概率论--条件概率全概率和贝叶斯公式

一 条件概率:设A、B是两个事件,在A事件发生的条件下,B事件发生的概率,其中P(A)>0。说明A事件发生的概率大于0,表示A事件是必然发生的。

记为:P(B|A)=P(AB)/P(A) **************(1)

解释:注意事件A作为条件,分母必定是条件概率,所以A事件的概率必定在分母上,分子P(AB)表示事件A与B相交的概率,记作P(A∩B)。

式1也可以这样理解:
232.png

如图1 A事件和B事件相交的概率. Ω为样本空间。

12.png

举例说明:将一枚硬币抛两次,观察正反面,正面记H,反面记T.

样本空间Ω=(HH, HT,TH,TT)

设事件A:至少一次为正面,即事件A=(HH,HT,TH)

设事件B:两次为同一面,即事件B=(HH,TT)

求事件A发生条件下,事件B发生的概率?即求P(B|A)。

(例子来自浙大版概率与统计第四版)

从已知条件可知,总样本Ω为4个,A事件有3个,B事件有2个。

所以可以直接求出A的概率与B的概率。即P(A)=3/4 ,

从图1可以看出A事件与B事件相交事件只有一个即HH。

即P(AB)=1/4.有公式1可知

P(B|A)=P(AB)/P(A)=(1/4)/(3/4)=1/3.

1.2 乘法公式:把式1条件概率公式P(B|A)=P(AB)/P(A)

把P(AB)相交概率移到式子左边,把P(B|A)条件概率移动式子右边。即得到乘法公式。如式(2)

P(AB)=P(B|A) P(A)****************************(2)


二 全概率公式:

在条件概率中引入(A∩B)积事件的概念,P(A∩B)表示A和B相交的概率,也称为积事件概率,表示相交事件的概率只有在A与B事件同事发生情况下才会发生。而在全概率公式中将引入∪和事件概念. 有个小窍门,其实可以把积事件理解为数字电路的与门、把和事件理解为数字电路的或门。
比如样本空间S,可以划分样本B1,B2…B6组成,
即S=(B1∪B2∪…B6)
如图3,B1~B6是样本空间S的分割. ∅表示空集,表示不可能事件。
3样本空间的分割.png
而AS=A(B1∪B2∪B3∪B4∪B5∪B6)=AB1∪AB2∪AB3∪AB4∪AB5∪AB6.
假设P(Bi>0),(i=1,2…6),且(ABi)(ABj)= ∅,i≠j,i,j=1,2…6。
(AB1)(AB2)(AB3)(AB4)(AB5)(AB6)= ∅,表示AB1~AB6各自相交的事件两两互不相容。
即得到
P(A)=P(AB1)+ P(AB2) +P(AB3)+ P(AB4)+ P(AB5)+P(AB6)******(3)
= P(A|B1)P(B1)+ P(A|B2)P(B2)+ …+ P(A|B6)P(B6)**************(4)

全概率公式定理:设随机试验E的样本空间为S,A为随机试验E的事件,其中B1,B2….Bn为S的一个划分,其中Bi>0(i=1,2…n).

则P(A)= P(A|B1)P(B1)+ P(A|B2)P(B2)+ …+ P(A|Bn)P(Bn)*****(5)
式(5)表A事件的概率=AB1相交概率+AB2相交概率+…+ABn相交概率,式(5)即为全概率公式, 其实式(3)(4)(5)都是一样的意思都是全概率公式。
总结 1:全概率公式,(有原因到结果)即观察样本空间每一个划分与A事件相交发生的概率,并把各划分与A事件相交概率进行累加,并最终计算A的总概率。
简单说即观察每一种事件A发生的概率,计算A的概率P(A)。
总结 2:在很多实际问题中A事件P(A)不能直接求得,但是可以找到S的一个划分B1.B2…Bn且P(Bi)和P(A|Bi)容易求得的条件下,就可以求出A事件的概率。

例2某一电子元器件集团公司,有三个分厂,生产同一型号的低内阻MOS管,其中一厂产量占30%,次品率为2%;二厂产量占50%,次品率为1%;三厂产量占20%,次品率为1%。求从这批低内阻MOS管中任取一件的次品概率为多少?

解:设A={任取一件为次品};Bi{任取第i厂的MOS管,其中i=1,2,3}
则B1,B2,B3为整个样本空间S的划分。
且P(B1)=0.3;占百分之30产量,则P(B2)=0.5;P(B3)=0.2.
而一、二、三厂次品率分别为2%、1%、1%。
即P(A|B1)=0.02、P(A|B2)=0.01、P(A|B3)=0.01
有全概率公式得
P(A)= P(A|B1)P(B1)+ P(A|B2)P(B2)+ P(A|B3)P(B3)
P(A)=(0.020.3)+(0.010.5)+(0.01*0.2)=0.013.
即任取一件的次品概率为0.013.

三 贝叶斯公式:

与全概率公式正好相反(有结果求原因)在事件A发生的条件下,观察每一种情况出现的条件概率。即已知P(A)A的概率,求分割事件Bi条件的概率。

定义:设随机试验E的样本空间为S,A为随机试验的事件,B1~Bn为S的一个划分,且P(A)>0,P(Bi)>0,(i=1,2,…n),则

5.png

式(6)就是贝叶斯公式。

解释:从公式(6)可见分子就是你所求的划分事件Bi和A事件的相交的概率,而分母其实就是个全概率公式,即也是A的概率,在这里一般往往是已知的,或者是相对比较容易求得的。

举例:某电子设备厂所用一批集成电路有三家元器件厂提供,其中

一厂次品率为0.02,提供所占比例为0.15;
二厂次品率为0.01,提供所占比例为0.80;
三厂次品率为0.03,提供所占比例为0.05;由于在仓库中这三家厂器件都是混合堆放,求(1)在仓库中随机任取一件求次品概率?(2)若随机元器件是次品,分析此次品出自何厂,即求出此次品分别来自三家工厂中的概率。
解:设A={取到是一只次品},Bi={(i=1,2,3)表示所取得产品是来自第几家厂}。有题目条件可知,B1,B2,B3是样本空间S的一个划分。
即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;
所以首先有全概率公式可以求出P(A),其次有贝叶斯公司求出三家厂的次品概率。
(1) 由全概率公式求出P(A)
P(A)= P(A|B1) P(B1)+ P(A|B2) P(B2)+P(A|B3) P(B3)
=(0.020.15)+(0.010.80)+(0.03*0.05)=0.0125
(2)有贝叶斯公式分别求出三家工厂的次品率
P(B1|A)={P(A|B1) P(B1)}/p(A),= (0.02*0.15)/0.0125=0.24
P(B2|A)={P(A|B2) P(B2)}/p(A),= (0.01*0.80)/0.0125=0.64
P(B3|A)={P(A|B3) P(B3)}/p(A),= (0.03*0.05)/0.0125=0.12
从以上计算结果表明,显然次品来自第2家厂的可能性最大。
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,736评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,167评论 1 291
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,442评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,902评论 0 204
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,302评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,573评论 1 216
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,847评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,562评论 0 197
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,260评论 1 241
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,531评论 2 245
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,021评论 1 258
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,367评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,016评论 3 235
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,068评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,827评论 0 194
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,610评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,514评论 2 269