Ch 4 - 6 古典概型；条件概率；独立性

Mindmap

古典概型

（1）每次实验只有有限种可能的实验结果
（2）每次实验，各基本事件出现可能性完全相同
P(A)=A中基本事件数Ω中基本事件数=mn\large P(A)=\frac{A 中基本事件数}{\Omega 中基本事件数}=\frac{m}{n}P(A)=Ω中基本事件数A中基本事件数=nm

几何概型

P(A)=A的测度（长度、面积、体积）样本空间的测度（长度、面积、体积）\large P(A)=\frac{A 的测度（长度、面积、体积）}{样本空间的测度（长度、面积、体积）}P(A)=样本空间的测度（长度、面积、体积）A的测度（长度、面积、体积）

条件概率

设A，B为两个事件，且P(A)>0，P(B)>0，则称
P(B∣A)=P(AB)P(A),P(A)>0\large P(B|A)=\frac{P(AB)}{P(A)},P(A)>0P(B∣A)=P(A)P(AB),P(A)>0为在事件A发生的条件下，事件B发生的条件概率。

乘法公式

设A，B是任意两个随机事件，P(A)>0, P(B)>0则
P(AB)=P(A)P(B∣A)=P(A∣B)P(B)\large P(AB)=P(A)P(B|A)=P(A|B)P(B)P(AB)=P(A)P(B∣A)=P(A∣B)P(B)

全概率公式

设事件B1,B2,...,Bn\large B_1,B_2,...,B_nB1,B2,...,Bn是样本空间Ω的一个划分，P(Bi)>0(i=1,2,...,n)\large P(B_i)>0(i=1,2,...,n)P(Bi)>0(i=1,2,...,n)，A是实验任一事件，则有
P(A)=∑i=1nP(Bi)P(A∣Bi)\large P(A)=\sum_{i=1}^nP(B_i)P(A|B_i)P(A)=i=1∑nP(Bi)P(A∣Bi)

例题

| i. 美国总体患肺癌的概率为0.1%，人群中有20%抽烟者，他们患上肺癌的概率为0.4%，求不吸烟着患肺癌的概率
解：
记C为事件“患肺癌”，A为事件“吸烟”，根据题意
P(C)=0.001,P(A)=0.02,P(C∣A)=0.004P(C)=0.001,\space P(A)=0.02, \space P(C|A)=0.004P(C)=0.001, P(A)=0.02, P(C∣A)=0.004，要求P(C∣A‾)P(C|\overline A)P(C∣A)，根据全概率公式有
|
| — |

贝叶斯公式

设事件B1,B2,...,Bn\large B_1,B_2,...,B_nB1,B2,...,Bn是样本空间Ω的一个划分，P(Bi)>0(i=1,2,...,n)\large P(B_i)>0(i=1,2,...,n)P(Bi)>0(i=1,2,...,n)A是实验任一事件，则有
P(Bi∣A)=P(BiA)P(A)=P(Bi)P(A∣Bi)∑i=1nP(Bj)P(A∣Bj),i=1,2,...,n\large P(B_i|A)=\frac{P(B_iA)}{P(A)}=\frac{P(B_i)P(A|B_i)}{\sum_{i=1}^nP(B_j)P(A|B_j)},i=1,2,...,nP(Bi∣A)=P(A)P(BiA)=∑i=1nP(Bj)P(A∣Bj)P(Bi)P(A∣Bi),i=1,2,...,n

例题

i. 对以往数据分析结果表明,当机器良好时,产品的合格率为百分之98,而机器发生某一故障时,产品的合格率为百分之55,每天早上机器开动时,机器调好的概率为百分之95,已知某日早上第一件产品是合格品,试求机器调整好的概率
解：
设A为事件“产品合格”，B为事件“机器调整良好”
已知 P(A∣B)=0.98,P(A∣B‾)=0.55,P(B)=0.95,P(B‾)=0.05,所求即为P(B∣A)P(A|B)=0.98,P(A|\overline B)=0.55,P(B)=0.95,P(\overline B)=0.05,所求即为P(B|A)P(A∣B)=0.98,P(A∣B)=0.55,P(B)=0.95,P(B)=0.05,所求即为P(B∣A)
由贝叶斯公式：
P(B∣A)=P(AB)P(A)=P(A∣B)P(B)P(A∣B)P(B)+P(A∣B‾)P(B‾)P(B|A)=\frac{P(AB)}{P(A)}=\frac{P(A|B)P(B)}{P(A|B)P(B)+P(A|\overline B)P(\overline B)}P(B∣A)=P(A)P(AB)=P(A∣B)P(B)+P(A∣B)P(B)P(A∣B)P(B)

概率论与数理统计笔记 - 古典概型；条件概率；独立性相关推荐

概率论学习三、古典概型
本文学习资源来自<概率论基本(李贤平)> 一. 模型与计算公式在讨论一般随机现象之前,我们先讨论一类最简单的随机现象: 1. 在试验中它的全部可能结果只有有限个,譬如为nnn个,记为E1 ...
概率论02-概率，古典概型
1. 频率的定义(Frequency) 设E为任一随机试验,A为其中任一事件,在相同条件下,把E独立的重复做n次,v 表示事件A在这n次试验中出现的次数(称为频数).比值v/n称为事件A在这n次试 ...
概率论与数理统计之几何概型频率与概率
1.几何概型几何概型涉及线段.平面.立体.可以记为:,其中G表示几何问题的一个度量. 几何概型和古典概型具有一样的性质. 几何概型具有完全可加性,在两两互不相容时,有 2.频率与概率频率:进行n次 ...
【概率论与数理统计】猴博士笔记 p1-p2 古典概型、几何概型
视频古典概型常见的古典概型题目分为: 有放回无放回有放回对于有放回的题目,一般可以这样做: 举个例子,如题: 则它们的答案是: 1. C44∗(25)4C_{4}^{4} *(\frac{2 ...
[概统]本科二年级概率论与数理统计第一讲古典概型
[概统]本科二年级概率论与数理统计第一讲古典概型古典概型排列组合复习组合恒等式的例题古典概型的例题事件概率的性质条件概率与独立性全概率公式与贝叶斯公式事件概率的例题打算这两年写 ...
古典概型——概率论与数理统计（宋浩）
事件的概率 1.2.1概率的初等描述概率的定义:事件发生的可能性的大小(P(A)) 性质: P(Ω)=1,P(φ)=0(规范性) 0<=P(A)<=1(非负性) 有限可加:A1,A2,A ...
概率论与数理统计习题——第五讲——等可能概型（古典概型）
学习笔记参考: 概率论与数理统计学习笔记--第五讲--等可能概型(古典概型) https://blog.csdn.net/hpdlzu80100/article/details/102563749 习 ...
古典概型，条件概率，贝叶斯公式
概率的定义,性质定义设 EEE 是随机试验,SSS 是它的样本空间. 对于 EEE 的每一个事件 AAA 赋予一个实数,记为 P(A)P(A)P(A),称为事件 AAA 的概率. 如果 ...
概率论基础 —— 1. 基本事件类型、运算规则，及古典概型与几何型概型
概率论与数理统计的相关知识,是机器学习及深度学习最常应用到的基本知识.因为对于机器学习和深度学习来说,最常见的一个应用场景就是训练一堆样本集后,给定一个测试样本,它可能同时具备类A和类B的特征,那么就 ...

概率论与数理统计笔记 - 古典概型；条件概率；独立性