第一章第一节
基本概念
一、 随机试验与事件 I. 随机试验
1. 随机试验 把对某种随机现象的一次 观察、观测或测量等称为一个试验。如果这 个试验在相同的条件下可以重复进行,且每 次试验的结果事前不可预知,则称此试验为 随机试验,也简称为试验,记为E。
注:以后所提到的试验均指随机试验。
随机试验举例:
E1: 掷一颗骰子,观察所掷的点数是几;
E2: 观察某城市某个月内交通事故发生的次数;
E3: 对某只灯泡做试验,观察其使用寿命;
E4: 对某只灯泡做试验,观察其使用寿命是否小 于200小时。
对于随机试验,尽管在每次试验之 前不能预知其试验结果,但试验的所有可能结 果所组成的集合却是已知的。
若以Ωi表示试验Ei的样本空间, i=1,2,3,4, 则 ◆ E1: 掷一颗骰子,观察所掷的点数是几,
Ω1 = {1, 2, 3, 4, 5, 6};
称试验所有可能 结果所组成的集合为样本空间,记为Ω。
2. 样本空间
样本空 间的元素, 即随机试验的单个结果称为样本点。
E2: 观察某城市某个月内交通事故发生次数,
Ω2={0,1,2,…};
E3: 对某只灯泡实验,观察其使用寿命,
Ω3={t,t≥0};
E4: 对某只灯泡做实验,观察其使用寿命是否 小于200小时,
Ω4={寿命小于200小时,寿命不小于200小时}。
II. 随机事件
把样本空间的任意一个子集称为一个随机 事件,简称事件。常用大写字母A,B,C,…表示。
特别地,如果事件只含一个试验结果(即样 本空间的一个元素),则称该事件为基本事件。
写出试验E
1的样本空间
Ω1={1,2,3,4,5,6}的下述子集合表示什么 事件?指出哪些是基本事件。
A1={1},A2={2},…,A6={6} ━━ 分别表示掷
的结果为“一点”至“六点”,都是基本事件;
B={2,4,6} ━━ 表示掷的结果为“偶数 点”,非基本事件;
C={1,3,5} ━━ 表示“掷的结果为奇数 点”,非基本事件;
D={4,5,6} ━━ 表示“掷的结果为四点或 四点以上”,非基本事件。
例 1:
当结果 ω∈A时, 称事件A发生。
注意:
(1).由于样本空间Ω包含了所有的样本点,且是 Ω自身的一个子集。故,在每次试验中Ω总 是发生。因此, 称Ω必然事件。
(2).空集Φ不包含任何样本点,但它也是样本空
间Ω的一个子集,由于它在每次试验中肯定 不发生,所以称Φ为不可能事件。
注意: 只要做试验,就会产生一个结果,即样
本空间Ω中就会有一个点(样本点 ω)出现。
二、事件的关系与运算 I. 集合与事件
回忆: 做试验E时,若∈A,则称事件A发生。
集合A包含于集 合B:若对∀ω∈
A, 总有ω∈B,
则称集合A包含 于集合B,记成 A⊂B。
事件A包含于事件 B:若事件A发生必 有事件B发生,则 称事件A包含于事 件B,记成A⊂B。
集合A与B的并或和:
若ω∈ C, 当且仅当ω
∈A或ω∈B,则称集合 C为集合A与B的并或和, 记成A∪B 或 A+B。
事件A与B的并 或和:若事件 C发生,当且 仅当事件A或B 发生,则称事 件C为事件A与 B的并或和,
记成A∪B 或 A+B。
若A⊂B,且B⊂A,则称事件A与B相等,记成A=B。
无穷多个事件A
1,A
2,
…的和 n个事件A
1,A
2,…,A
n的和
C发生就是A
1,A
2,
…,A
n中 至少一个事件发生。
C发生就是A
1,A
2…中至 少一个发生。
ni
Ai
C
=1
=
∞=
=
1 i
Ai
C
集合A与集合B 的交或积:若 ω∈ C,当且仅 当ω ∈A且ω∈B, 则称集合C为集 合A与B的交或 积, 记成A∩B或 AB。
事件A与B的积或交:
若事件C发生,当且仅 当事件A与B同时发生,
则称事件C为事件A与B 的积或交, 记成 A∩B或 AB。
特别地 ,当AB=Ø时, 称A与B为互斥事件 (或互不相容事件), 简称A与B互斥。也 就是说事件A与B不 能同时发生。
例 1(续)
A
1={1}, A
2={2},于是A
1A
2=Ø。故A
1与 A
2互斥;
B={2,4,6},C={1,3,5},于是BC=Ø,故
B与C也互斥。
无穷多个事件A
1,A
2,
…的积 n个事件A
1,A
2,…,A
n的积
C发生就是A
1,A
2,
…,A
n都发生。
C发生就是A
1,A
2,
…,都发生。
ni
Ai
C
=1
=
∞=
=
1 i
A
iC
集合A与集合B的差:
若ω∈ C当且仅当ω ∈A 且 ,则称集合C为 集合A与B的差,记成 A- B。
事件A与B的差:
若事件C发生当且 仅当事件A发生且 事件B不发生,则 称事件C为事件A 与B的差,记成 A-B。
∉ B
ω
特别地,称Ω-A为A 的对立事件(或A的
逆事件、补事件)等, 记成A 。
例1(续) A
1={1}, B={2,4,6},于是 A就是A不发生。
} 5 , 3 , 1 { }
6 , 5 , 4 , 3 , 2
1
= { B =
A
交换律: A∪B=B∪A AB=BA
结合律: A∪(B∪C)=(A∪B)∪C A(BC)=(AB)C
分配律: A(B∪C)=AB∪AC
A∪(BC)=(A∪B)(A∪C)
对偶律:
II. 事件的运算法则
(与集合运算法则相同)
B A
AB B
A B
A = =
B A AB
A B
A B
A − = =
还有常用
不是A,B中至少 有一个发生
A,B都不发生
对于多个随机事件,上述运算规则也成立 A(A
1∪A
2∪…∪A
n)
=(AA
1)∪(AA
2)∪…∪(AA
n)
n n
n n
A A
A A
A A
A A
A A
A A
2 1
2 1
2 1
2 1
=
=
小结
本节首先介绍了随机试验、样本
空间的基本概念,然后给出了随机
事件的各种运算及运算法则。
第一章第二节
事 件 的 概 率
频率
一、频率与频率稳定性
设A是一个事件在相同的条件下
进行n次试验,在这n次试验中,事件A
发生了m次。则称m为事件A在n次试
验中发生的频数或频次,称m与n的比
值m/n为事件A在n次试验中发生的频
率,记为f
n(A)。
当试验次数充分大时,事件的频率 总在一个定值附近摆动,而且,试验次 数越多,一般说来摆动的幅度越小。这 一性质称频率的稳定性。
频率在一定程度上反映了事件在一次 试验中发生的可能性大小。尽管每进行一 连串(n次)试验,所得到的频率可能各 不相同,但只要 n足当大,频率就会非常 接近一个固定值——概率。
因此,概率是可以通过频率来“度量”
的。频率是概率的近似。
考虑在相同条件下进行的S 轮试验
第二轮 试验
试验次数n2 事件A出现
m2次
第S轮 试验
试验次数ns 事件A出现
ms 次 试验次数n1
事件A出现 m1次 第一轮
试验
事件A在各轮试验中的频率形成一个数列
下面我们来说明频率稳定性的含义
…
…
…
,
1 1
n
m ,
2 2
n m
s s
n , m
…
指的是:各轮试验次数n1, n2, …, ns 充分大时,在各轮试验中事件A 出现的频率之间、或者它们与某固定的数 值相差甚微 。
1 1
n
m
s s
n m
2 2
n
频率 m
稳定在概率 p 附近 频率稳定性
这种稳定性为用统计方法求概率开拓 了道路。
在实际中,当概率不易求出时,人们常
用试验次数很大时事件的频率作为概率的 估计值,并称此概率为统计概率。
这种确定概率的方法为频率法。
例如,若我们希望知道某射手中靶的 概率,应对这个射手在相同条件下大量 的射击情况进行观察、并记录。
假设他射击n次, 中靶m次, 当n很大时, 可用频率m/n作为其 中靶概率之估计。
1 ⋅ 0≤ f
n( A) ≤1;
2 ⋅ f
n(Ω)=1, f
n(Ø)=0;
3. 若事件A
1,A
2,…,A
k两两互斥, 则:
性质
二、 事件概率
I. 概率的定义
∑
。=
=
=
k
i
i n
k
i
i
n A f A
f
1 1
)
(下面介绍用公理给出的概率定义
1933年,前苏联数学家
柯尔莫哥洛夫(Kolmogorov)
给出了概率的公理化定义 。
概率的公理化定义
公理2
P(Ω)=1
; (2) 公理3 若事件A1, A2 ,… 两两互不相容,则有 (3)这里事件个数可以是有限或无限的 。
) = ( ) + ( ) +
(A1 A2 P A1 P A2
P
设E是随机试验,
Ω
是它的样本空间,对于 中的每一个事件A,赋予一个实数,
记为P(A) ,称为事件A的概率,如果集合函 数 P(· ) 满足下述三条公理:
Ω
; 1 )
(
0 ≤ A P ≤
公理1 (1)
公理1说明,任一事件的概率介于0与1间;
公理2说明,必然事件的概率等于1;
公理3说明,对于任何两两互不相容(互斥) 的事件序列,这些序列事件并的概率等于 各事件概率之和。
II、概率的性质
1.P(Ø)=0,即不可能事件的概率为零;
2.若事件A
1,A,
…,A
n两两互斥,则有:
P(A
1∪A
2…∪A
n)=P(A
1)+…+P(A
n), 即互斥事件之并的概率等于它们各自 概率之和(有限可加性);
4.对两个事件A和B,若A ⊂B, 则有:
P(B-A)=P(B)-P(A), P(B)≥P(A)。
);
( 1
)
(A P A
P = −
3. 对任一事件A,均有
B AB A
Ω
证明:
性质5 对任意两个事件A、B,有
因
得,
再由
AB ⊂ B
及性质4,上式成立。),
(B AB
A B
A = −
), (
) (
)) (
( )
(
AB B
P A
P
AB B
A P B
A P
− +
=
−
=
说明
n个事件并的公式
特别地,n=3时
) (
) (
) (
) (
) (
) (
) (
) (
3 2 1
3 2 3
1 2
1 3
2 1
3 2
1
A A A P
A A P A
A P A
A P A
P A
P A
P
A A
A P +
−
−
− +
+
=
∑ ∑
= ≤ ≤ ≤ ≤
+
=
= −
nk i i i n
i i
i k
l n
l
k
A
kA A
P A
P
1 1 ...
1 1
2 1
2
1
... )
( )
1
(
小结
本节首先介绍了频率的概念,指出在 试验次数充分大条件下,频率接近于概 率结论;然后给出了概率的公理化定义 及概率的主要性质。
第一章第三节
古典概率模型
I. 什么是古典概率模型 如果试验E满足
(1) 试验结果只有有限种,
(2) 每种结果发生的可能性相同。
则称这样的试验模型为等可能概率模型
或古典概率模型,简称为等可能概型或
古典概型。
II. 古典概率模型中事件概率求法
因试验E的结果只有有限种,即样本点是有 限个: ω1,ω2 ,…,ωn ,其中
Ω={ω1}∪{ω2 }∪…∪{ωn},
{ωi}是基本事件,且它们发生的概率都相等。
于是,有
1=P(Ω)=P({ω1}∪{ω2 }∪…∪{ωn})
=P({ω1})+P({ω2 })+…+P({ωn}) =nP({ωi}), i=1,2,…n。
从而,P({ ω
i})= 1/n,i=1,2,…n。
因此,若事件A包含k个基本事件,有 P(A)=k ×(1/n)=k/n。
III. 古典概模型的例题 例1:
掷一颗均匀骰子,设:A表示所掷结果为“四点或五点”;
B表示所掷结果为“偶数点”。
求:P(A)和P(B)。
解: 由n=6,k
A=2,得P(A)=2/6=1/3;
再由k
B=3,得P(B)=3/6=1/2。
例2:
解:
货架上有外观相同的商品15件,其中12 件来自产地甲, 3件来自地乙。现从15件商品 中随机地抽取两件,求这两件商品来自一同产 地的概率。
从15件商品中取出2商品,共有C215 =105种 取法,且每种取法都是等可能的,故n=105。
令 A={两件商品都来自产地甲},kA= C212=66, B={两件商品都来自产地乙},kB= C23 =3,
而事件:{两件商品来自同一产地}=A∪B,且A与 B互斥,A∪B包含基本事件数66+3=69。
故,所求概率=69/105=23/35。
例3 :
有外观相同的三极管6只,按其电流放大 系数分类,4只属甲类,2只属乙类。按下列两种 方案抽取三极管两只,(1).每次抽取一只,测试后放回,然后再抽取 下一只(放回抽样);
(2).每次抽取一只,测试后不放回,然后在剩下 的三极管中再抽取下一只(不放回抽样)。
设A={抽到两只甲类三极管},B={抽到两只同类 三极管},C={至少抽到一只甲类三极管},D={抽 到两只不同类三极管}。
求:P(A),P(B),P(C),P(D)。
解:
(1).由于每次抽测后放回,因此,每次都是 在6只三极管中抽取。因第一次从6只中取一 只,共有6种可能取法;第二次还是从6只中取 一只,还是有6种可能取法。故,取两只三极管 共有6×6=36 种可能的取法。从而,n=36。注意:
这种分析方法使用的是中学学过的乘法原理
因每个基本事件发生的可能性相同,第一 次取一只甲类三极管共有4种可能取法,第二 次再取一只甲类三极管还是有4种可能取法。
所以,取两只甲类三极管共有 4×4=16 种可能 的取法, 即kA=16。故
P(A)=16/36=4/9;
令E={抽到两只乙类三极管},kE=2×2=4。故 P(E)=4/36=1/9;
因C是E的对立事件,故 P(C)=1-P(E)=8/9;
因B= A∪E ,且A与E互斥,得 P(B)=P(A)+P(E)=5/9;
D是B的对立事件, 得 P(D)=1-P(B)=4/9。
(2).
由于第一次抽测后不放回,因此,第一次 从6只中取一只,共有6种可能的取法;第二次 是从剩余的5只中取一只,有5种可能的取法。由乘法原理,知取两只三极管共有n=6×5=30 种可能的取法。
由乘法原理,得 kA=4×3=12, P(A)=12/30=2/5;
kE=2×1=2,P(E)=2/30=1/15;
由C是E的对立事件,得P(C)=1-P(E)=14/15;
由B=A∪E,且A与E互斥,得
P(B)=P(A)+P(E)=7/15;
由D是B的对立事件, 得 P(D)=1-P(B)=8/15。
解:
例4:n个球随机地放入N(N≥n)个盒子中,若盒 子的容量无限制。求“每个盒子中至多有一球”
的概率。
因每个球都可以放入N个盒子中的任何一个, 故每个球有N种放法。由乘法原理,将n个球放
入N个盒子中共有Nn种不同的放法。
每个盒子中至多有一个球的放法(由乘法 原理得): N(N-1)…(N-n+1)=ANn 种。
故,
P(A)= A
Nn/N
n。
设每个人在一年(按365天计)内每天出 生的可能性都相同,现随机地选取n(n≤365) 个人,则他们生日各不相同的概率为
A365n/365n。
于是, n个人中至少有两人生日相同的概率 为 1- A365n/365n。
许多问题和上例有相同的数学模型。
例如(生日问题):
某人群有n个人,他们中至 少有两人生日相同的概率有多大?
把n个物品分成k组,使第一组有n
1个, 第二组有n
2个, …,第k组有n
k个,且
n= n
1+ n
2+…+n
k。
则:不同的分组方法有
公式
!
!
!
!
2
1 n nk
n
n
种。
解:
例5: 某公司生产的15件品中,有12件是正品,3 件是次品。现将它们随机地分装在3个箱中,每 箱装5件,设:A={每箱中恰有一件次品},
B={三件次品都在同一箱中}。
求: P(A)和P(B)。
15件产品装入3个箱中,每箱装5件,共有
种等可能的装法。 故, 基本事件总数有
)
! 5
! 5
! 5 /(
! 15
)
! 5
! 5
! 5 /(
!
个。
15
续:
把三件次品分别装入三个箱中,共有3!种 装法。这样的每一种装法取定以后, 把其余12 件正品再平均装入3个箱中,每箱装4件,有个基本事件。
, )
! 4
! 4
! 4 /(
!
12 种装法
再由乘法原理,可知装箱总方法数有 种。
) /(4!4!4!
3!12!
即A包含
91。 25
! 5
! 5
! 5
! 15
! 4
! 4
! 4
!
! 12 3 )
(A = ÷ =
P
) /(4!4!4!
3!12!
从而,
续:
把三件次品装入同一箱中,共有3种装法.这 样的每一种装法取定以后,再把其余12件正品装 入3个箱中(一箱再装2件,另两箱各装5件)又有
个基本事件。故,
种装法。
)
! 5
! 5
! 2 /(
! 12
由乘法原理,知装箱方法共有 种。
)
! 5
! 5
! 2 /(
! 12 3 ×
即B包含
91。 6
! 5
! 5
! 5
! 15
! 5
! 5
! 2
! 3 12
)
(B = × ÷ =
P
)
! 5
! 5
! 2 /(
! 12 3 ×
假定N件产品是有编号的,从中任意取出一 件,每次都有N种取法.由乘法原理,n次共有Nn 种取法,故,基本事件总数为Nn。
当所取的n件产品中恰有k件次品时,由于 取到这k件次品的次序的不同,因此从次序考虑 共有Cnk种情况。
解:
例6:
设N件产品中有K件是次品,N-K件是正品, K<N。现从N件中每次任意抽取1件产品,在检查 过它是正品或是次品后再放回,这样共抽取了n 次。求:事件A={所取的n件产品中恰有k件次品}
的概率,k=0,1,2,…,n。
续:
这Cnk种情况确定以后,从K件次品中取出 k件,共有Kk种取法。从N-K件正品中取n-k件, 共有(N-K)n-k种取法。由乘法原理,共有Cnk Kk (N-K)n-k种取法, ∴A中基本事件个数为Cnk Kk (N-K)n-k。n k
N K N
N C K
N
K N
K C
A P
k n k
k n
n
k n k
k n
, ,
2 , 1 , 0
) (
) (
=
−
=
= −
−
−
小结
本节首先给出古典概型的定义;然后 讨论了古典概型中事件概率求法:
若事件A包含k个基本事件,有 P(A)=k×(1/n)=k/n;
最后,给出了几个古典概型中求随机事件
概率的应用实例。
第一章第四节
条件概率
在解决许多概率问题时,往往需要求
在有某些附加信息(条件)下事件发生的概率。
一、条件概率
1. 条件概率的概念
通常记事件B发生的条件下, 事件A发生的概 率为P(A|B)。
一般情况下, P(A|B) ≠P(A)
。
第一章第四节 条件概率
P(A)=1/6,
例如:掷一颗均匀骰子,A={掷出2点},
B={掷出偶数点}, P(A|B)=?
已知事件B发生,此时试验所 掷骰子 有可能结果构成的集合就是B。
于是,P(A|B)= 1/3。
B中共有3个元素,每个元素出现 是等可能的,且其中只有1个(2点) 在集合A中。
容易看到:
) 。 (
) (
6 3
6 1 3
1
B P
AB
= P
=
= P(A|B)
P(A)=3/10,
又如:10件产品中有7件正品,3件次品;
7件正品中有3件一等品, 4件二等品。现从 这10件中任取一件,记
B={取到正品},
A={取到一等品},
P(A|B) 。
) (
) (
10 7
10 3
7 3
B P
AB
= P
=
=
P(A )=3/10,
B={取到正品},
P(A|B)=3/7。
本例中,计算P(A)时,依 据前提条件是10件产品中一等 品的比例。
A={取到一等品},
计算P(A|B)时,这个前提条件未变,只 是加上“事件B已发生”这个新的条件。
这好象给了我们一个“情报”,使我们 得以在某个缩小了的范围内来考虑问题。
若事件B已发生,则为使 A也 发生 ,试验结果必须是既在 B 中 又在A中的样本点 , 即此点必属 于AB。由于我们已经知道B已发 生, 故B就变成了新的样本空间 , 于是 就有(1)。
设A、B是两个事件,且P(B)>0,则称 (1)
) (
) ) (
|
( P B
AB B P
A
P =
Ω
B ABA
2. 条件概率的定义
为在事件B发生条件下,事件A的条件概率。
3. 条件概率的性质
设B是一事件,且P(B)>0,则
1. 对任一事件A,0≤P(A|B)≤1;
2.
P(Ω|B)=1;
3. 设A1,…,An ,…互不相容,则
P[(A1+…+An +…)| B] = P(A1|B)+ …+P(An|B)+…
而且,前面对概率所证明的一切性质,也都 适用于条件概率。
例如:对任意事件A1和A2 ,有
P(A1∪A2|B)=P(A1|B)+P(A2|B)- (A1A2|B)等。
其他性质请同学们自行写出。
2)从加入条件后改变了的情况去算
4. 条件概率的计算 1) 用定义计算:
) , (
) ) (
|
( P B
AB B P
A
P = P(B)>0。
掷骰子
例:A={掷出2点}, B={掷出偶数点},
P(A|B)=
3 1
B发生后的 缩减样本空间 所含样本点总数
在缩减样本空间 中A所含样本点 个数
例1 :掷两颗均匀骰子, 已知第一颗掷出6点, 问“掷出点数之和不小于10”的概率是多少?
解法1:
) (
) ) (
|
( P B
AB B P
A
P =
解法2: 。 2
1 6
) 3
|
(A B = =
P
解: 设A={掷出点数之和不小于10},
B={第一颗掷出6点}。 应用定义
在B发生后的 缩减样本空间 中计算
2。 1 36
6
36
3 =
=
例2: 设某种动物由出生算起活到20年以上的 概率为0.8,活到25年以上的概率为0.4。问 现年20岁的这种动物,它能活到25岁以上的 概率是多少?
解:设A={能活20年以上}, B={能活25年以上},
依题意, P(A)=0.8, P(B)=0.4,
所求为P(B|A) 。
) (
) ) (
|
( P A
AB A P
B
P = 0.5。
8 . 0
4 . 0 )
(
)
( = =
= P A B P
条件概率P(A|B)与P(A)的区别
每一个随机试验都是在一定条件下进行
的,设A是随机试验的一个事件,则P(A)是在 该试验条件下事件A发生的可能性大小。
P(A)与P(A |B)的区别在于两者发生的条件不同, 它们是两个不同的概念,在数值上一般也不同。
而条件概率P(A|B)是在原条件下又添加
“B发生”这个条件时A发生的可能性大小,
即P(A|B)仍是概率。
由条件概率的定义:
即 若P(B)>0, 则 P(AB)=P(B)P(A|B) , (2) ) ,
(
) ) (
|
( P B
AB B P
A
P =
而 P(AB)=P(BA),
二、 乘法公式
在已知P(B), P(A|B)时, 可反解出P(AB)。
将A、B的位置对调,有
故 P(A)>0,则P(AB)=P(A)P(B|A) 。 (3) 若 P(A)>0, 则P(BA)=P(A)P(B|A) ,
例3: 甲、乙两厂共同生产1000个零件,其中300 件是乙厂生产的。而在这300个零件中,有189个 是标准件,现从这1000个零件中任取一个,问这 个零件是乙厂生产的标准件的概率是多少?
甲、乙共生产
1000 个
189个是 标准件
300个
乙厂生产
所求为P(AB) 。
设B={零件是乙厂生产},
A={是标准件},
若改为“发现它是乙厂生产的, 问它是标准件的概率是多少?”
求的是 P(A|B) 。 B发生, 在P(AB)中作为结 果; 在P(A|B)中作为条件。
甲、乙共生产
1000 个
189个是 标准件
300个
乙厂生产
当P(A1A2…An-1)>0时,有 P (A1A2…An)
=P(A1)P(A2|A1) …P(An| A1A2…An-1)。
推广到多个事件的乘法公式:
解:
例 4:
一批灯泡共100只,其中10只是次品,其 余为正品,作不放回抽取,每次取一只,求:第 三次才取到正品的概率。
设Ai ={第i次取到正品}, i=1,2,3。
A={第三次才取到正品}。 则:
。 故,
0083 .
98 0 90 99
9 100
10
)
| (
)
| (
) (
) (
) (
,
2 1
3 1
2 1
3 2
1 3
2 1
≈
=
=
=
=
A A
A P
A A
P A
P
A A
A P
A P
A A
A A
解:
例5:
袋中有同型号小球b+r个,其中b个是黑 球,r个是红球。每次从袋中任取一球,观其 颜色后放回,并再放入同颜色,同型号的小球 c个。若B={第一,第三次取到红球,第二次取 到黑球},求P(B)。设Ai={第i次取到红球}, i=1,2,3, 则:
)。 (
) (
) (
) (
)
| (
)
| (
) (
) (
) (
,
2 1
3 1
2 1
3 2
1 3 2
1
c r
c b
c r
c r
b
b r
b r
A A
A P
A A
P A
P
A A
A P
B P
A A
A B
+ +
+
⋅ + +
⋅ +
= +
=
=
=
一场精彩的足球赛将要举行, 但5个球迷只 搞到一张球票,但大家都想去。没办法,只好 用抽签的方法来确定球票的归属。
球票
五张同样的卡片,只有一张上写有“球票”,
其余的什么也没写. 将它们放在一起,洗匀,
让五个人依次抽取。
先抽的人比后抽的人抽到球票的机会大吗?
后抽的人比先抽的人吃亏吗?
请回答:
到底谁说的对呢?让我们用 概率论的知识来计算一下,每个 人抽到“入场券”的概率到底 有多大?
“大家不必争,你们一个一个按次序来,
谁抽到‘入场券’的机会都一样大。”
“先抽的人当然要比后抽的人抽到的人机会大。”
我们用Ai表示“第i个人抽到入场券”,
i=1,2,3,4,5。
显然,P(A1)=1/5,P( )=4/5, A1
第1个人抽到入场券的概率是1/5。
也就是说,
Ai
则 表示“第i个人未抽到入场券”,
因为若第2个人抽到 入场券时,第1个人 肯定没抽到。
也就是要想第2个人抽到入场券,必须第1 个人未抽到,
),
| (
) (
)
( A2 P A1 P A2 A1 P =
2 ,
1
2 A A
A = 由于
由乘法公式, 得
计算得: P(A2)= (4/5)(1/4)= 1/5。
)
| (
)
| (
) (
) (
)
(A3 P A1A2A3 P A1 P A2 A1 P A3 A1A2
P = =
这就是有关抽签顺序问题的正确解答———
同理,第3个人要抽到“入场券”,必须 第1、第2个人都没有抽到。因此,
=(4/5)(3/4)(1/3)=1/5,
继续做下去就会发现, 每个人抽到“入场券”
的概率都是1/5。
抽签不必争先恐后。
全概率公式和贝叶斯公式主要用于 计算比较复杂事件的概率, 它们实质上 是加法公式和乘法公式的综合运用。
综合运用
加法公式
P(A+B)=P(A)+P(B) A、B互斥
乘法公式
P(AB)= P(A)P(B|A) P(A)>0
三、全概率公式和贝叶斯公式
例6: 有三个箱子,分别编号为1,2,3,1号箱装 有1个红球4个白球,2号箱装有2红3白球,3 号箱装有3红球。某人从三箱中任取一箱,从 中任意摸出一球,求取得红球的概率。
解:记 Ai={球取自i号箱}, i=1,2,3; B ={取得红球}。
即 B= A1B+A2B+A3B,
且 A1B、A2B、A3B两两互斥。
B发生总是伴随着A1,A2,A3 之一同时发生,
P(B)=P( A1B)+P(A2B)+P(A3B)
运用加法公式得
1 2 3
将此例中所用的方法推广到一般的情形,就 得到在概率计算中常用的全概率公式。
对求和中的每一项 运用乘法公式得
P(B)=P( A1B)+P(A2B)+P(A3B)
, ) (
) (
3
∑
1=
=
i
i
i P B A
A
P |
代入数据计算得:P(B)=8/15。
设 A1,A2,…,An是 两 两 互 斥 的 事 件 , 且 P(Ai)>0, i =1,2,…,n, 另有一事件B, 它总是与 A1, A2, … ,An之一同时发生,则
∑
== n
i
i
i P B A
A P
B P
1
) (
) (
)
( |
全概率公式:
设S为随机试验的样本空间,A1,A2,…,An是 两两互斥的事件,且有P(Ai)>0,i =1,2,…,n,
。
∑
|=
= n
i
i
i P B A
A P
B P
1
) (
) (
) (
称满足上述条件的A1,A2,…,An为完备事件组。
,
1
Ω
=
=n iAi 则对任一事件B,有
在一些教科书中,常将全概率公式叙述为:
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 容易计算。可用所有 之和计算P(B)。
∑
== n
i
i
i P B A
A P
B P
1
) (
) (
)
( |
由上式不难看出:
“全部”概率P(B)可分成许多“部分”概率 之和。
它的理论和实用意义在于:
) ( BA P i
) ( BA P i
) ( BA P i
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
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。
P(BAi)=P(Ai)P(B |Ai)
全概率公式。
我们还可以从另一个角度去理解
由此可以形象地把全概率公式看成是
“由原因推结果”,每个原因对结果的发 生有一定的“作用”,即结果发生的可能 性与各种原因的“作用”大小有关。全概 率公式表达了因果之间的关系 。
A1
A2
A3
A4
A5
A6 A7 A8
B
诸Ai是原因 B是结果
例 7: 甲、乙、丙三人同时对飞机进行射击, 三 人击中的概率分别为0.4、0.5、0.7。飞 机被一 人击中而击落的概率为0.2, 被两人击中而击落 的概率为0.6, 若三人都击中, 飞机必定被击落, 求飞机被击落的概率。
设B={飞机被击落},
Ai={飞机被i人击中}, i=1,2,3。
由全概率公式, 得
P(B)=P(A1)P(B |A1)+P(A2)P(B|A2) + P(A3)P(B |A3)
则 B=A1B+A2B+A3B, 解:
依题意,
P(B|A1)=0.2, P(B|A2)=0.6, P(B|A3)=1。
为求P(Ai ) ,设 Hi={飞机被第i人击中}, i=1,2,3
可求得
), (
)
(A1 P H1H 2 H 3 H1H 2 H 3 H1H 2 H 3
P = + +
), (
)
(A2 P H1H 2 H 3 H1H 2 H3 H1H 2 H 3
P = + +
。 ) (
)
( A3 P H1H 2 H 3
P =
本例需要用到事件的独立性 将数据代入计算,得
P(A1)=0.36; P(A2)=0.41; P(A3)=0.14。