全概率公式和逆概率公式
新乡医学院教案首页单位：计算机教研室
基 本 内 容 备 注 1.4 全概率公式和逆概率公式
一、全概率公式
例1 现有10个阄，其中两阄为“有”，其余均为“无”。
试判断第一个抓阄者是否比第二个更合算。
解：设B={第一个抓得“有”}，A={第二个抓得“有”}，则P(B)=0.2,P(A|B)=1/9，(|)2/9.P A B =而,A AB AB =+ 于是()()()()P A P AB AB P AB P AB =+=+
()(|)()(|)P B P A B P B P A B =+
12
0.20.80.299
=⨯+⨯=
故先后抓阄者获得“有”的机会是相等的。
定理1 如果事件A 能且只能与互不相容事件B 1,B 2,…,B n 之一同
时发生，则1
()()(|)n
i
i
i P A P B P A B ==
∑
证 令12,n C B B B =+++则12n B B B C U ++++=
1212()n n A AU A B B B C AB AB AB AC ==++++=++
++
因为A 能且只能与B 1,B 2,…,B n 之一同时发生，故,AC V =
即1
,n
i
i A AB ==
∑且AB 1,AB 2,…,AB n 互不相容.
于是由加法公式和乘法公式可得
1
1
1
()()()()(|).n
n
n
i i i i i i i P A P AB P AB P B P A B ======∑∑∑
1
()()(|).n
i i i P A P B P A B ==∑
在实际问题中，当计算P(A)比较困难，而计算P(B i )和P(A|B i )比较容易时，可用全概率公式求P(A).
全概率公式
,)n B
)
j。
第三节--全概率公式与逆概率公式
则有 P（A1 A2 An ) P( A1 )P( A2 ) P( An )
医药数理统计方法
例6 如果幼儿在学语前就失聪，则很难学会说话，故有 “十聋九哑”一说，表明失聪与失语的关系.那么，辨音能 力是否也影响辨色能力呢？临床积累的资料见表：
解 以A1、A2、A3分别表示取得这盒X光片是由甲厂、
乙厂、丙厂产生的，B 取得的X光片为次品
P
A1
5 10
，P
A2
3 10
,
P
A3
2 10
医药数理统计方法
例1 设某医院仓库中有10盒同样规格的X光片，已知 其中有5 盒、3盒、2盒依次是甲厂、乙厂、丙厂生 产的。且甲、乙、丙三厂生产该种X光的次品率依次 为1/10、1/15、1/20，现从这10盒中任取一盒，再 从这盒中任取一张X光片，求取得的X光片是次品的 概率。
P(B | A) P( AB) P( A)
P(AB) =P(A)P(B|A)=P(B)P(A|B)
若A ,B 相互独 立 P( AB) P( A) P(B)
*3、事件的独立性 例如 将一颗均匀骰子连掷两次，
医药数理统计方法
设 A={第二次掷出6点}， B={第一次掷出6点}，
显然 P(A|B)=P(A)
则我们可用全概率公式计算结果发生的概率．
即求 PB
医药数理统计方法
例1 设某医院仓库中有10盒同样规格的X光片，已知 其中有5 盒、3盒、2盒依次是甲厂、乙厂、丙厂生 产的。且甲、乙、丙三厂生产该种X光的次品率依次 为1/10、1/15、1/20，现从这10盒中任取一盒，再 从这盒中任取一张X光片，求取得的X光片是次品的 概率。
概率论与数理统计第1.4节 全概及逆概公式
即求 P B
再看引例1
1
2
3
有三个罐子,1号装有 2 红 1 黑球 , 2号装有 3 红 1 黑球，3号装有 2 红 2 黑球. 某人从中随机取一罐， 再从中任意取出一球，求取得红球的概率. 解: 记 Ai ={ 球取自 i 号罐 } i = 1, 2, 1 A23A2, A3是 代入数据计算得： P ( B ) 1 2 3 3, 1, 样本空间的一个分割; B ={3取得红球2 36 } 3 4 依题意: P(Ai )= 1/3 (i=1,2,3), 因为B 发生总是伴随着 A1, A2, A3 之一同时发生． P(B|A1)=2/3, P(B|A2 )=3/4, P(B|A3 )=1/2,
全概率公式
证明 B ΩB ( A1 A 2 A n ) B
A1 B A 2 B A n B .
A1 B , A 2 B , , A n B 两两互斥
P ( B ) P ( A1 B ) P ( A 2 B ) P ( A n B )
1 9
P ( A3 )
9 10
8 9
P ( B | A3 )
1 8
P ( B ) P ( A1 ) P ( B | A1 ) P ( A 2 ) P ( B | A 2 ) P ( A 3 ) P ( B | A 3 )
1 1 10 9 10 1 9 9 10 8 1 3 9 8 10
由全概率公式：
P ( B ) P ( A1 ) P ( B | A1 ) P ( A 2 ) P ( B | A 2 ) P ( A3 ) P ( B | A3 )
A3
其中
概率论与数理统计第14节全概及逆概公式
1.4.1 全概率公式 1.4.2 逆概率公式
样本空间的分割（P38）
定义 设A1,A2,,An为一个随机事件 且序 满列 足，
(1 )P (A i)0 ,i1 ,2 , n
A2
(2)
A1,A2,,An两
两
互
斥
A3
(3 )A 1 A 2 A n
A1
An1
An
那么，A1称 ,A2,,An为一个完备事件组 也称为 的一个分割
P ( A 1 ) P ( B A 1 ) P ( A 2 ) P ( B A 2 ) P ( A n ) P ( B A n )
全概率公式的主要用处在于它可以将一个复杂事 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.
全概率公式的使用P(B) n P(Ai)P(BAi) i1
由全概率 P(B)公 式 P(Ai得 )P(B|Ai) i1
例1 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 设事件 B 为“任取一件为次品”,
解代:入记数A据i =计{算球得取：自Pi(号B)罐}1i2=13, 2,13, A21, A32, A3是 样本空间的一个分割; B ={3取3得红4球2} 36 依 P因(B题为|A意B1):发=2P生/(3A,总i P)是=(B1伴|/A3随2(i)=着=13,/A24,3 ,13,)A,P2(,BA|A3 3之)=一1/2同, 时发生．
P ( B ) P ( A 1 ) P ( B A 1 ) P ( A 2 ) P ( B A 2 ) P ( A 3 ) P ( B A 3 )
1.5 全概率公式和逆贝叶斯公式
B B
B( A1 A2 Ak )
A1B A2 B Ak B 且有 A B, A B,, A B 两两互斥，所以有 1 2 k P( B) P( A1B A2 B Ak B) P( A1B) P( A2 B) P( Ak B) P( A1 ) P( B A1 ) P( Ak ) P( B An )
1.5
全概率公式与贝叶斯公式
一、全概率公式 二、逆概率公式
1.5
全概率公式与贝叶斯公式
例： 袋中有10个球，其中8个白球，2个黑球。若甲先从袋 中任取一球不放回，乙在从袋中任取一球，求乙取到的是白 球的概率？
解：设 A 表示“甲取得白球”，A 为“甲取到黑球” B， 表示 “乙取得白球”。
A A , A A
设有 n 张答卷，其中 k 张答“是”，于是回答“是”的比率 是 w，可用频率 k / n 去估计，记为 w ˆ k/n 这里答“是”有两种情况： 一种是摸到白球后，回答问题1，答“是”，这是一个条件 概率，它是“生日是在7月1日之前”的概率，一般认为是； 0.5 0.5，即P(回答是 摸到白球） 另一种是摸到红球后，回答问题2，答“是”，这也是一 个条 件概率，它不是别的，就是考试作弊同学在全体学生中 占比率 所 ，即 P(回答是 摸到红球） 最后利用全概率公式把上述各项概率（或其估计值）联 系起来
例： 玻璃杯成箱出售，每箱20只。假设各箱含0，1，2 只残次品的概率分别为0.8，0.1和0.1。一顾客欲购买一箱 玻璃杯，售货员随机的查看四只，若无残次品，则买下该箱 玻璃杯，否则退回。试求顾客买下该箱玻璃杯的概率？ 解： A1 , A2 , A3 分别表示有0，1，2件残次品，则它们构 成互斥完备群，B表示顾客买下该箱玻璃，则 P( A1 ) 0.8 P( A2 ) 0.1 P( A3 ) 0.1
概率论重要公式大全必看
概率论重要公式大全必看概率论是数学的一个分支，研究随机事件的概率性质和随机现象的数学模型。
在概率论中有许多重要的公式，下面是一些概率论中常用的重要公式的介绍。
1.加法法则加法法则是计算两个事件一起发生的概率的公式。
P(A∪B)=P(A)+P(B)-P(A∩B)2.乘法法则乘法法则是计算两个事件同时发生的概率的公式。
P(A∩B)=P(A)×P(B，A)=P(B)×P(A，B)其中P(B，A)表示已知事件A发生下事件B发生的概率。
3.全概率公式全概率公式是计算一个事件的概率的公式，通过将事件分解为若干个互斥事件并计算其概率，然后加权求和得到事件的概率。
P(A)=ΣP(A∩Bi)=ΣP(Bi)×P(A，Bi)其中Bi为一组互斥事件，且它们的并集为样本空间。
4.贝叶斯定理贝叶斯定理是根据条件概率的定义，计算事件的后验概率的公式。
P(A，B)=P(B，A)×P(A)/P(B)其中P(A，B)为已知事件B发生下事件A发生的概率。
5.随机变量与概率分布随机变量是用来描述随机现象结果的变量。
概率分布则是随机变量取不同值的概率的分布情况。
6.期望和方差期望是描述随机变量平均值的概念，可以通过加权平均的方式计算。
E(X)=Σx×P(X=x)方差是描述随机变量离散程度的概念，用来衡量随机变量取值与其期望值之间的偏差。
Var(X) = E((X - E(X))^2) = Σ (x - E(X))^2 × P(X=x)7.二项分布二项分布是描述重复进行n次独立实验中成功次数的概率分布。
P(X=k)=C(n,k)×p^k×(1-p)^(n-k)其中C(n,k)表示组合数，p为单次实验的成功概率，n为实验次数，k为成功次数。
8.泊松分布泊松分布是描述事件在一定时间或空间范围内发生的次数的概率分布。
P(X=k)=(λ^k/k!)×e^(-λ)其中λ为单位时间或单位空间范围内事件发生的平均次数，k为事件发生的次数。
ch1-4 全概率公式和逆概率公式
它的理论和实用意义在于:
在较复杂情况下，直接计算P(B)不容易, 但总可以 适当地构造一组两两互斥的Ai ，使B伴随着某个Ai的出 现而出现，且每个 P ( Ai B) 容易计算。可用所有 P ( Ai B) 之和计算P(B)。
我们还可以从另一个角度去理解 全概率公式。
某 一 事 件 B 的 发 生 有 各 种 可 能 的 原 因 Ai (i=1,2,…,n)，如果 B 是由原因 Ai 所引起，则 B 发生 的概率是 P(BAi)=P(Ai)P(B |Ai) 每一原因都可能导致B发生，故B发 生的概率是各原因引起B发生概率的总和， 即全概率公式。
1
2
3
B发生总是伴随着A1，A运用加法公式得 2，A3 之一同时发生，
即 且 B= A1B+A2B+A3B， A1B、A2B、A3B两两互斥。 P(B)=P( A1B)+P(A2B)+P(A3B)
P(B)=P( A1B)+P(A2B)+P(A3B)
对求和中的每一项 运用乘法公式得
P ( A ) P ( B｜A ),
j 1
n
i 1,2,, n。
该公式于1763年由贝叶斯(Bayes)给出。 它是在 观察到事件B已发生的条件下，寻找导致B发生的每 个原因的概率。 贝叶斯公式在实际中有很多应用，它可以帮助 人们确定某结果（事件 B）发生的最可能原因.
例 2 某一地区患有癌症的人占0.005，患者对一种 试验反应是阳性的概率为0.95，正常人对这种试验 反应是阳性的概率为0.04，现抽查了一个人，试验 反应是阳性，问此人是癌症患者的概率有多大?
i 1 i i
3
代入数据计算得：P(B)=8/15。
概率论与数理统计第1.4节 全概及逆概公式 (1)
解：设A为事件“取到的整数能被6整除”,B为“取 到的整数能被8整除” ,则所求的概率为：
P(A B ) P(A B) 1 P(A B)
其中 P( A B) P( A) P(B) P( AB).
由于 333 2000 334 所以能被6整除的整数
6
为：6，12，18…1998 共 333 个
解：记
Ai ＝{第i次取得白球}， i＝1, 2, …, n
A={取了n次都没有取到红球}
则
A = A1A2 L An
第1次
第2次
n-1个
…
第n-1次
n个
…
第n次
第一次取得白球
P(A1 )
=
1 2
第一次取得白球的条件下， 第二次取得白球的概率
2 P(A2 | A1 ) = 3
P(A1A2 L An ) = P(A1) P(A2 | A1) L
1 333 250 83 1 500 3
2000
2000 4
练习2 一袋中装有a只白球，b只黑球，每次任取一球，
取后放回，并且再往袋中加进c只与取到的球同色的球， 如此连续取三次，试求三次均为黑球的概率．
解 设A={三次取出的均为黑球}，Ai={第i次取出的是 黑球}，i=1,2,3，则有 A=A1A2A3．由题意得
1
2
3
如何求取得红球的概率？？？
一、全概率公式（P38）
定 理 设 试 验 E 的 样 本 空 间 为 , B 为 E 的 事 件, A1 , A2 , , An为 的 一 个 完 备 事 件 组,则
P(B) P( A1 )P(B A1 ) P( A2 )P(B A2 ) P( An )P(B An )
全概率公式与逆概率公式
这就是说,已知事件B发生,并不影响事件A发生的概
率,这时称事件A、B独立.
医药数理统计方法
定义 若两事件A、B满足P(AB)= P(A) P(B)
则称A、B独立，或称A、B相互独立.
性质
1）设A、B是两事件，若A、B独立，则
P(A|B)= P(A) 或P(B|A)= P(B) .反之亦然.
2）若事件 A、B相互独立，则 A, B A, B A, B 也相互独立.
把 A1, A2, , An 看作该过程的若干个原 因，
根据历史资料，每一原因发生的概率已知，
即 PAn 已知
而且每一原因对结果的影响程度已知，
即 PB An 已知
则我们可用全概率公式计算结果发生的概率．
即求 PB
医药数理统计方法
例1 设某医院仓库中有10盒同样规格的X光片，已知 其中有5 盒、3盒、2盒依次是甲厂、乙厂、丙厂生 产的。且甲、乙、丙三厂生产该种X光的次品率依次 为1/10、1/15、1/20，现从这10盒中任取一盒，再 从这盒中任取一张X光片，求取得的X光片是次品的 概率。
3）若n个事件 A1、A2、、An 是相互独立的，
则有 P（A1 A2 An ) P( A1 )P( A2 ) P( An )
医药数理统计方法
例6 如果幼儿在学语前就失聪，则很难学会说话，故有 “十聋九哑”一说，表明失聪与失语的关系.那么，辨音能 力是否也影响辨色能力呢？临床积累的资料见表：
色盲（B）
解 设 Ai {第i次买彩票中大奖}，i 1, 2…,520
p( Ai ) 105 ,
p( Ai ) 1 105 , i 1, 2,…520
p( A1 A2…A520 ) p( A1 ) p( A2 )… p( A520 ) (1 105 )520 0.9948
考研数学必备公式总结
考研数学必备公式总结随着考研大军的不断壮大，考研数学作为其中最重要的一门科目，备考的重要性不言而喻。
在备考数学的过程中，熟练掌握并运用各种数学公式无疑是提高解题效率和成绩的重要途径。
下面将对考研数学中的必备公式进行总结，以供同学们参考。
一、微积分公式1.导数运算法则：(uv)' = uv' + u'v，(u/v)' = (u'v - uv')/v²，(u^n)' = nu^(n-1)u'，(e^u)' = u'e^u，(lnu)' = u'/u，带入法则等。
2.积分运算法则：∫udv = uv - ∫vdu，∫x^n dx = (x^(n+1)) / (n+1)，∫du/u = ln|u| + C，∫e^u du = e^u + C，∫(1 / (a² + x²)) dx = (1/a)arctan(x/a) + C，等。
3.泰勒展开公式：f(x) = f(a) + f'(a)(x-a) + (f''(a))/2!(x-a)² + ... + (fⁿ(a))/n!(x-a)ⁿ +Rⁿ₊₁，其中Rⁿ₊₁是拉格朗日余项。
二、线性代数公式1.向量及矩阵：·向量点乘：A·B = |A||B|cosθ·向量叉乘：A×B = |A||B|sinθ·向量长度：|A| = √(x1² + x2² + ... + xn²)·平面向量：平移、旋转、缩放等基本变换·矩阵乘法：(AB)C = A(BC)，(AB)⁻¹ = B⁻¹A⁻¹，(A⁻¹)⁻¹ = A·矩阵的行列式计算公式2.线性方程组：·克拉默法则·矩阵求逆法·高斯消元法三、概率统计公式1.概率公式：·全概率公式：P(A) = P(A|B₁)P(B₁) + P(A|B₂)P(B₂) + ... + P(A|Bn)P(Bn)·贝叶斯公式：P(Bi|A) = P(A|Bi)P(Bi) / (ΣP(A|Bj)P(Bj))2.数理统计公式：·样本均值：x = (x₁ + x₂ + ... + xn) / n·样本方差：s² = (Σ(xi - x)²) / (n-1)·样本标准差：s = √s²·样本协方差：sxy = (Σ(xi - x)(yi - ȳ)) / (n-1)·样本相关系数：r = sxy / (sx·sy)四、复变函数公式1.欧拉公式：e^(ix) = cosx + isinx2.柯西-黎曼方程：·设 f(z) = u(x,y) + iv(x,y) 是一个复变函数，则 u 和 v 的一阶偏导数存在且连续，且满足如下方程：∂u/∂x = ∂v/∂y，∂u/∂y = -∂v/∂x3.柯西积分公式：·设 f(z) 是闭区域 G 内的单值解析函数，C 是 G 内的一简单逐段光滑曲线，则有：∮C f(z) dz = 0综上所述，以上是考研数学中的一些必备公式的总结。
概率基础计算公式
概率基础计算公式概率基础计算公式1.加法公式:P ( A + B ) = P ( A ) + P ( B ) − P ( A B ) P(A+B)=P(A)+P(B)-P(AB) P(A+B)=P(A)+P(B)−P(AB)2.求逆公式：P ( A ˉ ) = 1 − P ( A ) P(\bar{A})=1-P(A) P(Aˉ)=1−P(A)3.求差公式：P ( A − B ) = P ( A ) − P ( A B ) P(A-B)=P(A)-P(AB) P(A−B)=P(A)−P(AB)4.乘法公式：P ( A B ) = P ( A ) ⋅P ( A ∣B ) = P ( B ) ⋅P ( B ∣A ) P(AB)=P(A)\cdot P(A|B)=P(B)\cdot P(B|A) P(AB)=P(A)⋅P(A∣B)=P(B)⋅P(B∣A)5.全概率公式：设 A 1 , A 2 , . . . , A n A_1,A_2,...,A_n A1,A2,...,An两两互不相容，且所有的 A i A_i Ai并起来为Ω Ω Ω，则称 A 1 , A 2 , . . . , A n A_1,A_2,...,A_n A1,A2,...,An构成一个完备事件组，若P ( A i ) > 0 , i = 1 , 2 , . . . , n , P(A_i)>0,i=1,2,...,n, P(Ai )>0,i=1,2,...,n,则有如下全概率公式：P ( B ) = ∑ i = 1 n P ( A i ) ⋅ P ( B ∣ A i ) P(B)=\displaystyle \sum^{n}_{i=1}{P(A_i) \cdot P(B|A_i)} P(B)=i=1∑n P(Ai)⋅P(B∣Ai)6.贝叶斯公式（逆概率公式）：设 A 1 , A 2 , . . . , A n A_1,A_2,...,A_n A1,A2,...,An构成一个完备事件组，且P ( A i ) > 0 , i = 1 , 2 , . . . , n , P(A_i)>0,i=1,2,...,n, P(Ai)>0,i=1,2,...,n,则当P ( B ) > 0 P(B)>0 P(B)>0时，有如下贝叶斯公式：P ( A k ∣ B ) = P ( A k ) ⋅ P ( B ∣ A k ) ∑ i = 1 n P ( A i ) ⋅ P ( B ∣ A i ) , k = 1 , 2 , . . . , n . P(A_k|B)=\displaystyle {\frac{P(A_k) \cdot P(B|A_k)}{\sum^{n}_{i=1}{P(A_i) \cdot P(B|A_i)}}},k=1,2,...,n. P(Ak∣B)=∑i=1n P(Ai)⋅P(B∣Ai)P(Ak)⋅P(B∣Ak),k=1,2,...,n.7.n重伯努利试验：(1)若独立试验序列每次试验的结果只有两个，即A 与A ˉ A与\bar{A} A与Aˉ，记 P ( A ) = p P(A)=p P(A)=p，则n次试验中事件A发生 k k k次的概率为:P n ( A = k ) = P n ( k ) = C n k p k ( 1 − p ) n − k , k = 0 , 1 , 2 , . . . , n . P_n(A=k)=P_n(k)=C_n^kp^k(1-p)^n-k,k=0,1,2,...,n. Pn(A=k)=Pn(k)=Cnkpk(1−p)n−k,k=0,1,2,...,n.(2)独立重复地进行伯努利试验，直到第 k k k次试验时A才首次发生的概率为：P k = ( 1 − p ) k − 1 p , k = 1 , 2 , . . . , n . P_k=(1-p)^{k-1}p,k=1,2,...,n. Pk=(1−p)k−1p,k=1,2,...,n.。