA_j = \empty, i \ne j Aj∈F,j=1,2,⋯,AiAj=∅,i̸=j 则: P ( ⋃ j = 1 ∞ A j ) = ∑ j = 1 ∞ P ( A j ) P(\bigcup_{j=1}^{\infty} A_j) = \sum_{j=1}^{\infty} P(A_j) P(⋃j=1∞Aj)=∑j=1∞P(Aj)
- 和概率条件不同的地方即把 A i ⊆ Ω A_i \subseteq \Omega Ai⊆Ω 改成了 A i ∈ F A_i \in \mathcal{F} Ai∈F 。其实它们是同一个意思。
-
条件概率公式是什么?怎么解释?
- P ( B ) > 0 P(B) > 0 P(B)>0 时 P ( A ∣ B ) = P ( A B ) P ( B ) P(A|B) = \frac{P(AB)}{P(B)} P(A∣B)=P(B)P(AB)
- P(A|B)表示B发生时A发生的概率。换个思路,暂时忽略掉全局样本空间Ω。就是求在B中A发生的概率。就是A在B中的大小除以B的大小。那古典概型来说即 P ( A ∣ B ) = n A B n B P(A|B) = \frac{n_{AB}}{n_{B}} P(A∣B)=nBnAB 这是,再加上基本事件总数,即变为 P ( A ∣ B ) = n A B / n Ω n B / n Ω = P ( A B ) P ( B ) P(A|B) = \frac{n_{AB}/n_\Omega}{n_{B}/n_\Omega} = \frac{P(AB)}{P(B)} P(A∣B)=nB/nΩnAB/nΩ=P(B)P(AB)
-
条件概率的一般推导公式是什么?即 P ( A 1 A 2 ⋯ A n ) = ? P(A_1A_2\cdots A_n) = ? P(A1A2⋯An)=?
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)
-
全概率公式是什么?请写出基本推导公式?
- 如果 B i B_i Bi两两互不相容,并且 ⋃ i = 1 ∞ B i = Ω \bigcup_{i=1}^{\infty} B_i = \Omega ⋃i=1∞Bi=Ω 则有: P ( A ) = ∑ i = 1 ∞ P ( B i ) P ( A ∣ B i ) P(A) = \sum_{i=1}^{\infty}P(B_i)P(A|B_i) P(A)=i=1∑∞P(Bi)P(A∣Bi)
- 证明:
- 根据条件概率公式, 有 P ( B i ) P ( A ∣ B i ) = P ( A B i ) P(B_i)P(A|B_i) = P(AB_i) P(Bi)P(A∣Bi)=P(ABi)
- 又因为 B i B_i Bi两两互不相容,因此可知 ∑ P ( A B i ) = P ( A ⋃ i = 1 ∞ B i ) \sum P(AB_i) = P(A\bigcup_{i=1}^{\infty}B_i) ∑P(ABi)=P(A⋃i=1∞Bi)
- 又因为 ⋃ i = 1 ∞ B i = Ω \bigcup_{i=1}^{\infty} B_i = \Omega ⋃i=1∞Bi=Ω 可知 P ( A ⋃ i = 1 ∞ B i ) = P ( A Ω ) = P ( A ) P(A\bigcup_{i=1}^{\infty}B_i) = P(A\Omega) = P(A) P(A⋃i=1∞Bi)=P(AΩ)=P(A) 证毕。
-
贝叶斯概率公式是什么?简单证明。
- 如果 B i B_i Bi两两互不相容,并且 ⋃ i = 1 ∞ B i = Ω \bigcup_{i=1}^{\infty} B_i = \Omega ⋃i=1∞Bi=Ω 则有: P ( B i ∣ A ) = P ( B i ) P ( A ∣ B i ) ∑ i = 1 ∞ P ( B i ) P ( A ∣ B i ) P(B_i|A) = \frac{P(B_i)P(A|B_i)}{\sum_{i=1}^{\infty}P(B_i)P(A|B_i)} P(Bi∣A)=∑i=1∞P(Bi)P(A∣Bi)P(Bi)P(A∣Bi)
- 证明:
- 首先根据条件概率公式 P ( B i ) P ( A ∣ B i ) = P ( A B i ) P(B_i)P(A|B_i) = P(AB_i) P(Bi)P(A∣Bi)=P(ABi)
- 其次,根据全概率公式,有 ∑ i = 1 ∞ P ( B i ) P ( A ∣ B i ) = P ( A ) \sum_{i=1}^{\infty}P(B_i)P(A|B_i) = P(A) ∑i=1∞P(Bi)P(A∣Bi)=P(A)
- 而 P ( A B i ) P ( A ) = P ( B i ∣ A ) \frac{P(AB_i)}{P(A)} = P(B_i|A) P(A)P(ABi)=P(Bi∣A) 证毕。
-
根据条件概率求解的关键点是什么?
- 求解条件概率有关问题(包括但不限于简单条件概率,全概率,贝叶斯概率)的关键是找到对应的条件概率,对于每一种事件的概率和条件概率要寻找正确,并且要确定问题是否是独立重复概率还是条件概率。