2[1].2.1条件概率1.ppt1

合集下载

2.2.1条件概率课件_选修2-3

2.2.1条件概率课件_选修2-3

P ( AB ) 为事件A发生的条件下,事件B P B A P ( A) 发生的条件概率.
P(B|A)读作A发生的条件下B发生的概率,
n( AB) P ( AB) P B A n( A) P ( A)
B A∩B A
P(B|A)相当于把A当做新的样本空间来计算AB发生的概率。
P B C A P B A P C A
A B C
反思
求解条件概率的一般步骤:
(1)用字母表示有关事件
(2)求P(AB),P(A)或n(AB),n(A)
( 3 )利用条件概率公式求
P ( AB) n( AB) P B A P ( A) n( A)
例1、在5道题中有3道理科题和2道文科题,如果不放回 地依次抽取2道题,求: (1)第一次抽取到理科题的概率; (2)第一次和第二次都抽取到理科题的概率;
1 P B | A
0
P AB P
1 2
2 P B | A
0
n AB n

3 1 6 2
例2、一张储蓄卡的密码共有6位数字,每位数字都可 从0~9中任选一个,某人在银行自动提款机上取钱时, 忘记了密码的最后一位数字,求 (1)任意按最后一位数字,不超过2次就按对的概率; (2)如果他记得密码的最后一位是偶数,不超过2次 就按对的概率。
P(A|B)怎么读?怎么理解?怎么求解?
乘法法则
P( AB) P( A) P( B A) P( B) P( A B)
P( AB) P( B A) P( A) P( AB) P( A B) P( B)
2.条件概率的性质: (1)有界性: 0 P B A 1

人教a版数学【选修2-3】2.2.1《条件概率》ppt课件

人教a版数学【选修2-3】2.2.1《条件概率》ppt课件

2 有 2 个红球,5 个蓝球,故第二次取到红球的概率为 P1=7. (2)第一次取到蓝球后不放回,这时口袋里有 3 红 4 蓝 7 个 3 小球,从中取出一球,取到红球的概率为7. (3)第一次取到蓝球后不放回,这时口袋里有 3 红 4 蓝 7 个 4 小球,从中取出一球,取到蓝球的概率为 P3=7.
第二章
2.2
2.2.1
成才之路 · 高中新课程 · 学习指导 · 人教A版 · 数学 · 选修2-3
条件概率
思维导航
在 10 件产品中有 9 件产品的长度合格, 8 件产品的质量合 格,7件产品的长度、质量都合格. 令A={任取一件产品其长度合格 },B={任取一件产品其 质量合格 } , AB = { 任取一件产品其长度、质量都合格 } , C =
{任取一件产品,在其长度合格的条件下,其质量也合格},试
讨论概率P(A),P(B),P(AB),P(C)的值,你发现了什么?
第二章
2.2
2.2.1
成才之路 · 高中新课程 · 学习指导 · 人教A版 · 数学 · 选修2-3
新知导学 1.条件概率
PAB PA 一般地, 设 A、 B 为两个事件, 且 P(A)>0, 称 P(B|A)=_______
成才之路 · 高中新课程 · 学习指导 · 人教A版 · 数学 · 选修2-3
通过实例,了解条件概率的概念,能利用条件概率的公式 解决简单的问题.
第二章
2.2
2.2.1
成才之路 · 高中新课程 · 学习指导 · 人教A版 · 数学 · 选修2-3
重点:条件概率的定义及计算.
难点:条件概率定义的理解.
成才之路 · 数学
人教A版 · 选修2-3

概率论与数理统计PPT1章

概率论与数理统计PPT1章
OPTION
一、随机试验
例1 随机试验的例子
6 第2章 随机变量及其分布
1. 抛掷一枚均匀的硬币,有可能正面朝上,也 有可能反面朝上;
2. 抛掷一枚均匀的骰子,出现的点数; 3. 某快餐店一天内接到的订单量; 4. 航班起飞延误的时间; 5. 一支正常交易的A股股票每天的涨跌幅。
二、样本空间
7 第2章 随机变量及其分布
3 第2章 随机变量及其分布
1.1 随机事件及其运算
一、随机试验 二、样本空间 三、随机事件 四、随机事件间的关系和运算
一、随机试验
4 第2章 随机变量及其分布
随机现象——在个别试验中呈现不确定的结 果, 而在大量重复试验中结果呈现某种规律性的现 象.这种规律性称为统计规律性.
概率论是一门研究随机现象及其统计规律的学 科.
2、随机事件之间的运算 (1)事件的并
事件的并
四、随机事件之间的关系与运算第2章 随机变量及其分布 16
2、随机事件之间的运算 (2)事件的交(积)
事件的交
四、随机事件之间的关系与运算第2章 随机变量及其分布 17
2、随机事件之间的运算 (3)事件的差
四、随机事件之间的关系与运算第2章 随机变量及其分布 18
2、随机事件之间的运算 (4)对立事件
2、随机事件之间的运算
第2章 随机变量及其分布 19
从随机事件间的关系和运算可以看出,
01
OPTION
02
OPTION
03
OPTION
3、事件的运算性质
①交换律 ②结合律 ③分配律 ④对偶律
第2章 随机变量及其分布 20
3、事件的运算性质
例3
1 2 3 4
第2章 随机变量及其分布 21

《条件概率》课件

《条件概率》课件
答案2
两次都取到白球的概率为$frac{6}{10} times frac{6}{10} = frac{36}{100} = frac{9}{25}$。解析:第一次取到白球 的概率为$frac{6}{10}$,第二次取到白球的概率为 $frac{6}{10}$,因此两次都取到白球的概率为 $frac{6}{10} times frac{6}{10} = frac{36}{100} =
《条件概率》ppt课件
contents
目录
• 条件概率的定义 • 条件概率的性质 • 条件概率的应用 • 条件概率的实例分析 • 条件概率的习题与解答
CHAPTER 01
条件概率的定义
条件概率的数学定义
定义
在事件B发生的条件下,事件A发生的概率称为条件概率,记作P(A|B)。
公式
P(A|B) = P(A∩B) / P(B)
条件概率的几何意义
条件概率P(A|B)表示在事件B发生的条 件下,事件A发生的概率,这可以表示 为在事件B发生的条件下,事件A发生 的区域与整个样本空间的比值。
CHAPTER 02
条件概率的性质
条件概率的加法性质
总结词
条件概率的加法性质是ቤተ መጻሕፍቲ ባይዱ当某一事件B发 生时,另一事件A发生的概率等于两事件 A和B同时发生的概率加上A不发生但B发 生的概率。
贝叶斯决策
贝叶斯决策是一种基于贝叶斯定理的决策方法,通过计算不 同行动方案在不同自然状态下的期望效用值,选择最优的行 动方案。贝叶斯决策中需要用到条件概率来计算不同自然状 态下的期望效用值。
在机器学习中的应用
分类器设计
在分类器设计中,常常需要计算不同类别下的条件概率,以设计最优的分类器。例如, 在朴素贝叶斯分类器中,通过计算不同特征在不同类别下的条件概率,实现分类器的设

《条件概率》公开课教学PPT课件

《条件概率》公开课教学PPT课件

贝叶斯网络模型简介
贝叶斯网络定义
一种基于概率图模型的 机器学习算法,用于表 示和推理不确定性知识。
网络结构
由有向无环图和条件概 率表组成,节点表示随 机变量,边表示变量间
的依赖关系。
推理算法
通过贝叶斯网络中的条 件概率表,利用推理算 法计算目标变量的后验
概率分布。
应用领域
广泛应用于分类、聚类、 预测等任务,如自然语 言处理、图像处理、医
掌握条件概率的概念和计算方法对于理解和应用概率论和数理统计具有重要意义。
教学目标和要求
教学目标
通过本课程的学习,使学生掌握条件概率的概念、计算方法和 应用,培养学生的逻辑思维能力和分析问题的能力。
教学要求
要求学生能够熟练掌握条件概率的计算方法,理解条件概率在 实际问题中的应用,并能够运用所学知识解决一些实际问题。 同时,要求学生积极参与课堂讨论和思考,提高自己的思维能 力和解决问题的能力。
条件概率与独立性的关系
如果事件A与事件B相互独立,则P(B|A)=P(B),即事件A的发生对事 件B的发生没有影响。
条件概率的应用
条件概率在实际问题中有着广泛的应用,如医学诊断、天气预报、金 融风险评估等领域。
拓展延伸:条件期望、条件方差等概念介绍
• 条件期望的定义与性质:条件期望是指在某一事件发生的条件下,另一 随机变量的期望值。它具有线性性、单调性等基本性质。
条件概率在贝叶斯定理中作用
先验概率与后验概率
01
条件概率在贝叶斯定理中,用于计算先验概率和后验概率,即
根据已知信息更新某事件发生的概率。
因果关系分析
02
条件概率可以帮助分析事件之间的因果关系,进而推断出未知
事件的发生概率。

高二数学必修1课件:2.2.1 条件概率

高二数学必修1课件:2.2.1 条件概率

问题探究
若事件A1,A2,…,An两两之间相互 独立,则P(A1A2…An)等于什么?如何证明?
P(A1A2…An)=P(A1)P(A2)…P(An)
第二十三页,编辑于星期一:一点 分。
典例讲评
例1 某商场推出二次开奖活动,凡购买 一定价值的商品可以获得一张奖券,每张 奖券可以分别参加两次抽奖方式相同的兑 奖活动,如果两次兑奖活动的中奖概率都 是0.05,求两次抽奖中下列事件的概率. (1)两次都中奖;
第十一页,编辑于星期一:一点 分。
课堂小结
3.互斥事件的并事件的条件概率性质, 类似于互斥事件的概率加法公式,并可 以推广到多个互斥事件的并事件的条件 概率.
第十二页,编辑于星期一:一点 分。
2.2 二项分布及其应用 2.2.2 事件的相互独立性
第十三页,编辑于星期一:一点 分。
复习回顾
1.条件概率P(B|A)的含义与计算公式 分别是什么?
课堂小结
2.公式P(AB)=P(A)P(B)可以理解为: 相互独立事件同时发生的概率,等于它 们的概率之积.如果事件A与B不相互独 立,那么事件A与B同时发生的概率应 利用条件概率求解.
第二十七页,编辑于星期一:一点 分。
课堂小结
3.两个事件互斥与两个事件相互独立是 完全不同的两个概念,若事件A与B互斥, 则P(A∪B)=P(A)+P(B),这是和事件的 加法公式;若事件A与B相互独立,则 P(AB)=P(A)P(B),这是积事件的乘法公 式.
第六页,编辑于星期一:一点 分。
概念生成
结合条件概率的定义,如何推导 P[(B∪C)|A]与P(B|A),P(C|A)的关系?
P[(B∪C)|A]=P(B|A)+P(C|A)
第七页,编辑于星期一:一点 分。

《条件概率》课件

《条件概率》课件

在机器学习中的应用
01
分类器设例如,朴素贝
叶斯分类器就是基于条件概率的分类器之一,它可以根据已知特征的概
率分布来预测未知样本的类别。
02
聚类分析
在聚类分析中,条件概率可以帮助我们确定不同数据点之间的相似性或
差异性。例如,基于密度的聚类算法可以利用条件概率密度函数来评估
数据点之间的相似性或差异性。
03
强化学习
在强化学习中,条件概率可以帮助我们确定在不同状态下采取不同行动
的概率。例如,Q-learning算法可以利用条件概率来评估在不同状态下
采取不同行动的期望回报。
04 条件概率的实例分析
抛硬币实验的条件概率分析
总结词:直观理解
详细描述:通过抛硬币实验,理解条件概率的概念。假设硬币是均匀的,那么正 面朝上的概率是0.5。在硬币已经连续出现几次正面朝上的情况下,下一次抛掷 仍然是正面朝上的概率仍然是0.5,即条件概率不变。
全概率公式与贝叶斯公式
总结词
全概率公式和贝叶斯公式是条件概率的 两个重要公式,全概率公式用于计算一 个事件的概率,而贝叶斯公式则用于更 新一个事件的概率。
VS
详细描述
全概率公式将一个事件的概率分解为若干 个互斥事件的概率之和,而贝叶斯公式则 是在已知先验概率和新信息的情况下,更 新一个事件的概率。这两个公式在统计学 、机器学习和数据分析等领域有着广泛的 应用。
B
题目2答案与解析
出现一个正面和一个反面的概率为0.75。解 析:出现一个正面和一个反面意味着出现 HH、HT、TH、TT四种情况中的三种,其
D
概率为C(2,1) / C(2,2) * C(2,1) / C(2,2) =
3/4。

2.2.1条件概率(一)

2.2.1条件概率(一)
注意:此 时基本事 件总数发 生变化
表示在事件A已经发生的条件 下,事件B发生的概率
公式推导
基本事件总数为n(A) B包含的事件总数为n(AB)
(只适用于古典改型)
(一般公式)
条件概率 Conditional Probability
定义 设A,B为同一个随机试验中的两个随机事件 , 且P(A)>0, 则称
1. 条件概率的定义. 2. ) P ( B A) P ( A)
习题2.2--A组--第4题
P ( AB ) P ( B A) P ( A)
为在事件A发生的条件下,事件B发生的条件概率. 一般把 P(B︱A)读作 A 发生的条件下 B 的概率。
条件概率的性质:
某班有20名男生,25名女生。依次从全班同 学中任选两名同学代表班级参加比赛,求: (1)第一名同学是女生,第2名同学也是女 生的概率 (2)已知第一名同学是女生,则第2名同学 也是女生的概率
  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)。
定义 设A,B为同一个随机试验中的两个随机事件 , 且P(A)>0, 则称
P( AB) P ( B A) P ( A)
为在事件A发生的条件下,事件B发生的条件概率. 一般把 P(B︱A)读作 A 发生的条件下 B 的概率.
练习:一个家庭中有两个小孩,假定生男生女是等可 能的,已知这个家庭有一个女孩,问这时另一个小孩 是男孩的概率是多少? 解1:样本空间A的基本事件数为3,{bg、gb、gg}
事件B|A的基本事件数为2,{bg、gb} 所以 P(B|A)=2/3 解2: P(B|A)=P(AB)/P(A)
二、条件概率的性质:
必然事件的条件概率为1,不可能事件的条件概率为0
1. 条件概率的定义.
2. 条件概率的计算.
公式:
P ( AB ) P ( B A) P ( A)
昨天看一片电影《玩转21点》,片中有一个很趣的 概率问题。片中涉及的那个车和羊的问题也被称作蒙提 霍尔问题(Monty Hall Problem)或三门问题,是一个 源自博弈论的数学游戏问题,大致出自美国的电视游戏 节目“Let's Make a Deal”。问题的名字来自该节目的主 持人蒙提· 霍尔(Monty Hall)。 这个游戏的玩法是:参赛者会看见三扇关闭了的门, 其中一扇的后面有一辆汽车,选中后面有车的那扇门就 可以赢得该汽车,而另外两扇门后面则各藏有一只山羊。 当参赛者选定了一扇门,但未去开启它的时候,节目主 持人会开启剩下两扇门的其中一扇,露出其中一只山羊。 主持人其后会问参赛者要不要换另一扇仍然关上的 门。
2、几何概型:
(1) 等可能性 (2) 无限性
事件A的区域 P( A) 样本空间的区域
探究一
三张奖券中只有一张能中奖,现分别由三名同学 无放回地抽取,问最后一名同学抽到中奖奖券的概率 是否比前两名同学小?
探究二 P(A1)=P(A3)=1/3
如果已经知道第一名同学没有抽到中奖券,那么 最后一名同学抽到中奖奖券的概率又是多少?
设A={第一名同学没有抽到中奖券}
设B={最后一名同学抽到中奖奖券} P(B|A)=1/2
为什么是1/2?
缩小了样本空间,基本事件总数减少了
探究三
A33 1 (1)事件A:甲站在排头的概率; p( A) 4 A4 4 A33 1 (2)事件B:乙站在排尾的概率; p( B ) 4 A4 42 A2 1 (3)事件A、B同时发生的概率;p( A B ) 4 A4 12
A
B
P( A) 1 P( B)
(5)并事件(和事件) A 如图:
B (或A B )
A B B
A
(6)交事件(积事件) A
B (或AB )
如图:
B A B A
二、概率的两种模型 1、古典概型:
(1) 等可能性 (2) 有限性
事件A的基本事件数 m p( A) 样本空间的基本事件数 n
★已知甲站在排头,求乙站在排尾的概率?
2 A2 1 n( A B ) P ( A B ) p( B | A) 3 A3 3 n( A) P ( A)
四位学生站成一排照相,求:
缩小了样本空间,基本事件总数减少了!
一、条件概率 Conditional Probability
有三种可能的情况,全部都有相等的可能性(1/3)︰ 参赛者挑山羊一号,主持人挑山羊二号。转换将赢 得汽车。 参赛者挑山羊二号,主持人挑山羊一号。转换将赢 得汽车。 参赛者挑汽车,主持人挑两头山羊的任何一头。转 换将失败。
【回顾和复习】 一、事件的四个关系和两个运算:
(1)包含关系:B 如图:
A (或A B)
B
A
(2)相等关系: B A且A B 即:A=B 如图:
BA
(3)互斥事件 A 如图:
B
事件A与事件B在任何一次) P( B)
(4)互为对立事件 A B= 且 A B=U 事件A与B在任何一次试验中有且仅有一个发生 如图:
相关文档
最新文档