§1.4 条件概率一、条件概率的定义 二、乘法公式 三、全概率公式 四、贝叶斯公式1.4.1 条件概率的定义所谓条件概率,它是指某事件B发生的条件下,求另一事 件A的概率,记为 P(A|B),它与P(A)是不同的两类概率。 引例 有100件产品,其中有5件是不合格品,包括3件次品 与2件废品,任取一件,求: P A = 2 100 (1) 事件 A=“取到废品”的概率: (2) 若已知事件 B=“取到的是不合格品”发生,再求事件A发 P A | B = 2 5 生的概率: 注:这是因为事件 B 的发生排除了取到合格品的可能性, 这时样本空间 Ω 随之改为 ΩB = “5个不合格品”,故 P(A|B)=2/5.定义1.4.1 设 A 与 B 是样本空间 中的两事件,若 P B 0,则称 P AB P A B P B 为“在 B 发生下 A 的条件概率”,简称条件概率.例1.4.2 设某样本空间 Ω 含有 25个等可能的样本点,事件A 含有15个样本点,事件B 含有7个样本点,交事件AB 含有5 个样本点, 求B发生下A的条件概率.解法一: 在计算条件概率 P A | B 时, 样本空间 缩小为 B=B解法二:这时有 P A 15 7 5 , P B , P AB , 25 25 25 则在事件B 发生的条件下,事件A 发生的条件概率为P AB 5 25 5 P A | B . P B 7 25 7P AB 5 25 1 类似地,P B | A P A 15 25 3例题 1 甲、乙两市都位于长江下游,根据 100 多年来的气 象记录知一年中出现雨天的比例分别为 0.20和0.14 ,同时 出现雨天的比例为 0.12,求 (1)甲市下雨的条件下,乙市下雨的概率; (2)乙市下雨的条件下甲市下雨的概率.P AB 0.12 解:P B | A 0.6 P A 0.2 P AB 0.12 P A | B 0.857 P B 0.14性质1.4.1 条件概率是概率,满足概率的三条公理。即若设 P B 0,则 (1) P A B ≥ 0; (2) P B 1; ,An, 互不相容,则 (3) 若A1,A2, P Ai B P Ai B i 1 i 1条件概率的性质: (1). P(AB|C) = P(A|C) + P(B|C) P(AB|C);(2). 若 A 与 B 互不相容,则P(AB|C) = P(A|C) + P(B|C) ; (3). P(Ā |B) = 1 P(A|B). 条件概率的三大公式:乘法公式,全概率公式, 贝叶斯公式课堂练习(1) 设P(B)>0,且AB,则下列必然成立的是( (2) ) ① P(A)
P(A|B) ④ P(A)≥P(A|B) (2) P(A)=0.6, P(AB)=0.84, P(B|A)=0.4, 则 P(B)=( 0.6 ).1.4.2 乘法公式性质 1.4.2 乘法公式 (1) 若 P B 0, 则 P AB P B P A | B .(2) 若 P A1 A2 An 1 0, 则 P A1 An P A1 P A2 | A1 P A3 | A1 A2 P An | A1 An 1 .证明: 根据条件概率的定义, 移项即得(1). 对于(2), 因为P A1 P A1 A2 P A1 An 1 An 0所以(2)中条件概率具有意义,且 P A1 A2 P A1 A2 A3 P A1 An 1 An 右边 P A1 P A1 P A1 A2 P A1 An 1 P A1 An 1 An .乘法公式主要用于 求几个事件同时发生的概率。 例 1.4.3 一批零件共有100个,其中10个不合格品. 从中一个 一个不返回取出,求第三次才取出不合格品的概率. 解:记 Ai =“第i 次取出的是不合格品”,则 所求概率为 P(Ā1Ā2A3). 由乘法公式得 P(Ā1Ā2A3) = P(Ā1) P(Ā2|Ā1) P(A3|Ā1Ā2) 90 89 10 =0.0826 100 99 98例1.4.4 (罐子模型) 设罐中有 b 个黑球、r 个红球,每次随机 取出一个球,取出后将原球放回,还加进 c 个同色球和 d 个 异色球。记 Bi 为“第 i 次取出的是黑球”,Rj 为“第 j 次取出的 是红球”。 若连续从罐中取出三个球,其中有两个红球、一个黑球,则P B1 R2 R3 P B1 P R2 | B1 P R3 | B1 R2 b rd rd c b r b r c d b r 2c 2 d r bd rd c P R1 B2 R3 P R1 P B2 | R1 P R3 | R1 B2 b r b r c d b r 2c 2 d r rc b 2d P R1 R2 B3 P R1 P R2 | R1 P B3 | R1 R2 b r b r c d b r 2c 2 d罐子模型也称为波利亚(Polya)模型(1) 当c=-1,d=0时,即为不放回抽样:P B1 R2 R3 P R1 B2 R3 P R1 R2 B3 br r c . b r b r 1 b r 2 注:前次抽取结果会影响后次抽取结果,但只要抽取的黑球 与红球个数确定,则概率不依赖其抽出球的次序,都是一样 的。 (2) 当c=0,d=0时,即为放回抽样:P B1 R2 R3 P R1 B2 R3 P R1 R2 B3 br 2b r 3.注:前次抽取结果不会影响后次抽取结果,抽取后的概率不 变。(3) 当c>0,d=0时:br r c . P B1 R2 R3 P R1 B2 R3 P R1 R2 B3 b r b r c b r 2c 每次取出球后会增加下一次取到同色球的概率,称为传染病模 型, 即每次发现一个传染病患者,以后都会增加再传染的概率; 但三个概率都相等。 注:在罐子模型中,只要d=0,则以上三个概率都相等;即只 要抽取的黑球与红球个数确定,则概率不依赖其抽出球的次 序,都是一样的。(4) 当c=0,d>0时:b rd rd b r b r d b r 2d r rd rd P R1 B2 R3 P R1 P B2 | R1 P R3 | R1 B2 b r b r d b r 2d r r b 2d P R1 R2 B3 P R1 P R2 | R1 P B3 | R1 R2 b r b r d b r 2d P B1 R2 R3 P B1 P R2 | B1 P R3 | B1 R2 称为安全模型,此模型可解释为:每当事故发生了(红球被取 出),安全工作就抓紧一些,下次再发生事故的概率就会减 少;而当事故没有发生(黑球被取出),安全工作就放松一些, 下次再发生事故的概率就会增大。三、全概率公式全概率公式提供了计算复杂事件概率的一个有效途径,使 复杂事件的概率计算问题化繁为简.性质 1.4.3 设 B1 , B2 , , Bn为样本空间 的一个分割, 即 B1 , B2 , , Bn互不相容,且 Bi , 如果 P Bi 0, i 1, 2, , n,则对任一事件 A 有 P A P Bi P A | Bi .i 1 n i 1 nB2B1AB3 Bn 1 Bn n n 证明: A A A Bi ABi ,且 AB1 , AB2 , , ABn 互不相容, i 1 i 1 可加性 P ABi 故 P A P ABi i 1 i 1 nn条件概率 P Bi P A | Bi . i 1n全概率公式的主要用处在于: 将一个复杂事件的概率计算问题,分解为若干个简单事 件的概率计算问题,最后应用概率的可加性求出最终结果。注: (1). 全概率公式最简单的形式:假如 0 P B 1 , 则P(A) P( B) P( A | B) P( B) P( A | B)(2). 条件 B1, B2 , ······, Bn 为样本空间的一个分割,可改为“ B1, B2 , ······, Bn 是互不相容的,且 A Bi”,i 1 n则此时全概率公式仍然成立,即由 P(Bi)>0 可得n n P (A) P ( ABi ) P( Bi ) P( A | Bi ) i 1 i 1例1.4.5 (摸彩模型) 设在 n 张彩票中有一张中奖,求第二人摸 到奖券的概率. 解: 设 Ai 表示事件“第 i 人摸到奖券” ,则 P(A1) =1/n . 现 求 P(A2 ) . 因为 A1 是否发生关系到 A2 发生的概率,而 A1 与 Ā1 是两 个概率大于0 的事件: 于是,由全概率公式得P A1 1 0, n P A1 n 1 0 nP A2 P A1 P A2 | A1 P A1 P A2 | A1 1 1 n 1 1 0 n n n 1 n类似的, P 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 总的来说, (1) P(A1) =1/n . (2) 可用全概率公式计算得 P(A2)=1/n . (3) 可用归纳法计算得 P(Ai)=1/n , i=1, 2, ……, n. 这表明:摸到奖券的机会与先后顺序无关.例题2 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 为“任取一件为次品” , Bi 为 “ 任取一件为i 厂的产品”,则B1 B2 B3 ,Bi B j ,i, j 1, 2, 3. P B1 0.3, P B2 0.5, P B3 0.2, P A B1 0.02, P A B2 0.01, P A B3 0.01,30% 2% 1% 1% 20%50%由全概率公式 P A P B1 P A B1 P B2 P A B2 P B3 P A B3 0.02 0.3 0.01 0.5 0.01 0.2 0.013.1.4.4 贝叶斯公式在 乘法公式 和 全概率公式 的基础上可得到贝叶斯公式性质1.4.4 (贝叶斯公式)设 B1 , B2 , , Bn 为样本空间 的一个分割, 即 B1 , B2 , , Bn 互不相容,且 Bi , 如果 P A 0, P Bi 0, i 1, 2, , n,则 P Bi | A P Bi P A | Bi i 1 n PB P A| B j 1 j jn.P ABi 证明: P Bi | A P A条件概率的定义 乘法公式 全概率公式P Bi P A | Bi PB P A| B j 1 j jn.注: (1).在贝叶斯公式中, 称 P Bi 为 Bi 的先验概率,P Bi | A 为 Bi 的后验概率.(2). 贝叶斯公式是专门用于计算后验概率的,也就是通过 A 的发生这个新信息,来对 B 的概率作出的修正。贝叶斯公式 P Bi | A P Bi P A | Bi PB P A| B j 1 j jn.(3) B1, B2, ..., Bn 可以看作是导致A发生的原因; P(Bj | A) 是在事件 A 发生的条件下,某个原因 Bj 发生的概 率, 称为 “后验概率”; Bayes 公式又称为“后验概率公式”或“逆概公式”; 称 P(Bj) 为“先验概率”. (4)乘法公式 是求“几个事件同时发生”的概率; 全概率公式 是求“最后结果”的概率; 贝叶斯公式 是已知“最后结果” ,求“原因”的概率.例题3 某电子设备制造厂所用的元件是由三家元件制造厂提供的. 根据以往的记录有以下的数据 : 元件制造厂 1 2 3 次品率 0.02 0.01 0.03 提供元件的份额 0.15 0.80 0.05设这三家工厂的产品在仓库中是均匀混合的, 且无区别的标志. (1) 在仓库中随机地取一只元件 , 求它是次品的概率; (2) 在仓库中随机地取一只元件 , 若已知取到的是次品 , 为分析 此次品出自何厂 , 需求出此次品由三家工厂生产的概率分别是多少. 试求这些概率 .解:设A表示“取到的是一只次品” , Bi 表示“所取到的产品是由第i i 1, 2,3 家工厂提供的” . 则B1 , B2 , B3是样本空间的一个划分, 且P B1 0.15, P B2 0.80, P B3 0.05,P A B1 0.02, P A B2 0.01, P A B3 0.03.(1) 由全概率公式 P A P B1 P AB1 P B2 P A B2 P B3 P A B3 0.0125.(2) 由贝叶斯公式 P B1 A P A B1 P B1 P A 0.02 0.15 0.24, 0.0125 P( A B3 ) P( B3 ) 0.12. P( B3 A) P ( A)P ( A B2 ) P ( B2 ) 0.64, P( B2 A) P( A)故这只次品来自第2家工厂的可能性最大.例题 4 根据以往的临床记录, 某种诊断癌症的试验具有如下的效果 : 若以 A 表示事件“试验反应为阳性” ,以 C 表示事件“被诊断者患有癌症” , 则有 P A C 0.95, P A C 0.05.现在对自然人群进行普查, 设被试验的人患有癌症的概率为 0.005, 即 P C 0.005, 试求 P C A .解:由贝叶斯公式得所求概率为 PC A P A C PC P A C P C P A C PC 0.087即平均1000个具有阳性反应的人中大约只有87人患有癌症.例题5 对以往数据分析结果表明 , 当机器调整的良好时, 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, 机器调整得良好的概率是多少 ?解:设A为事件“产品合格” , B为事件“机器调整良好”则有 , P A B 0.98, P A B 0.55, P B 0.95, P B 0.05,由贝叶斯公式得所求概率为 0.98 0.95 P B A 0.97 P A B P B P A B P B 0.98 0.95 0.55 0.05 即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. P A B P B 例题6 设 5 支枪中有 2 支未经试射校正, 3 支已校正.一射手用校正过 的枪射击,中靶率为 0.9, 用未校正过的枪射击, 中靶率为 0.4. (1) 该射手任取一支枪射击,中靶的概率是多少? (2) 若任取一支枪射击,结果未中靶,求该枪未校正的概率。解:设A表示枪已校正, B表示射击中靶, 则 2 3 P A , P A , 5 5 PB | A 0.9, P B | A 0.1, P B | A 0.4, P B | A 0.6.3 2 (1) PB P APB | A P A P B | A 0.9 0.4 0.7 5 52 0.6 P A P B| A 5 (2) P A | B 0 .8 2 3 P A P B | A P AP B | A 0.6 0.1 5 5 课堂练习1. 已知某工厂生产的产品的合格率为0.96,合格品中的一级品率为0.75, 求该厂生产的产品是一级品的概率. 解:设 A=“产品是一级品”, B =“产品是合格品”,则 AB,从而 A=AB.P A P AB P B P A | B 0 . 96 0 . 75 0 . 722. 数字通讯过程中,信源发射0,1两种状态信号,其中发0的概率为0.55, 发1的概率为0.45。由于信道中存在干扰,在发0的时候,接收端分别以概 率0.9,0.05和0.05接收为0,1和“不清”。在发1的时候,接收端分别以概率 0.85,0.05和0.1接收为1,0和“不清”。现接收端接收到一个“1”的信号。问发 端发的是0的概率是多少? 解:设 A=发射端发射0, B= 接收端接收到一个“1”的信号.P A | B P APB | A 0.05 0.55 0.067 P APB | A PA P B | A 0.05 0.55 0.85 0.45小结P AB 条件概率 : P A B P B乘法公式 : P AB P B P A | B ——求事件交 P A1 An P A1 P A2 | A1 P A3 | A1 A2 P An | A1 An 1 n全概率公式 : P A P Bi P A | Bi i 1——求一个复杂事件 ——求一个条件概率贝叶斯公式 : P Bi | A P Bi P A | Bi PB P A| B j 1 j jn全概率公式与贝叶斯公式的区别:贝叶斯 是某种原因造成的 Bi|A 概率 事件 A 已发生全概率 各原因 Bi 下条件概率已知 事件 A 发生概率
§1.4 条件概率一、条件概率的定义 二、乘法公式 三、全概率公式 四、贝叶斯公式1.4.1 条件概率的定义所谓条件概率,它是指某事件B发生的条件下,求另一事 件A的概率,记为 P(A|B),它与P(A)是不同的两类概率。 引例 有100件产品,其中有5件是不合格品,包括3件次品 与2件废品,任取一件,求: P A = 2 100 (1) 事件 A=“取到废品”的概率: (2) 若已知事件 B=“取到的是不合格品”发生,再求事件A发 P A | B = 2 5 生的概率: 注:这是因为事件 B 的发生排除了取到合格品的可能性, 这时样本空间 Ω 随之改为 ΩB = “5个不合格品”,故 P(A|B)=2/5.定义1.4.1 设 A 与 B 是样本空间 中的两事件,若 P B 0,则称 P AB P A B P B 为“在 B 发生下 A 的条件概率”,简称条件概率.例1.4.2 设某样本空间 Ω 含有 25个等可能的样本点,事件A 含有15个样本点,事件B 含有7个样本点,交事件AB 含有5 个样本点, 求B发生下A的条件概率.解法一: 在计算条件概率 P A | B 时, 样本空间 缩小为 B=B解法二:这时有 P A 15 7 5 , P B , P AB , 25 25 25 则在事件B 发生的条件下,事件A 发生的条件概率为P AB 5 25 5 P A | B . P B 7 25 7P AB 5 25 1 类似地,P B | A P A 15 25 3例题 1 甲、乙两市都位于长江下游,根据 100 多年来的气 象记录知一年中出现雨天的比例分别为 0.20和0.14 ,同时 出现雨天的比例为 0.12,求 (1)甲市下雨的条件下,乙市下雨的概率; (2)乙市下雨的条件下甲市下雨的概率.P AB 0.12 解:P B | A 0.6 P A 0.2 P AB 0.12 P A | B 0.857 P B 0.14性质1.4.1 条件概率是概率,满足概率的三条公理。即若设 P B 0,则 (1) P A B ≥ 0; (2) P B 1; ,An, 互不相容,则 (3) 若A1,A2, P Ai B P Ai B i 1 i 1条件概率的性质: (1). P(AB|C) = P(A|C) + P(B|C) P(AB|C);(2). 若 A 与 B 互不相容,则P(AB|C) = P(A|C) + P(B|C) ; (3). P(Ā |B) = 1 P(A|B). 条件概率的三大公式:乘法公式,全概率公式, 贝叶斯公式课堂练习(1) 设P(B)>0,且AB,则下列必然成立的是( (2) ) ① P(A)
P(A|B) ④ P(A)≥P(A|B) (2) P(A)=0.6, P(AB)=0.84, P(B|A)=0.4, 则 P(B)=( 0.6 ).1.4.2 乘法公式性质 1.4.2 乘法公式 (1) 若 P B 0, 则 P AB P B P A | B .(2) 若 P A1 A2 An 1 0, 则 P A1 An P A1 P A2 | A1 P A3 | A1 A2 P An | A1 An 1 .证明: 根据条件概率的定义, 移项即得(1). 对于(2), 因为P A1 P A1 A2 P A1 An 1 An 0所以(2)中条件概率具有意义,且 P A1 A2 P A1 A2 A3 P A1 An 1 An 右边 P A1 P A1 P A1 A2 P A1 An 1 P A1 An 1 An .乘法公式主要用于 求几个事件同时发生的概率。 例 1.4.3 一批零件共有100个,其中10个不合格品. 从中一个 一个不返回取出,求第三次才取出不合格品的概率. 解:记 Ai =“第i 次取出的是不合格品”,则 所求概率为 P(Ā1Ā2A3). 由乘法公式得 P(Ā1Ā2A3) = P(Ā1) P(Ā2|Ā1) P(A3|Ā1Ā2) 90 89 10 =0.0826 100 99 98例1.4.4 (罐子模型) 设罐中有 b 个黑球、r 个红球,每次随机 取出一个球,取出后将原球放回,还加进 c 个同色球和 d 个 异色球。记 Bi 为“第 i 次取出的是黑球”,Rj 为“第 j 次取出的 是红球”。 若连续从罐中取出三个球,其中有两个红球、一个黑球,则P B1 R2 R3 P B1 P R2 | B1 P R3 | B1 R2 b rd rd c b r b r c d b r 2c 2 d r bd rd c P R1 B2 R3 P R1 P B2 | R1 P R3 | R1 B2 b r b r c d b r 2c 2 d r rc b 2d P R1 R2 B3 P R1 P R2 | R1 P B3 | R1 R2 b r b r c d b r 2c 2 d罐子模型也称为波利亚(Polya)模型(1) 当c=-1,d=0时,即为不放回抽样:P B1 R2 R3 P R1 B2 R3 P R1 R2 B3 br r c . b r b r 1 b r 2 注:前次抽取结果会影响后次抽取结果,但只要抽取的黑球 与红球个数确定,则概率不依赖其抽出球的次序,都是一样 的。 (2) 当c=0,d=0时,即为放回抽样:P B1 R2 R3 P R1 B2 R3 P R1 R2 B3 br 2b r 3.注:前次抽取结果不会影响后次抽取结果,抽取后的概率不 变。(3) 当c>0,d=0时:br r c . P B1 R2 R3 P R1 B2 R3 P R1 R2 B3 b r b r c b r 2c 每次取出球后会增加下一次取到同色球的概率,称为传染病模 型, 即每次发现一个传染病患者,以后都会增加再传染的概率; 但三个概率都相等。 注:在罐子模型中,只要d=0,则以上三个概率都相等;即只 要抽取的黑球与红球个数确定,则概率不依赖其抽出球的次 序,都是一样的。(4) 当c=0,d>0时:b rd rd b r b r d b r 2d r rd rd P R1 B2 R3 P R1 P B2 | R1 P R3 | R1 B2 b r b r d b r 2d r r b 2d P R1 R2 B3 P R1 P R2 | R1 P B3 | R1 R2 b r b r d b r 2d P B1 R2 R3 P B1 P R2 | B1 P R3 | B1 R2 称为安全模型,此模型可解释为:每当事故发生了(红球被取 出),安全工作就抓紧一些,下次再发生事故的概率就会减 少;而当事故没有发生(黑球被取出),安全工作就放松一些, 下次再发生事故的概率就会增大。三、全概率公式全概率公式提供了计算复杂事件概率的一个有效途径,使 复杂事件的概率计算问题化繁为简.性质 1.4.3 设 B1 , B2 , , Bn为样本空间 的一个分割, 即 B1 , B2 , , Bn互不相容,且 Bi , 如果 P Bi 0, i 1, 2, , n,则对任一事件 A 有 P A P Bi P A | Bi .i 1 n i 1 nB2B1AB3 Bn 1 Bn n n 证明: A A A Bi ABi ,且 AB1 , AB2 , , ABn 互不相容, i 1 i 1 可加性 P ABi 故 P A P ABi i 1 i 1 nn条件概率 P Bi P A | Bi . i 1n全概率公式的主要用处在于: 将一个复杂事件的概率计算问题,分解为若干个简单事 件的概率计算问题,最后应用概率的可加性求出最终结果。注: (1). 全概率公式最简单的形式:假如 0 P B 1 , 则P(A) P( B) P( A | B) P( B) P( A | B)(2). 条件 B1, B2 , ······, Bn 为样本空间的一个分割,可改为“ B1, B2 , ······, Bn 是互不相容的,且 A Bi”,i 1 n则此时全概率公式仍然成立,即由 P(Bi)>0 可得n n P (A) P ( ABi ) P( Bi ) P( A | Bi ) i 1 i 1例1.4.5 (摸彩模型) 设在 n 张彩票中有一张中奖,求第二人摸 到奖券的概率. 解: 设 Ai 表示事件“第 i 人摸到奖券” ,则 P(A1) =1/n . 现 求 P(A2 ) . 因为 A1 是否发生关系到 A2 发生的概率,而 A1 与 Ā1 是两 个概率大于0 的事件: 于是,由全概率公式得P A1 1 0, n P A1 n 1 0 nP A2 P A1 P A2 | A1 P A1 P A2 | A1 1 1 n 1 1 0 n n n 1 n类似的, P 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 总的来说, (1) P(A1) =1/n . (2) 可用全概率公式计算得 P(A2)=1/n . (3) 可用归纳法计算得 P(Ai)=1/n , i=1, 2, ……, n. 这表明:摸到奖券的机会与先后顺序无关.例题2 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 为“任取一件为次品” , Bi 为 “ 任取一件为i 厂的产品”,则B1 B2 B3 ,Bi B j ,i, j 1, 2, 3. P B1 0.3, P B2 0.5, P B3 0.2, P A B1 0.02, P A B2 0.01, P A B3 0.01,30% 2% 1% 1% 20%50%由全概率公式 P A P B1 P A B1 P B2 P A B2 P B3 P A B3 0.02 0.3 0.01 0.5 0.01 0.2 0.013.1.4.4 贝叶斯公式在 乘法公式 和 全概率公式 的基础上可得到贝叶斯公式性质1.4.4 (贝叶斯公式)设 B1 , B2 , , Bn 为样本空间 的一个分割, 即 B1 , B2 , , Bn 互不相容,且 Bi , 如果 P A 0, P Bi 0, i 1, 2, , n,则 P Bi | A P Bi P A | Bi i 1 n PB P A| B j 1 j jn.P ABi 证明: P Bi | A P A条件概率的定义 乘法公式 全概率公式P Bi P A | Bi PB P A| B j 1 j jn.注: (1).在贝叶斯公式中, 称 P Bi 为 Bi 的先验概率,P Bi | A 为 Bi 的后验概率.(2). 贝叶斯公式是专门用于计算后验概率的,也就是通过 A 的发生这个新信息,来对 B 的概率作出的修正。贝叶斯公式 P Bi | A P Bi P A | Bi PB P A| B j 1 j jn.(3) B1, B2, ..., Bn 可以看作是导致A发生的原因; P(Bj | A) 是在事件 A 发生的条件下,某个原因 Bj 发生的概 率, 称为 “后验概率”; Bayes 公式又称为“后验概率公式”或“逆概公式”; 称 P(Bj) 为“先验概率”. (4)乘法公式 是求“几个事件同时发生”的概率; 全概率公式 是求“最后结果”的概率; 贝叶斯公式 是已知“最后结果” ,求“原因”的概率.例题3 某电子设备制造厂所用的元件是由三家元件制造厂提供的. 根据以往的记录有以下的数据 : 元件制造厂 1 2 3 次品率 0.02 0.01 0.03 提供元件的份额 0.15 0.80 0.05设这三家工厂的产品在仓库中是均匀混合的, 且无区别的标志. (1) 在仓库中随机地取一只元件 , 求它是次品的概率; (2) 在仓库中随机地取一只元件 , 若已知取到的是次品 , 为分析 此次品出自何厂 , 需求出此次品由三家工厂生产的概率分别是多少. 试求这些概率 .解:设A表示“取到的是一只次品” , Bi 表示“所取到的产品是由第i i 1, 2,3 家工厂提供的” . 则B1 , B2 , B3是样本空间的一个划分, 且P B1 0.15, P B2 0.80, P B3 0.05,P A B1 0.02, P A B2 0.01, P A B3 0.03.(1) 由全概率公式 P A P B1 P AB1 P B2 P A B2 P B3 P A B3 0.0125.(2) 由贝叶斯公式 P B1 A P A B1 P B1 P A 0.02 0.15 0.24, 0.0125 P( A B3 ) P( B3 ) 0.12. P( B3 A) P ( A)P ( A B2 ) P ( B2 ) 0.64, P( B2 A) P( A)故这只次品来自第2家工厂的可能性最大.例题 4 根据以往的临床记录, 某种诊断癌症的试验具有如下的效果 : 若以 A 表示事件“试验反应为阳性” ,以 C 表示事件“被诊断者患有癌症” , 则有 P A C 0.95, P A C 0.05.现在对自然人群进行普查, 设被试验的人患有癌症的概率为 0.005, 即 P C 0.005, 试求 P C A .解:由贝叶斯公式得所求概率为 PC A P A C PC P A C P C P A C PC 0.087即平均1000个具有阳性反应的人中大约只有87人患有癌症.例题5 对以往数据分析结果表明 , 当机器调整的良好时, 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, 机器调整得良好的概率是多少 ?解:设A为事件“产品合格” , B为事件“机器调整良好”则有 , P A B 0.98, P A B 0.55, P B 0.95, P B 0.05,由贝叶斯公式得所求概率为 0.98 0.95 P B A 0.97 P A B P B P A B P B 0.98 0.95 0.55 0.05 即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. P A B P B 例题6 设 5 支枪中有 2 支未经试射校正, 3 支已校正.一射手用校正过 的枪射击,中靶率为 0.9, 用未校正过的枪射击, 中靶率为 0.4. (1) 该射手任取一支枪射击,中靶的概率是多少? (2) 若任取一支枪射击,结果未中靶,求该枪未校正的概率。解:设A表示枪已校正, B表示射击中靶, 则 2 3 P A , P A , 5 5 PB | A 0.9, P B | A 0.1, P B | A 0.4, P B | A 0.6.3 2 (1) PB P APB | A P A P B | A 0.9 0.4 0.7 5 52 0.6 P A P B| A 5 (2) P A | B 0 .8 2 3 P A P B | A P AP B | A 0.6 0.1 5 5 课堂练习1. 已知某工厂生产的产品的合格率为0.96,合格品中的一级品率为0.75, 求该厂生产的产品是一级品的概率. 解:设 A=“产品是一级品”, B =“产品是合格品”,则 AB,从而 A=AB.P A P AB P B P A | B 0 . 96 0 . 75 0 . 722. 数字通讯过程中,信源发射0,1两种状态信号,其中发0的概率为0.55, 发1的概率为0.45。由于信道中存在干扰,在发0的时候,接收端分别以概 率0.9,0.05和0.05接收为0,1和“不清”。在发1的时候,接收端分别以概率 0.85,0.05和0.1接收为1,0和“不清”。现接收端接收到一个“1”的信号。问发 端发的是0的概率是多少? 解:设 A=发射端发射0, B= 接收端接收到一个“1”的信号.P A | B P APB | A 0.05 0.55 0.067 P APB | A PA P B | A 0.05 0.55 0.85 0.45小结P AB 条件概率 : P A B P B乘法公式 : P AB P B P A | B ——求事件交 P A1 An P A1 P A2 | A1 P A3 | A1 A2 P An | A1 An 1 n全概率公式 : P A P Bi P A | Bi i 1——求一个复杂事件 ——求一个条件概率贝叶斯公式 : P Bi | A P Bi P A | Bi PB P A| B j 1 j jn全概率公式与贝叶斯公式的区别:贝叶斯 是某种原因造成的 Bi|A 概率 事件 A 已发生全概率 各原因 Bi 下条件概率已知 事件 A 发生概率