概率论第三讲

合集下载

概率论与数理统计第3讲

概率论与数理统计第3讲
6
6
定义 1.2 设P(A)>0,则B对A的条件概率为
P( AB ) P( B | A) P( A) (1.10)
7
7
P( AB ) P( B | A) P( A)
(1.10)
但是不要以为通常的概率论问题都是根据式 (1.10)计算条件概率的,其实不然。在解 决许多问题时,条件概率是通过对试验 进行控制而更改了样本空间而得到的, 就是说,修改随机试验使得那个条件事 件A上升为必然事件或者新的样本空间, 然后再通过试验、思考或者计算得到 P(B|A)。
18
18
P( AB ) P( B | A) P( A)
(1.10)
因为如此,所以经常倒是利用式(1.10)来计算 P(AB),即有如下的乘法法则: 定理 1.7 (乘法法则) 对两个事件A,B, 设 P(A)>0,则下式成立: P(AB)=P(A)P(B|A) (1.11)
19
19
P(AB)=P(A)P(B|A) (1.11) 这样的乘法法则可以推广到三个甚至更 多个事件上去。例如对于事件A,B,C, 就有 P(ABC)=P(A)P(B|A)P(C|AB) 这是因为上式右边头两项的乘积就是 P(AB),再利用一次公式(1.11)就可得结 果。
22
22
而这道题当然也可以完全用古典概型的办法 来算,考虑上面的P(A)和P(B|A)乘到一起 5 4 就是 8 7 分母上正好是8个元素取两个的排列数, 是有次序地抽两个球的基本事件总数, 而分子上则是5个白球取两个的排列数, 这是在一个56个基本事件的试验中进行 计算,当然思考就复杂一些。
A C B
图1-3
28
28
从图中不难看出,事件A和B都是压住了内接 圆的一半,所以 1 P( A | C ) P( B | C ) 2

概率论第03讲

概率论第03讲
0.75
A
0.95
B
0.95
D
0.70
H
0.95
G
0.75
E
0.70
15
C
0.70
F
0.75
A
0.95
B
0.95
D
0.70
H
0.95
G
0.75
E
0.70
解:将电路正常工作记为W,由于各元件独立 将电路正常工作记为 , 工作, 工作,有 P(W ) = P( A)P(B)P(C ∪ D ∪ E)P(F ∪ G)P( H ) 其中 P(C ∪ D ∪ E) = 1 − P(C)P( D)P( E) = 0.973
B3 B1 A B4 B2 B7 B5 B6 B8
17
P(A) = ∑ P(AB i )
i =1
n
= ∑ P ( Bi ) P ( A | Bi )
i =1
n
定义
为试验S的样本空间 的样本空间, 设 Ω 为试验 的样本空间,B1,…Bn为S 的一组事件。 的一组事件。若
(1) ) (2) )
B1,…Bn互不相容,i=1,…,n 互不相容,
B3 B1 A B4 B2 B7 B5 B6 B8
22
诸Bi是原因 A是结果 是结果
发报机发出“ 的概率为 的概率为0.6,发出“ 的 例7 发报机发出“.”的概率为 ,发出“—”的 概率为0.40;收报机将“.”收为“.”的概率为 ;收报机将“ 收为 收为“ 的概率为 的概率为0.99, 概率为 , 收为“ 的概率为 的概率为0.02。求收报机将任一 将“—”收为“.”的概率为 收为 。 信号收为“ 的概率 信号收为“.”的概率 .
9

概率论第三讲

概率论第三讲

P( A∪ B) = P( A) + P(B) P( AB) = 0.8
P ( A B ) = P( A ∪ B) = 0.2
陕西科技大学
3 September 2007
第一章 随机事件与概率
第11页
课后同学问: 上例 中小王他能答出第一类问题的概 率为0.7, 答出第二类问题的概率为0.2, 两 类问题都能答出的概率为0.1. 为什么不是 0.7×0.2 ? 若是的话, 则应有 P ( A1 A2 ) = P ( A1 ) P ( A2 ) 而现在题中并未给出这一条件. 在§1.5中将告诉我们上述等式成立的 条件是 :事件A1,A2 相互独立.
3 September 2007
陕西科技大学
第一章 随机事件与概率
第16页
思考题
口袋中有2个白球,每次从口袋中随 机地摸出一球,并换入一只黑球. 求第k 次取到黑球的概率.
3 September 2007
陕西科技大学
第一章 随机事件与概率
第17页
例1.3.4
一颗骰子掷4次,求至少出现一次6点的概率. 解:用对立事件进行计算, 记 A=“至少出现一次6点”, 则所求概率为
3 September 2007
陕西科技大学
第一章 随机事件与概率
第20页
利用对称性
甲掷硬币n+1次,乙掷n次. (习题1.3第10题) 求甲掷出的正面数比乙掷出的正面数多的概率. 解:记甲正=甲掷出的正面数,乙正=乙掷出的正面数. 甲反=甲掷出的反面数,乙反=乙掷出的反面数. 因为 P(甲正>乙正)= P(n+1-甲反> n-乙反) = P(甲反-1<乙反)= P(甲反≤乙反) (对称性) = 1P(甲正>乙正) 所以 2P(甲正>乙正)=1, 由此得 P(甲正>乙正)=1/2

北邮研究生概率论第三讲解析

北邮研究生概率论第三讲解析

9/19/2019
北京邮电大学电子工程学院
(1.2.6)
15
引理1.2.3 A *满足:
(2)若An A*,n 1,2,,Ai Aj ,i j


A An,故对D ,有 *AD *AnD
n1
n1

证明:由 A *是 代数,则 A An A *
北京邮电大学电子工程学院
6
(3)若An ,n 1,2,

若 * An , 则结论显然成立。
n1

若 * An :
n1
由定义: *
An

inf



k1
Ank
:An

k 1
Ank
,
Ank

A


0和每个An,Ank A,k 1,2,,使得:
v* D v* A1D v* A1D
v* A1D v* A1A2D v* A1 A2D
v* A1D v* A1A2D v* A1 A2 An1AnD v* A1 A2 An1 AnD
n1
D ,有:
*
D

*


An

D



*


An D
n1
n1
9/19/2019
北京邮电大学电子工程学院
16
由前面的结论,有:

*

D


*


An D


概率论第三讲

概率论第三讲

第三讲§4 乘法公式,全概率公式,贝叶斯公式及其应用 1. 条件概率和事件的独立性在配对问题中,如何解决第二个问题?如果记事件k A 表示k 个人拿到自己的帽子,k B 表示其余n k -个人没有一个拿到自己的帽子,则所求事件即为k k A B ,问题即要计算Pr()k k A B 。

如果从古典概率角度来理解:#()##()Pr()###k k k k k k k kA B A A B A B S S A ==,前一项是事件k A 的概率,而后一项可以认为是把k A 作为样本空间,事件k k A B 的概率,这个概率也称为k A 发生的条件下,事件k B 发生的条件概率,记为Pr(|)k k B A 。

这个想法希望能在一般的概率问题中应用,所以引入条件概率这个概念。

定义 (条件概率)如果Pr()0A >,则称Pr()Pr()AB A 为事件B 关于事件A 的条件概率,记为Pr(|)B A 。

从概率空间出发来理解条件概率。

给定概率空间(,,)S P F ,对给定的事件A ,可定义样本空间和事件域:(,)A A F ,相应的条件概率空间(,,(|))A A P A ⋅F 可按如下方式定义:B A ∈F ,则Pr()Pr(|)Pr()AB B A A =。

容易证明,这是一个概率空间。

1)非负性:0)|(≥A B P ; 2)规范性:1)|(=A S P ;3)可列可加性:∑∞=∞==11)|()|(k k k k A B P A B P ,这里φ=j i B B ,j i ≠。

下面考虑一个简单的问题,来帮助理解条件概率。

例 1 抛掷硬币两次,已知事件A “正面至少出现一次”发生。

求两次得到同一面的事件B 概率。

解 从定义容易计算:3()4P A =,1()4P AB =,则31)|(=A B P 。

从另一角度看,所谓已知事件A ,即样本空间已缩小为)}1,0(),1,1(),0,1{(。

现代概率论03:测度空间(1)

现代概率论03:测度空间(1)

现代概率论03:测度空间(1)⽬录第三讲 测度空间(1)2.1 测度的定义及性质2.1.1 测度的公理化定义本节主要讨论测度的定义及性质,在此之前需要引⼊⼏个概念:⾮负集函数:给定空间 X 上的集合系 E ,将定义在 E 上,取值于 [0,∞] 上的函数称为⾮负集函数,常⽤希腊字母 µ,ν,τ,⋯ 来表⽰。

可列可加性:如果对任意可列个两两不交的集合 {A n ∈E,n ≥1} 满⾜ ∞⋃n =1A n ∈E ,均有µ∞⋃n =1An=∞∑n =1µ(An ),则称⾮负集函数 µ 具有可列可加性。

有限可加性:如果对任意有限个两两不交的集合 {A k ∈E,1≤k ≤n } 满⾜ n⋃k =1Ak∈E ,均有µn⋃k =1Ak=n∑k =1µ(Ak ),则称⾮负集函数 µ 具有有限可加性。

可减性:如果对 ∀A ,B ∈E ,满⾜ A ⊂B ,且有 B −A ∈E ,只要 µ(A )<∞ ,就有µ(B −A )=µ(B )−µ(A ),则称⾮负集函数 µ 具有可减性。

本节的核⼼是测度的公理化定义,具体如下:测度的公理化定义:指的是在抽象空间的集合上建⽴的测度。

设 E 是 X 上的集合系,且 ∅∈E 。

若 E 上的⾮负集函数 µ 满⾜:(1) µ(∅)=0 ;(2) 可列可加性,则称 µ 为 E 上的测度。

若 µ(A )<∞, ∀A ∈E ,则称测度 µ 为有限测度。

()()若 ∀A ∈E ,存在 {A n ∈E,n ≥1} ,使得 ∞⋃n =1An⊃A ,则称测度 µ 为 σ 有限测度。

命题 2.1.1:测度具有有限可加性和可减性。

命题 2.1.2:设 X ⊂R, E =Q R ,F 是 R 上⾮降右连续的实值函数。

概率论第3讲.ppt

概率论第3讲.ppt

例2: 下列表达式中,其值为.T.的表达式是( D )
(A)”ABC” > ”ASC” .AND. .T. .OR. .NOT.23<>60/2 (B)”BAS” $ ”FOXBAS” .AND. ”林” $”张际林” .AND. .F. (C)”BASIC“ == ”BAS“ .AND. ”XY” $ ”EFG”+ ”XY” .OR. .NOT. .T. (D).NOT. 2**3<>8 .AND. “PUT” $ ”COMP”+”UTER”
• SQRT( ):求平方根函数 【格式】 SQRT(<数值型表达式>) 如:SQRT(4) → 2
LEN函数
取字符串的长度函数
【格式】 LEN(<字符串表达式>) 【例3-8】 取字符串长度值。
? LEN("Visual FoxPro") 13
SUBSTR函数
取子串函数 【格式】 SUBSTR(字符串表达式,起始值[,取值长度]) 【例3-9】 在下列字符串中取出子串。 ? SUBSTR("FoxPRO",2,2) && 从第二个字符开始取出2个字符
【例3-6】 比较值的大小。 ?MAX("WE","YOU") YOU ?MIN(CTOD("12/20/03"),CTOD("10/14/99")) 10/14/99
取模函数
取模函数
【格式】 MOD(<数值表达式1>,<数值表达式2>)
【功能】 取数值表达式1除以数值表达式2所得的余数。
【例3-7】 求下列各数的取模值。
出生日期 10/25/58 04/09/52 06/19/61 11/28/77 08/25/48 07/26/60 07/28/58 05/17/56 12/09/59 12/15/78

概率论第三章课件

概率论第三章课件

f ( x , y ) d x d y , G
例5 设二维随机变量(X,Y )具有概率密度
ke( 2 x y ) , f ( x, y) 0,
x 0, y 0 其它
(1)确定系数k;(2)求分布函数F(x,y);(3)求概率 P{X≤Y}。 解 (1)由于
反过来还可以证明,任意一个具有上述四个性 质的二元函数,必定可以作为某个二维随机变量的 联合分布函数。 对于n维随机向量(X1,X2,…,Xn )可类似定义 分布函数如下:
对任意n个实数x1 , x2 ,, xn , n元函数 F ( x1 , x2 ,, xn ) P{ X 1 x1 , X 2 x2 ,, X n xn } 称为n维随机向量( X 1 , X 2 ,, X n )的分布函数, 或随机 向量( X 1 , X 2 ,, X n )的联合分布函数 它有类似于二维 , 随机变量的分布函数的 性质.
如果将(X,Y)看作平面上随机点的坐标,则 F(x,y)=P{X≤x,Y≤y} 就表示点(X,Y)落在图(1)中阴影部分的概率。
y
X x ,Y y
( x, y)
o
图(1)
x
y
这时,点 (X,Y)落入任一 y2 矩形区域 y1 {x1< X ≤x2,y1< Y ≤y2} 的概率,可运用概率的加法 性质求得(借助图(2)): O
G
3、说明
几何上, z f ( x, y ) 表示空间的一个曲面 .
表示介于 f (x, y)和 xoy 平面之间的空间区域的 全部体积等于1.
P {( X ,Y ) G }

P{ ( X ,Y ) G }的值等于以G为底 , 以曲面z f ( x , y ) 为顶面的柱体体积.
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第三讲§4 乘法公式,全概率公式,贝叶斯公式及其应用 1. 条件概率和事件的独立性在配对问题中,如何解决第二个问题?如果记事件k A 表示k 个人拿到自己的帽子,k B 表示其余n k -个人没有一个拿到自己的帽子,则所求事件即为k k A B ,问题即要计算Pr()k k A B 。

如果从古典概率角度来理解:#()##()Pr()###k k k k k k k kA B A A B A B S S A ==,前一项是事件k A 的概率,而后一项可以认为是把k A 作为样本空间,事件k k A B 的概率,这个概率也称为k A 发生的条件下,事件k B 发生的条件概率,记为Pr(|)k k B A 。

这个想法希望能在一般的概率问题中应用,所以引入条件概率这个概念。

定义 (条件概率)如果Pr()0A >,则称Pr()Pr()AB A 为事件B 关于事件A 的条件概率,记为Pr(|)B A 。

从概率空间出发来理解条件概率。

给定概率空间(,,)S P F ,对给定的事件A ,可定义样本空间和事件域:(,)A A F ,相应的条件概率空间(,,(|))A A P A ⋅F 可按如下方式定义:B A ∈F ,则Pr()Pr(|)Pr()AB B A A =。

容易证明,这是一个概率空间。

1)非负性:0)|(≥A B P ; 2)规范性:1)|(=A S P ;3)可列可加性:∑∞=∞==11)|()|(k k k k A B P A B P ,这里φ=j i B B ,j i ≠。

下面考虑一个简单的问题,来帮助理解条件概率。

例 1 抛掷硬币两次,已知事件A “正面至少出现一次”发生。

求两次得到同一面的事件B 概率。

解 从定义容易计算:3()4P A =,1()4P AB =,则31)|(=A B P 。

从另一角度看,所谓已知事件A ,即样本空间已缩小为)}1,0(),1,1(),0,1{(。

仍是古典概型问题,该空间中,事件|{(1,1)}B A =,因此,31)|(=A B P 。

在原概率空间中,事件B 的概率为21)(=B P 。

定义 (事件独立性)如果()()()P AB P A P B =,就称事件A 与B 独立。

定理 (独立的等价条件)下面三个条件是等价的。

(1)()()()P AB P A P B =; (2)(|)()P B A P B =; (3)(|)()P A B P A =。

定理 如果事件A 与B 独立,则A 所确定的事件与B 所确定的事件之间都独立。

2. 概率计算问题中的三个重要的公式 定理 (乘法公式))()|()|()|()(112211111A P A A P A A A P A A A P A A P n n n n n ---=。

定理 (全概率公式)设试验的样本空间为k nk B S 0== ,这里φ=j i B B ,j i ≠,且0)(>k B P ,那么∑==nk k k B P B A P A P 1)()|()(。

定理3(贝叶斯公式)在定理2条件下,再设0)(>A P ,那么∑==nk k ki i i B P BA PB P B A P A B P 1)()|()()|()|(。

这个公式的概率含义:我们可以认为对事件k B 的信息掌握得比较充分,即知道其发生的概率,和其它事件在该事件发生时的条件概率。

这些信息是先验的,即可由经验获得。

那么又经过新的试验,在该试验之下,过去的经验会有什么修正,即在试验事件发生条件下,原来的经验概率会有什么变化?这就是后验概率)|(A B P i 。

例 狼来了寓言的概率分析。

(p.47) 3. 应用本节将利用前面的结果来计算一些概率问题。

例 设袋中装有r 只红球,t 只白球,每次自袋中任取一只球,观察其颜色后放回,同时放入a 只同样颜色的球。

若在袋中连续取球四次,求第一,二次取到红球,且第三第四次取到白球的概率。

例 如果已知太阳连续升起了n 天,问(1)n +-th 天太阳仍升起的概率是多大? 解 记k A 为第k 天太阳升起。

要计算的是11(|)n n P A A A +。

因此,11111()(|)()n n n n n P A A A P A A A P A A ++=。

但这些概率的含义并不明确,因为在什么样的样本空间中考虑问题并不清楚。

对1n +天太阳升起的情况,可以作互不相容的分解:1n n S S S S +=,其中,k S 表示太阳升起的天数,0,1,,1k n =+。

现在面临选择:对()k P S 的概率作什么样的假设?数学上是无法解决该问题的,如果借助主观概率思想,对没有特别信息区分事件的发生可能性,就做出等可能假,即设这里的每一种可能性是相同的:011()()2n P S P S n +===+。

这时,讨论的问题就明确了。

利用全概率公式:1111101()(|)()(|)2n n n n k k n k k k P A A P A A S P S P A A S n ++====+∑∑如何计算1(|)n k P A A S ?在给定k S 时,所有的样本点可以视为k 个太阳升起的日子在1n +天中的分布情况,共1kn C +中情况。

如果k n <,显然有1(|)0n k P A A S =;而k n =时,有111(|)n n nn P A A S C +=; 而1k n =+,有11(|)1n n P A A S +=。

因此,11111()(1)21n n n P A A n C n +=+=++。

类似,k n ≤时,显然有11(|)0n k P A A S +=;而1k n =+,有111(|)1n n P A A S ++=。

即111101()(|)()2n n n k k k P A A P A A S P S n ++===+∑。

所以,111(|)2n n n P A A A n ++=+。

思考题 (无限Polya 罐模型)考虑更一般的模型。

一个罐中有黑白两种颜色的无限多个球,无放回抽取n 个球,观测到抽到n r -个白球,r 个黑球。

下一次抽到白球的概率是多少?答案是12n r n -++。

提示 思考方法类似。

如果记r B 为事件:前面n 次中,观测到抽到n r -个白球,r 个黑球。

而1n n B A +表示事件;观测到抽到n r -个白球,r 个黑球,而1n +次仍是白球。

当k n r <-或1k n r >-+时,(|)0n r k P B S -=;当k n r =-时,1(|)n r nr n r n r n C P B S C ---+=;当1k n r =-+时,111(|)n r nr n r n r n C P B S C --+-++=;所以,11111!()!(1)!(1)!!1()()22()!!(1)!1n r n rn n r n r n r n n C C n n r r n r r P B n C C n n r r n n ----+++-++-+=+==++-++。

类似,11111!(1)!!1()22()!!(1)!(2)(1)n rn r n n r n C n n r r n r P B A n C n n r r n n n -+-++-+-+===++-+++。

所以,11(|)2n r n r P A B n +-+=+。

例(是否改变选择问题)解首先也要明确我们考虑的问题。

要讨论的是改选后得奖(记为C)概率是多大?面临的样本空间:奖品被选中B,改选后得奖;奖品未被选中B,改选后得奖。

因此12 ()(|)()(|)()0133P C P C B P B P C B P B=+=⨯+⨯。

例三家厂同时生产某种产品,产品的不合格率和市场占有率分别为0.02,0.15;0.01,0.80;0.03,0.05市场上抽取一件此类产品,(1)求产品不合格的概率;(2)该产品是第二家厂生产的概率。

(如何划分样本空间)例对以往数据分析结果表明,设备调整良好时,产品合格率为98%,而当机器调整不好时,合格率为55%。

每天早上机器调试好的概率为95%。

求已知某天产品合格时,机器是调试好的概率。

(注意什么是先验的概率)例某种疾病在人群中的发病率为0.005。

此类病的确症率为0.95:即该人患此病时,通过检查能查出该病的概率;而误症率也为0.05:即该人不患此病时,检查却认为患该病的概率。

求检查认为该人患病时,此人确实患病的概率。

下面是独立性问题。

例串联,并联和串并联混合系统的可靠性(独立性直观理解或假设)。

例甲乙两人比赛乒乓球。

甲胜的概率为1/2p≥,问对甲而言,采用三局两胜有利还是五局三胜有利。

例轮流射击问题的获胜概率计算。

(p.52)习题课1. 分球入罐问题把n 个球放入r 个不同箱子。

记录每个箱子的球数,问得到的所有不同结果有多少种? 等价问题:1r n n n ++=的非负整数解有多少个?从装有标号为1~r 的球的罐中,有放回抽取n 个求,记录每个编号被抽到的次数,问有多少中可能结果?解 思考方法。

以三个球,有放回抽取5次为例。

上述图例表示:1号球抽到4次,2号求一次,3号球零次。

可见所有结果是5个√与2条|的位置的组合方式,共有:5531C +-或31531C -+-种方法。

注意:也是可能的结果之一。

一般结论:1n n r C +-或11r n r C -+-。

下面的2~3是类似的问题2. 做伯努利试验,直到成功r 次,才停止试验。

问需要n r +次的所有可能试验结果有多少?如果成功的概率是p ,该事件的概率是多少?3. 把n 个(无区别的)球放入r 个罐中,要求第i 个罐中,至少有i m 个球,问所有的放入方法有多少中?(假设1ri i n m =≥∑)习题4既用了加法,也用了乘法原理的思考方法。

4. 证明组合公式220()nnk nn k C C ==∑。

解 把等式改写为20nnk n knn n k C C C -==∑,结论对应着:把2n 个球等分成2组,则取出n 个球的过程可分解成从第一组取出k 个球,0k n ≤≤,即n 种方法,而每种方法又可分位两个步骤:第一组中取出k 个球,然后,第2组中取出n k -个球。

利用全概率公式推导递推关系从而解决问题的例子5~6。

5. 配对问题参加某聚会的n 个人都向房子中央扔出自己的帽子。

充分混合后,个人随机地抽取帽子。

问1) 没有一个人选到自己帽子的概率是多少? 2) 恰好有k 个人选到自己的帽子的概率是多少?解 1)方法1. 记事件“第i 个人选择自己的帽子”为i E ,则1111()(1)()nnj j i n j i j P E C P E E -===-∑。

相关文档
最新文档