• 沒有找到結果。

丙 貝氏定理

在文檔中 407 條件機率與貝氏定理 (頁 21-28)

某班男女生人數各半,男生中有 40%的人通過英檢,女生中有 60%的人通過 英檢。班上任選一學生,已知該生通過英檢,那麼此人是女生的機率為多少呢?

像這樣的機率問題,是日常生活中經常碰到的情境,我們可設A1表示選出者是男 生的事件,A2表示選出者是女生的事件,B 表示選出者通過英檢的事件。根據上 述可得 P A

 

1 0.5,P A

 

2 0.5,

 

1 0.4,

 

2 0.6

P B AP B A  , 並將這些事件的關係以文氏圖與樹狀圖呈現如下。

(a) (b)

▲圖 5

由文氏圖或樹狀圖,可得某生通過英檢,此人是女生的機率為

0.5 0.6 3 0.6 0.5 0.4 0.5 0.6 5

  

  

上述的情境我們雖然是透過文氏圖或樹狀圖求得其機率,然而事實上其背後 是有著嚴謹的數學理論支持,稱之為貝氏定理。

貝氏定理是在十八世紀英國牧師貝斯(R. T. Bayes,1702~1761)的遺作中 發現的,今日已被廣泛的應用,介紹如下。

A A A1, ,2 3為樣本空間 S 的三個事件,且滿足P A 

 

i

0

i  1,2,3

)。當這

三個事件兩兩互斥且A1  A2 A S3 時,我們把

A A A1, ,2 3

稱為樣本空間 S 的一 組分割,如圖 6(a)所示。

`

(a) (b)

▲圖 6

A A A1, ,2 3

為樣本空間 S 的一組分割,且事件 B 為 S 的一個事件時,事件 B 也會被分割成A B A1 , 2B A, 3B兩兩互斥的三個事件,如圖 6(b)所示。因此,

事件 B 發生的機率就是這三個兩兩互斥事件的機率總和,即

  

1

 

2

 

3

P B

P A B P A

   

B P A

B

接下來,我們想知道的是:在事件 B 發生的條件下,事件A1發生的機率(即

 

1

P A B )是多少呢?由條件機率的定義得知:在事件 B 發生的條件下(

P B    0

),

事件A1發生的機率為

 

1

1

   

1

1 2 3

P A B P A B

P A B

P B P A B P A B P A B

 

      

利用條件機率的乘法定理,可將上式中的每一個P A B

i

分別改寫成

i

  

i

 

i , 1, 2,3

P A B P A P B A i 。 因此,

     

   

P A P B A

 

1

 

1

   

P A B

  

同理,我們也可求得P A B

 

2 P A B

 

3

由文氏圖或樹狀圖,得

(1) 任選一產品為不良品的機率為

1 6 1 4 1 3 9 3 100 2 100 6 100 200     

(2) 某產品為不良品,此不良品為甲機器所生產的機率為

1 6 3 100 4

1 6 1 4 1 3 9 3 100 2 100 6 100

 

    

【隨堂練習 11】

由樹狀圖可得從計算題答對的同學中任選一人,

此人屬於乙組的機率為

0.5 0.8 0.4 40 0.5 0.3 1 0.5 0.8 0.2 0.4 0.3 0.4 0.08 78

   

      

故選(2)(3)(4)。

貝氏定理也可以應用在醫學檢驗後判斷是否確實染病的機率上。

【例题 12】

根據統計:某地區有 5%的人罹患某種傳染病,且患者經篩檢後呈現陽性的 機率為 99%;未患此病的人經篩檢後呈現陽性的機率為 0.2%。

(1) 從此地區任選一人接受檢驗,求此人檢驗結果為陽性的機率。

(2) 「偽陽性」表示某人經篩檢後呈現陽性但實際上沒生病。已知某人篩檢 呈現陽性,求此人為偽陽性的機率。

Ans:

【詳解】

先將各事件發生的情形及其機率以樹狀圖呈現如下。

再由樹狀圖,得

(1) 任選一人檢驗,結果為陽性反應的機率為

0.05 0.99 0.95 0.002 0.0514    。 (2) 某人篩檢後呈陽性,但他並未患病的機率為

0.95 0.002 19 0.0370 0.05 0.99 0.95 0.002 514

  

  

【隨堂練習 12】

承例題 12,已知某人檢驗結果呈陰性反應,求此人確實沒有染病的機率。

Ans:

【詳解】

由樹狀圖得知,

此檢驗結果為陰性反應的人確實沒有染病的機率為

0.95 0.998 9481

0.9995 0.05 0.01 0.95 0.998 9486

  

  

例題 12 中利用貝氏定理求得偽陽性的機率,可做為判別需不需進行普篩的其 中一個參考數據。

在文檔中 407 條件機率與貝氏定理 (頁 21-28)

相關文件