概率论与数理统计【二】随机事件与概率(2) - 常用求概率公式与例题两道

本节为概率论与数理统计复习笔记的第二节,随机事件与概率(2),主要包括:加法公式、减法公式、条件概率公式、乘法公式、全概率公式、贝叶斯公式以及两道例题。

1.常用的求概率公式

1.加法公式

P(AB)=P(A)+P(B)P(AB) P(ABC)=P(A)+P(B)+P(C)P(AB)P(AC)P(BC)+P(ABC) P(A\cup B)=P(A)+P(B)-P(AB)\\\ \\ P(A\cup B \cup C)=\\P(A)+P(B)+P(C)\\-P(AB)-P(AC)-P(BC)+P(ABC)

2.减法公式

P(AB)=P(A)P(AB)=P(ABˉ)P(A-B)=P(A)-P(AB)=P(A\bar B)

3.条件概率公式

  已知事件A发生的条件下,事件B发生的概率:
P(BA)=P(AB)P(A) P(B|A)=\frac{P(AB)}{P(A)}
  引申一下还有:
P(BˉA)=1P(BA) P(BCA)=P(BA)P(BCA) P(\bar B|A)=1-P(B|A)\\\ \\ P(B-C|A)=P(B|A)-P(BC|A)
4.乘法公式

P(AB)=P(A)P(BA)=P(B)P(AB) P(ABC)=P(A)P(BA)P(CAB) P(AB)=P(A)P(B|A)=P(B)P(A|B)\\\ \\ P(ABC)=P(A)P(B|A)P(C|AB)
5.全概率公式(全集分解公式)
  若i=1nAi=ΩAiAj=ij;i,j=1,...,n\cup_{i=1}^n A_i=\Omega,A_iA_j=\empty(i\neq j;i,j=1,...,n),则对任一事件B有B=i=1nAiBP(B)=i=1nP(Ai)P(BAi)B=\cup_{i=1}^n A_iB,P(B)=\sum_{i=1}^nP(A_i)P(B|A_i)
6.贝叶斯公式(逆概公式)
  如果i=1nAi=ΩAiAj=ij;i,j=1,...,nP(Ai)>0\cup_{i=1}^n A_i=\Omega,A_iA_j=\empty(i\neq j;i,j=1,...,n),P(A_i)>0,则对任一事件BB,只要P(B)>0P(B)>0,即有P(AjB)=P(Aj)P(BAj)Σi=1nP(Ai)P(BAi)P(A_j|B)=\frac{P(A_j)P(B|A_j)}{\Sigma_{i=1}^nP(A_i)P(B|A_i)}

2. 两道例题

  eg1.设有两批数量相同的零件,已知有一批产品全部合格,另一批产品有25%不合格。从两批产品中任取已知,经检验是正品,放回原处,并在原处所在批次再取一只,试求这只产品是次品的概率。
解:设事件Hi(i=1,2)H_i(i=1,2)为“第一次从第i批产品中抽取”,事件AA为取正品,则P(H1)=P(H2)=12P(AH1)=1P(H_1)=P(H_2)=\frac12,P(A|H_1)=1P(AH2)=34P(A|H_2)=\frac34
  则有P(A)=P(H1)P(AH1)+P(H2)P(AH2)=78P(A)=P(H_1)P(A|H_1)+P(H_2)P(A|H_2)=\frac78(全概率公式);
  从而(贝叶斯):
P(H1A)=P(H1)P(AH1)P(A)=47 P(H2A)=P(H2)P(AH2)P(A)=37 P(H_1|A)=\frac{P(H_1)P(A|H_1)}{P(A)}=\frac47\\\ \\ P(H_2|A)=\frac{P(H_2)P(A|H_2)}{P(A)}=\frac37 (当第一次取正品之后,概率就发生了变化,不是1/2了)
  设Ci(i=1,2)C_i(i=1,2)表示“第二次从第i批产品中抽取”,则有:
P(Aˉ)=P(C1)P(AˉC1)+P(C2)P(AˉC2) =47×0+37×14=328 P(\bar A)=P(C_1)P(\bar A|C_1)+P(C_2)P(\bar A|C_2)\\\ \\=\frac47 \times 0+\frac37 \times \frac14=\frac3{28}
  eg2.设有两箱零件,第一箱内装50件,其中10件是一等品;第二箱内装30件,其中18件是一等品。
求:
(1)先去除的零件是一等品的概率pp
(2)在先取出的是一等品的条件下,后取出的零件仍然是一等品的概率qq
  解:记AA={从第一箱中取},B1B_1={先取出的是一等品},B2B_2={后取出的是一等品},则有:

  P(A)=P(Aˉ)=12P(B1A)=15P(B1Aˉ)=35P(A)=P(\bar A)=\frac12,P(B_1|A)=\frac15,P(B_1|\bar A)=\frac35

  P(B1B2A)=1050×949P(B1B2Aˉ)=1830×1729P(B_1B_2|A)=\frac{10}{50}\times \frac9{49},P(B_1B_2|\bar A)=\frac{18}{30}\times \frac{17}{29}

  (1)p=P(A)P(B1A)+P(Aˉ)P(B1Aˉ)=25p=P(A)P(B_1|A)+P(\bar A)P(B_1|\bar A)=\frac25

  (2)P(B1B2)=P(A)P(B1B2A)+P(Aˉ)P(B1B2Aˉ)=2761421P(B_1B_2)=P(A)P(B_1B_2|A)+P(\bar A)P(B_1B_2|\bar A)=\frac{276}{1421}

q=P(B2B1)=P(B1B2)P(B1)=6901421q=P(B_2|B_1)=\frac{P(B_1B_2)}{P(B_1)}=\frac{690}{1421}


欢迎扫描二维码关注微信公众号 深度学习与数学   [每天获取免费的大数据、AI等相关的学习资源、经典和最新的深度学习相关的论文研读,算法和其他互联网技能的学习,概率论、线性代数等高等数学知识的回顾]
在这里插入图片描述

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章