AI笔记: 数学基础之联合概率、条件概率与全概率公式
联合概率
- 表示两个事件共同发生的概率,事件A和事件B的共同概率记为:P(AB)、P(A,B)P(AB)、P(A,B)P(AB)、P(A,B) 或者P(A∩B)P(A \cap B)P(A∩B), 记为事件A和事件B同时发生的概率
条件概率
- 事件A在另外一个事件B已经发生的条件下的发生概率叫做条件概率,表示为P(A∣B)P(A|B)P(A∣B), 读作:“在B条件下A发生的概率”
- 一般情况下P(A∣B)≠P(A)P(A|B) \neq P(A)P(A∣B)=P(A), 而且条件概率具有三个特征
- 非负性
- 可列性
- 可加性
- P(A∣B)=P(AB)P(B)P(A|B) = \frac{P(AB)}{P(B)}P(A∣B)=P(B)P(AB)
案例1
- 两台车床加工同一种零件共100个,结果如下:
合格品数 | 次品数 | 总计 | |
第一台车床加工数 | 30 | 5 | 35 |
第二台车床加工数 | 50 | 15 | 65 |
总计 | 80 | 20 | 100 |
- 设A={从100个零件中任取一个是合格品} B={从100个零件中任取一个是第一台车床加工的}, 求P(A),P(B),P(AB),P(A∣B)P(A), P(B), P(AB), P(A|B)P(A),P(B),P(AB),P(A∣B)
- 分析:
- P(A)=80100P(A) = \frac{80}{100}P(A)=10080
- P(B)=35100P(B) = \frac{35}{100}P(B)=10035
- P(AB)=30100P(AB) = \frac{30}{100}P(AB)=10030
- P(A∣B)=P(AB)P(B)=30100∗10035=3035≠P(A)P(A|B) = \frac{P(AB)}{P(B)} = \frac{30}{100} * \frac{100}{35} = \frac{30}{35} \neq P(A)P(A∣B)=P(B)P(AB)=10030∗35100=3530=P(A)
案例2
- 已知某家庭有3个小孩,且至少有一个是女孩,求该家庭至少有一个男孩的概率
- 分析
- 设A={3个小孩至少有一个女孩}
- 设B={3个小孩至少有一个男孩}
- 所求概率为:P(B∣A)=P(AB)P(A)P(B|A) = \frac{P(AB)}{P(A)}P(B∣A)=P(A)P(AB)
- 而 P(A)=1−P(Aˉ)=1−18=78P(A) = 1 - P(\bar{A}) = 1 - \frac{1}{8} = \frac{7}{8}P(A)=1−P(Aˉ)=1−81=87
- P(AB)=68P(AB) = \frac{6}{8}P(AB)=86
- 所以,P(B∣A)=6878=67P(B|A) = \frac{\frac{6}{8}}{\frac{7}{8}} = \frac{6}{7}P(B∣A)=8786=76
条件概率
- 将条件概率公式由两个事件推广到任意有穷多个事件时,可以得到如下公式,假设A1,A2,...,AnA_1, A_2, ..., A_nA1,A2,...,An为n个任意事件n≤2n \leq 2n≤2, 而且P(A1A2...An)>0P(A_1A_2...A_n) > 0P(A1A2...An)>0, 则:
- P(A1A2...An)=P(A1)P(A2∣A1)...P(An∣A1A2...An−1)P(A_1A_2...A_n) = P(A_1)P(A_2 | A_1) ... P(A_n | A_1A_2...A_{n-1})P(A1A2...An)=P(A1)P(A2∣A1)...P(An∣A1A2...An−1)
例1
- 袋中有一个白球与一个黑球,现每次从中取出一球,若取出白球,则除把白球放回外再加进一个白球,直至取出黑球为止.求取出了n次都未取出黑球的概率
- 分析:
- 设B={取了n次都未取出黑球},Ai=A_i =Ai= {第i次取出白球} (i = 1, 2, …, n), 则 B=A1A2...AnB = A_1A_2...A_nB=A1A2...An, 由乘法公式:
- P(B)=P(A1A2...An)=P(A1)P(A2∣A1)P(A3∣A1A2)...P(An∣A1A2...An−1)=12⋅23⋅34⋅⋅⋅⋅⋅nn+1=1n+1P(B) = P(A_1A_2...A_n) = P(A_1)P(A_2 | A_1) P(A_3 | A_1A_2) ... P(A_n | A_1A_2...A_{n-1}) = \frac{1}{2} · \frac{2}{3} · \frac{3}{4} ····· \frac{n}{n+1} = \frac{1}{n+1}P(B)=P(A1A2...An)=P(A1)P(A2∣A1)P(A3∣A1A2)...P(An∣A1A2...An−1)=21⋅32⋅43⋅⋅⋅⋅⋅n+1n=n+11
例2
- 设某光学仪器厂制造的透镜,第一次落下时打破的概率为12\frac{1}{2}21, 若第一次落下未打破,第二次落下打破的概率为:710\frac{7}{10}107, 若前两次落下未打破,第三次落下打破的概率为:910\frac{9}{10}109, 求透镜落下三次而未打破的概率
- 分析
- 以Ai(i=1,2,3)A_i (i=1,2,3)Ai(i=1,2,3) 表示事件"透镜第i次落下打破",以B表示事件"透镜落下三次而未打破"
- 有:P(B)=P(A1ˉA2ˉA3ˉ)=P(A1ˉ)P(A2ˉ∣A1ˉ)P(A3ˉ∣A1ˉA2ˉ)=(1−12)(1−710)(1−910)=3200P(B) = P(\bar{A_1} \bar{A_2} \bar{A_3}) = P(\bar{A_1}) P(\bar{A_2} | \bar{A_1}) P(\bar{A_3} | \bar{A_1} \bar{A_2}) = (1 - \frac{1}{2})(1 - \frac{7}{10})(1 - \frac{9}{10}) = \frac{3}{200}P(B)=P(A1ˉA2ˉA3ˉ)=P(A1ˉ)P(A2ˉ∣A1ˉ)P(A3ˉ∣A1ˉA2ˉ)=(1−21)(1−107)(1−109)=2003
全概率公式
- 样本空间Ω\OmegaΩ有一组事件A1、A2...AnA_1、A_2...A_nA1、A2...An,如果事件组满足下列两个条件,那么事件组称为样本空间的一个划分。
- ∀i≠j∈{1,2,..,n},AiAj=ϕ\forall \ \ i \neq j \in \{ 1,2,..,n \}, A_iA_j = \phi∀ i=j∈{1,2,..,n},AiAj=ϕ
- A1∪A2...∪An=ΩA_1 \cup A_2 ... \cup A_n = \OmegaA1∪A2...∪An=Ω
- 设事件AjA_jAj是样本空间Ω\OmegaΩ的一个划分,且P(Ai)>0P(A_i) > 0P(Ai)>0, 那么对于任意事件B, 全概率公式为:P(B)=∑i=1nP(Ai)P(B∣Ai)P(B) = \sum_{i=1}^n P(A_i)P(B | A_i)P(B)=∑i=1nP(Ai)P(B∣Ai)
例1
- 某小组有20名射手,其中一、二、三、四级射手分别为:2、6、9、3名. 又若选一、二、三、四级射手参加比赛,则在比赛中射中目标的概率分别为:0.85, 0.64, 0.45, 0.32, 今随机选一人参加比赛,试求该小组在比赛中射中目标的概率
- 分析:
- 设B={该小组在比赛中射中目标}
- Ai=A_i =Ai= {选i级射手参加比赛} (i=1,2,3,4)
- 由全概率公式,有:P(B)=∑i=14P(Ai)P(B∣Ai)=220×0.85+620×0.64+920×0.45+320×0.32=0.5275P(B) = \sum_{i=1}^4 P(A_i)P(B | A_i) = \frac{2}{20} × 0.85 + \frac{6}{20} × 0.64 + \frac{9}{20} × 0.45 + \frac{3}{20} × 0.32 = 0.5275P(B)=∑i=14P(Ai)P(B∣Ai)=202×0.85+206×0.64+209×0.45+203×0.32=0.5275
AI笔记: 数学基础之联合概率、条件概率与全概率公式相关推荐
- AI笔记: 数学基础之概率与统计
概率 1 )概率与频率 概率是一个稳定的数值,也就是某件事发生或不发生的概率是多少. 频率是在一定数量的某件事情上面,发生的数与总数的比值. 假设事件A的概率是0.3,在100次中发生28次,那么它的 ...
- AI笔记: 数学基础之函数的导数应用及求导公式
关于导数 导数是数学中非常重要的概念,它能反应出速度变化的快慢,尤其在AI的算法分析,优化以及数据挖掘中用到很多 导数的引出 引例1 变速直线运动的速度 s是距离,t是时间,v是速度 设描述指点运动的 ...
- AI笔记: 数学基础之二项分布与二项式定理
概率试验 1.投掷一个骰子投掷5次 2.某人射击1次,击中目标的概率是0.8, 他射击10次: 3.一个盒子中装有5个球(3红2白),有放回依次从中抽取5个球 4.生产一种零件,出现次品的概率是0.0 ...
- AI笔记: 数学基础之向量组的线性表示与线性相关
向量组 向量组:有限个相同维度的行向量或列向量组合成的一个集合就叫做向量组A 如果是行向量,那么表示为:A=(a1⃗a2⃗a3⃗⋮an⃗⋮)A = \left (\begin{array}{cccc} ...
- AI笔记: 数学基础之正交矩阵与矩阵的QR分解
正交矩阵 若n阶方阵A满足ATA=EA^TA = EATA=E, 则称A为正交矩阵, 简称正交阵 (复数域上称为酉矩阵) A是正交阵的充要条件:A的列(行)向量都是单位向量,且两两正交. 若A为正交矩 ...
- AI笔记: 数学基础之直线、圆和方程
直线 1 ) 表示直线的几种形式 一般式:ax+by+c=0ax + by + c = 0ax+by+c=0 (a,b不能同时为0) 点斜式:y−y1=k(x−x1)y - y_1 = k(x - x ...
- AI笔记: 数学基础之矩阵的初等变换计算矩阵的秩
引例 求解矩阵方程AX=B, 其中 A = ( 2 1 − 3 1 2 − 2 − 1 3 2 ) , B = ( 1 − 1 2 0 − 2 5 ) A =\left (\begin{array}{ ...
- AI笔记: 数学基础之导数的应用:求极值与最值
穿针引线法 又叫做穿线法或数轴穿根法 函数f(x)=(x−1)(x−2)3(x−3)2(x−4)x∈Rf(x)=(x-1)(x-2)^3(x-3)^2(x-4) \ \ \ x \in Rf(x)=( ...
- AI笔记: 数学基础之偏导数与方向导数
多元函数偏导数 在一个多变量的函数中,偏导数就是关于其中一个变量的导数而保持其他变量恒定不变. 假定二元函数z=f(x,y)z=f(x,y)z=f(x,y), 点(x_0, y_0)是其定义域内的一个 ...
最新文章
- 作业六:图像编码相关概念
- Windows命令远程执行工具Winexe
- Firefox无法启动,提示Profile is yet in use by another Firefox
- 《图解HTTP》核心知识总结
- group by 多个字段
- java 小总结,以后复习看以看
- 将keras的模型封装成可转换为tensorlow的.pb格式,并生成.pbtxt文件
- 谷歌又放大招 Disco Diffusion!AI生成超高质量绘画!
- ios动态效果实现翻页_iOS实现翻页效果动画
- 原来古人也在写“爽文”
- 如何优雅的使用LiveData实现一套EventBus(事件总线)
- 感悟 | 电影《你的名字》
- java课设超市收银系统_基于jsp的超市收银系统-JavaEE实现超市收银系统 - java项目源码...
- 深度学习: ground truth 解释
- 网页设计常见的设计标准尺寸以及注意事项
- ChinaSoft 论坛巡礼 | 可信AI软件系统工程技术
- Ubuntu18.04安装wps office
- 七周成为数据分析师01-数据分析思维
- 阿里云linux centos 7.4下安装mongodb 3.4
- jdk 11及以上 javax.annotation.Generated报错 @Generated报错