全概率公式和贝叶斯公式
- 格式:pdf
- 大小:271.77 KB
- 文档页数:16
全概率公式与贝叶斯公式
一、全概率公式
全概率公式是概率统计学中的重要概念,它系统地表达了事件发生的
几率,它建立在一定的概率论假设和条件概率的基础上。
全概率公式由它
的发明者布朗定理提出,它以下简称为B-公式,它定义了一个事件发生
条件的概率可以由该事件发生的总概率和该事件发生条件概率之间的关系
表示出来,具体地说,就是:
P(A)=P(A,B1)P(B1)+P(A,B2)P(B2)+···+P(A,Bn)P(Bn)
其中:P(A)是A发生的概率,P(B1)~P(Bn)是相互独立的事件B1~Bn
发生的概率;P(A,B1)~P(A,Bn)是A在B1~Bn发生后发生的条件概率,
以上关系可以看作是在n个事件B1~Bn中,A发生的概率就是在所有这些
事件发生时A发生的条件概率乘以其各自发生的概率,再相加,而本质上
它是一个分母的二项式展开。
贝叶斯公式是概率统计学中的重要概念,它描述了在已知其中一种情
况的概率后,观察到其中一种事件后,该情况发生的可能性,它利用事件
的先验概率和事件发生后的后验概率进行推断,它有一下公式发挥着作用:P(A,B)P(B)=P(B,A)P(A)
其中:P(A)是事件A发生的先验概率;P(B)是事件B发生的先验概率;P(A,B)是事件B发生后A发生的条件概率;P(B,A)是事件A发生后B发
生的条件概率。
全概率事件和贝叶斯公式解释设A1,A2,...,An是一组互斥的事件,它们也是一组全概率事件。
那么对于任意一个事件B,可以通过全概率事件来计算B的概率。
全概率事件公式如下:P(B)=P(B,A1)P(A1)+P(B,A2)P(A2)+...+P(B,An)P(An)其中,P(B,Ai)是在给定事件Ai发生的条件下事件B发生的概率,P(Ai)是事件Ai的概率。
全概率事件的一个重要应用是用于计算复杂事件的概率。
当一个事件B无法直接计算其概率时,我们可以找到一组全概率事件A1,A2,...,An,然后计算B在每个全概率事件下的条件概率以及每个全概率事件的概率,最终通过全概率事件公式计算B的概率。
下面通过一个例子来说明全概率事件的应用。
假设手机制造商生产了两个型号的手机A和B,且每个型号的销售比例为60%和40%。
根据过去的统计数据,我们知道手机A发生故障的概率为5%,手机B发生故障的概率为3%。
问一些顾客购买的手机发生故障的概率是多少?解决这个问题的关键是找到一组全概率事件。
设事件A为顾客购买手机A,事件B为手机发生故障。
根据题目中给出的数据,我们可以计算事件B在事件A和事件B的补事件的条件下的概率,以及两个全概率事件的概率:P(B,A)=5%P(B,A')=3%P(A)=60%P(A')=40%根据全概率事件公式,我们可以计算事件B的概率:P(B)=P(B,A)P(A)+P(B,A')P(A')=5%*60%+3%*40%=3.8%所以一些顾客购买的手机发生故障的概率为3.8%。
贝叶斯公式是基于全概率事件的基础上,进一步计算后验概率的公式。
贝叶斯公式如下:P(A,B)=(P(B,A)P(A))/P(B)其中,P(A,B)是在事件B发生的条件下事件A发生的概率,P(B,A)是在事件A发生的条件下事件B发生的概率,P(A)和P(B)分别是事件A和事件B的概率。
贝叶斯公式的一个重要应用是进行信息更新,即根据新的观察结果来更新对一些事件的概率估计。
【概率论与数理统计】全概率公式和贝叶斯公式注:很久以前就知道这两个公式,但⼀直仅限于了解。
直到最近学习edx上的课程,才对这两个公式有了新的理解,记录于此。
1. 条件概率公式设A, B是两个事件,且P(B)>0,则在事件B发⽣的条件下,事件A发⽣的条件概率(conditional probability)为:P(A|B)=P(AB)/P(B)条件概率是理解全概率公式和贝叶斯公式的基础,可以这样来考虑,如果P(A|B)⼤于P(A)则表⽰B的发⽣使A发⽣的可能性增⼤了。
在条件概率中,最本质的变化是样本空间缩⼩了——由原来的整个样本空间缩⼩到了给定条件的样本空间。
2. 乘法公式2.1 乘法公式由条件概率公式得:P(AB) = P(B)·P(A|B) = P(A)·P(B|A)上⾯的式⼦就是乘法公式。
2.2 乘法公式的推⼴对于任何正整数n≥2,当P(A1A2...A n-1) > 0 时,有:P(A1A2...A n-1A n) = P(A1)P(A2|A1)P(A3|A1A2)...P(A n|A1A2...A n-1)3. 全概率公式3.1 前提假设设B1,B2,....为有限或⽆限个事件,它们两两互斥且在每次试验中⾄少发⽣⼀个,即:不重,B i∩ B j = ∅(不可能事件)i≠j ,不漏,B1∪B2∪.... = Ω(必然事件).图1:B1 - B n是对S的⼀个划分这时,称事件组 B1, B2,...是样本空间S的⼀个划分,把具有这些性质的⼀组事件称为⼀个“完备事件组”。
设 B1, B2,...是样本空间S的⼀个划分,A为任⼀事件(图1中红圈内部区域),则:$$P(A) = \displaystyle \sum_{ i = 1 }^{ n } P(B_i)P(A|B_i) \hspace{ 10pt } (1)$$上式即为全概率公式(formula of total probability)也可以分为两步来看全概率公式:图2:分两步看全概率公式,S先被划分为n个⼦集B1 - B n,然后每个⼦集的发⽣会对A的发⽣产⽣不同程度的影响设P(B j) = p j, P(A|B j) = q j, j = 1, 2, ..., n则$$P(A) = \displaystyle \sum_{ j = 1 }^{ n } p_{j}q_{j} \hspace{ 10pt } (2)$$在运⽤全概率公式时的已知未知条件为:划分后的每个⼩事件的概率,即P(B i), i = 1, 2, ..., n;每个⼩事件发⽣的条件下,A发⽣的概率,即P(A|B i), i = 1, 2, ..., n;求解⽬标是计算A发⽣的概率,即P(A)。
叙述全概率公式与贝叶斯公式,举例说明全概率公式与贝叶斯公式求法;全概率公式和贝叶斯公式是概率论中的重要概念,它们都可以用来计算概率。
全概率公式是概率论中最基本的公式,它表示一个事件发生的概率等于它发生的条件概率乘以它发生的先决条件概率之和。
全概率公式可以用来计算一个事件发生的概率,它的公式为:P(A)=∑P(A|B)P(B),其中A表示事件,B表示先决条件,P(A|B)表示A发生的条件概率,P(B)表示B发生的概率。
例如,假设有一个抛硬币的实验,我们想知道抛出正面的概率。
根据全概率公式,我们可以得出:P(正面)=P(正面|硬币1)P(硬币1)+P(正面|硬币2)P(硬币2),其中P(正面|硬币1)和P(正面|硬币2)分别表示硬币1和硬币2抛出正面的概率,P(硬币1)和P(硬币2)分别表示硬币1和硬币2被抛出的概率。
贝叶斯公式是概率论中另一个重要的公式,它表示一个事件发生的概率等于它发生的条件概率乘以它发生的先决概率,再除以它发生的先决概率之和。
贝叶斯公式可以用来计算一个事件发生的概率,它的公式为:P(A|B)=P(A|B)P(B)/P(B),其中A表示事件,B表示先决条件,P(A|B)表示A发生的条件概率,P(B)表示B发生的概率。
例如,假设有一个抛硬币的实验,我们想知道抛出正面的概率。
根据贝叶斯公式,我们可以得出:P(正面|硬币1)P(硬币1)/P(硬币1)=P(正面|硬币1),其中P(正面|硬币1)表示硬币1抛出正面的概率,P(硬币1)表示硬币1被抛出的概率。
总之,全概率公式和贝叶斯公式都可以用来计算概率,它们的公式分别为:P(A)=∑P(A|B)P(B)和P(A|B)=P(A|B)P(B)/P(B)。
以上就是全概率公式和贝叶斯公式的概述,以及两个公式的求法。
讲授全概率公式和bayes公式的一点体会全概率公式和贝叶斯公式也被称为条件概率,它们被广泛地应用在
概率论、信息论和模式识别等领域,是数理统计的核心概念。
一、全概率公式
全概率公式是用来描述给定某个随机事件的概率,基本定义为:设A1,A2,…,An为由事件形成的不相交的样本空间,即A1∩A2∩…An=∅,且A1∪A2∪…⋃An=Ω,则对于某一特定的随机事件Ai,它的概率
P(Ai)就被称为全概率公式,写作P(Ai)=P(A1∪A2∪…∪Ai)。
二、贝叶斯公式
贝叶斯公式是用来度量一个随机事件出现或发生的可能性,它是基于
概率论的基本定义,表达如下:设A与B是两个相关的随机事件,
P(A|B)表示A出现在B发生的条件下的概率,此时贝叶斯公式就会被
引入,表达为:P(A|B)=P(B|A)P(A) / P(B),其中P(A|B)表示A在B发
生后的条件概率,P(B|A)表示B在A发生后的条件概率,P(A)表示A
发生的概率,P(B)表示B发生的概率。
我对全概率公式和贝叶斯公式的体会是,它们属于数理统计中最基础
的概念,用来描述不同随机事件之间的相互关系,即描述事件发生的
条件概率。
用它们来模拟不同随机事件的发生概率,使结果更加有效
而可靠,也可以确定一些事态的发展,为可能发生的结果提供可信性。
它们也可以适用于机器学习、统计学等领域,被广泛地应用于不同的
领域,帮助我们更加清晰地理解复杂的事件之间的关系。
贝叶斯公式与全概率公式的运用贝叶斯公式(Bayes' theorem)和全概率公式(Law of Total Probability)是概率论中最常用的两个定理,它们可以用于计算条件概率和概率的分布。
本文将详细介绍贝叶斯公式和全概率公式的运用。
首先,我们来介绍贝叶斯公式。
贝叶斯公式是由18世纪英国数学家托马斯·贝叶斯(Thomas Bayes)提出的,它用于计算条件概率。
贝叶斯公式的一般形式如下:P(A,B)=P(B,A)*P(A)/P(B)其中,P(A,B)表示在事件B发生的条件下事件A发生的概率,P(B,A)表示在事件A发生的条件下事件B发生的概率,P(A)和P(B)分别表示事件A和事件B的概率。
先验概率(prior probability)是指在没有新的信息或证据时,根据以往的经验或知识所做的概率判断。
先验概率可以通过观察历史数据或者领域知识得到。
后验概率(posterior probability)是在获得新的信息或证据后,对事件的概率进行更新的概率。
后验概率可以通过贝叶斯公式计算得到。
下面通过一个实例来说明贝叶斯公式的运用。
假设工厂生产的产品中有5%存在缺陷。
现有一种检测方法,对有缺陷的产品可以100%正确地检测出来,但对没有缺陷的产品会错误地报告为有缺陷的产品,错误率为10%。
现在随机从工厂中抽取了一个产品,并进行了检测,结果显示该产品为有缺陷的。
我们需要计算在这种情况下,该产品是真的有缺陷的概率。
首先,根据先验概率,我们知道有5%的产品是有缺陷的,即P(A)=0.05、根据条件概率,我们知道在产品有缺陷的情况下,检测结果正确的概率为100%,即P(B,A)=1、另外,由于100%正确地检测出有缺陷的产品,所以在产品没有缺陷的情况下,检测结果错误的概率为10%,即P(B,A')=0.1根据贝叶斯公式,我们可以计算后验概率:P(A,B)=P(B,A)*P(A)/P(B)=1*0.05/P(B)P(B)表示检测结果为有缺陷的产品的概率,它可以通过全概率公式来计算。
全概率公式与贝叶斯公式一、全概率公式假设A是一个样本空间Ω的一个划分,即A={A1,A2,...,An},其中Ai∩Aj=∅(i≠j),Ω=A1∪A2∪...∪An,则对于任意事件B,有:P(B)=P(B,A1)P(A1)+P(B,A2)P(A2)+...+P(B,An)P(An)公式的含义是:事件B的概率等于事件B在不同条件下发生的概率的加权平均。
其中,P(B,Ai)表示给定条件Ai下事件B发生的概率,P(Ai)表示事件Ai发生的概率。
例如,假设有一个盒子中有三个红色球和两个蓝色球。
每次从盒子中取一个球,取出后不放回。
现在定义事件A1为取出红色球,事件A2为取出蓝色球。
已知在事件A1发生的情况下,取出红色球的概率为2/3,在事件A2发生的情况下,取出红色球的概率为1/2、求取出红色球的概率。
解:根据全概率公式,有P(A1)=P(A1,A1)P(A1)+P(A1,A2)P(A2)=(2/3)(3/5)+(1/2)(2/5)=1/5+1/5=2/5因此,取出红色球的概率为2/5贝叶斯公式(Bayes' theorem)是概率论中的另一个基本公式,用于通过条件概率反推原事件的概率。
假设A和B是两个事件,且P(B)>0,则有:P(A,B)=P(B,A)P(A)/P(B)其中,P(A,B)表示在事件B发生的条件下事件A发生的概率,P(B,A)表示在事件A发生的条件下事件B发生的概率,P(A)和P(B)分别表示事件A和事件B的概率。
贝叶斯公式常用于统计推断和机器学习领域,特别是在先验概率和后验概率的计算中应用广泛。
例如,假设城市患有其中一种疾病的概率为0.001,其中一种检测方法的准确率为0.99、现在人被诊断为患有这种疾病,求这个人真正患有该疾病的概率。
解:设事件A为这个人真正患有该疾病,事件B为这个人被诊断为患有该疾病。
已知P(A)=0.001,P(B,A)=0.99,求P(A,B)。
根据贝叶斯公式,有P(A,B)=P(B,A)P(A)/P(B)=(0.99)(0.001)/[P(B,A)P(A)+P(B,A')P(A')]=(0.99)(0.001)/[(0.99)(0.001)+(0.01)(0.999)]≈0.0909因此,这个人真正患有该疾病的概率约为0.0909综上所述,全概率公式和贝叶斯公式是概率论中的两个基本公式,用于计算复合事件的概率和根据条件概率反推原事件的概率。
全概率公式与贝叶斯公式是概率论中的重要工具,它们在概率问题中的应用广泛且价值非凡。
1. 全概率公式:
假设有某一事件B,它可以被几个互不相容的事件A₁,A₂,...,Aₙ完全覆盖,那么就可以利用全概率公式来计算事件B的概率,这个公式是这样的:
P(B) = ∑ P(Ai)P(B|Ai) (i = 1,2,...,n)
即,事件B的概率等于所有“事件Ai且事件B发生”的概率之和。
2. 贝叶斯公式:
贝叶斯公式主要用于在获得新信息后更新原有的概率预测。
计算公式如下:
P(Ai|B) = [P(Ai)P(B|Ai)] / ∑ P(Aj)P(B|Aj) (j = 1,2,...,n)
实质上,贝叶斯公式是先通过全概率公式求得P(B),然后利用P(B)求得条件概率P(Ai|B)。
在实际应用中,比如在贝叶斯分类器、无人驾驶、医疗诊断等领域,全概率公式和贝叶斯
公式都有大量的应用。
条件概率全概率和贝叶斯公式
条件概率是指在已知某一事件发生的条件下,另一事件发生的概率。
全概率公式是指在多个互不相交的事件中,计算某一事件的概率,需要将所有事件的概率加起来。
而贝叶斯公式是指在已知某一事件发生的条件下,另一事件的概率如何进行修正。
具体来说,条件概率可以表示为P(A|B),其中A和B分别是两
个事件,P(A|B)表示在事件B发生的情况下,事件A发生的概率。
全概率公式可以表示为
P(A)=P(B1)P(A|B1)+P(B2)P(A|B2)+...+P(Bn)P(A|Bn),其中B1~Bn
表示多个互不相交的事件,P(B1)~P(Bn)表示这些事件发生的概率。
贝叶斯公式可以表示为P(B|A)=P(A|B)P(B)/P(A),其中A和B
同样表示两个事件,P(A|B)表示在事件B发生的情况下,事件A发生的概率,P(B)表示事件B发生的概率,P(A)表示事件A发生的概率。
P(B|A)表示在已知事件A发生的情况下,事件B发生的概率。
贝叶斯公式可以用于更新先验概率,即在已知某些信息的情况下,通过新的证据来更新我们对某一事件的概率的估计。
条件概率、全概率公式和贝叶斯公式在实际应用中有广泛的应用,如在机器学习、数据分析、医学诊断等领域。
- 1 -。
1.3.3 全概率公式与贝叶斯公式在分析计算较为复杂事件的概率时,通过将较为复杂事件分解为有限多个或可列多个互不相容的较为简单事件的和,从而将复杂事件的概率表示为简单事件的概率之和。
该思想是贯穿概率论学科的基本思想。
在有些随机试验中,一个较为复杂的结果A可能与另外若干个不同时发生的结果B,B2,…等相联系,即一次试1验中A只能与B,B2,…中某一个同时发生,且二者同时发1生的概率容易计算,此时计算P(A)可以用下面给出的全概率公式,还可以用贝叶斯(Bayes)公式计算P(B|A),i=1,2,…。
i定理1.3.1(全概率公式)设(Ω,F ,P )为概率空间,111()=()=()(),()0,1,2,,,,i i i i i i i j i i i B F P B i B B i j A P A P AB P B B P A B ∞∞∞>==Φ≠⊂∑∑∈===| 且, 则21112111()=()()i i i i i i i i i i i i i A B A A B AB B B AB AB P A P AB P AB P B P A B ∞∞∞∞∞∞⎛⎫⊂ ⎪⎝⎭⎛⎫ ⎪⎝⎭∑∑1===1=== 由, 知==。
由,,互不相容,,,也互不相容。
根据概率的可列可加性有=()=|证121,,,,, ,nn i i B B B B ==Ω全概率公式中 是样本空间的划分 即1212 ,,,,,, nn A B B B B B B 将导致事件发生的原因(因素、背景)全部列出:就作为划分例1.3.3袋中装有a只白色乒乓球,b只黄色乒乓球。
现从中无放回地摸取两次,每次摸出1球。
试求第二次摸得黄球的概率。
解记A={第二次摸得黄球}。
由于无放回摸取,所以第一次摸取的结果会引起第二次摸取时袋中白球和黄球个数的变化,从而影响到第二次摸取的结果。
所以想到根据第一次摸取的结果来分别计算A的概率。
记B1={第一次摸得白球},B2={第一次摸得黄球},则B1和B2互不相容,,用全概率公式得12=ΩB B121122()()()()(|)()(|)111P A P AB P AB P B P A B P B P A B a b b b a a b a b a b a b a b=++-=⋅+⋅=++-++-+ =例1.3.4某工厂有四条生产线制造同一种产品,已知各生产线的产量占总产量的比例分别为15%,20%,30%和35%,并且已知各生产线的产品不合格品率分别为0.05,0.04,0.03和0.02。
单位代码:005分类号:o1西安创新学院本科毕业论文设计题目:全概率公式和贝叶斯公式专业名称:数学与应用数学学生姓名:行一舟学生学号:0703044138指导教师:程值军毕业时间:二0一一年六月全概率公式和贝叶斯公式摘要:对全概率公式和贝叶斯公式,探讨了寻找完备事件组的两个常用方法,和一些实际的应用.全概率公式是概率论中的一个重要的公式,它提供了计算复杂事件概率的一条有效的途径,使一个复杂事件的概率计算问题化繁就简.而贝叶斯公式则是在乘法公式和全概率公式的基础上得到的一个著名的公式.关键词:全概率公式;贝叶斯公式;完备事件组The Full Probability Formula and Bayes FormulaAbstract:To the full probability formula and bayes formula for complete,discusses the two commonly used methods of events,and some practical applications.Full probability formula is one of the important full probability formula of calculation,it provides an effective complex events of the way the full probability of a complex events,full probability calculation problem change numerous will Jane.And the bayes formula is in full probability formula multiplication formula and the basis of a famous formula obtained.Key words:Full probability formula;Bayes formula;Complete event group;目录引言 (1)1.全概率公式和贝叶斯公式 (1)1.1全概率公式 (1)1.2贝叶斯公式 (2)1.3全概率公式和贝叶斯公式的应用 (2)2全概率公式和贝叶斯公式的推广 (8)结束语 (10)参考文献 (11)致谢词 (12)引言应用全概率公式和贝叶斯公式是生活中和学习中经常运用到的两个公式,而在计算某个事件概率的关键是寻找与该事件相关的完备事件组,但在日常教学中发现许多同学在利用这两个公式计算某个事件的概率时,往往找不准相关的事件组,因而所求答案出现失误.本文针对这个问题展开讨论,通过对全概率公式和贝叶斯公式相关问题的分析,探讨了寻找完备事件组的两个常用方法,并发现贝叶斯公式和全概率公式在生活和应用中的推广.1.全概率公式和贝叶斯公式定义1.1设S 为样本空间,设1A ,2A ,n A 为S 的一个划分组,若它满足(1)i j =A A ∅,i ,j =1,2,…,n ,i ≠j ;(2)12···n A A A ∪∪∪=S .则称1A ,2A ,…n A 为一个完备事件组.1.1全概率公式全概率公式是指若1A ,2A ,…n A 为一完备事件组,P (i A )>0(i =1,2…),则对于任意事件B ,有[1]1()()(|)n i i i P B P A P B A ==∑.全概率公式的直观意义是:某事件B 的发生有各种可能的原因i A (i =1,2…),并且这些原因两两不能同时发生,如果B 是由原因i A 所引起的,若B 发生时,i BA 必同时发生,因而()P B 与()i P BA (i =1,2…)有关,且等于其总和11()()(|)n n i i i i i P BA P A P B A ===∑∑.全概率的全就是总和的含义,当然这个总和要能求出来,需已知概率()i P BA ,或已知各原因i A 发生的概率()i P A 及在i A 发生的条件下B 的条件概率(|)i P B A (i =1,2…).通俗地说,事件B 发生的可能性,就是其原因i A 发生的可能性与在i A 发生的条件下事件B 发生的可能性的乘积之和.1.2贝叶斯公式贝叶斯公式是指若1A ,2A ,…n A 为一完备事件组,且()i P A >0(i =1,2,…),则对任何概率非零的事件B ,有1()(|)()(|)(|)()()(|)i i i i i n j j j P A P B A P A P B A P A B P B P A P B A ===∑.在理论研究和实际中还会遇到一类问题,这就是需要根据试验发生的结果找原因,看看导致这一试验结果的各种可能的原因中哪个起主要作用,解决这类问题的方法就是使用贝叶斯公式.贝叶斯公式的意义是导致事件B 发生的各种原因可能性的大小,称之为后验概率.1.3全概率公式和贝叶斯公式的应用从公式结构上看,全概率公式与贝叶斯公式关系密切,如何正确使用这两个公式是本文的一个重要的内容.无论全概率公式还是贝叶斯公式都需要正确的找出完备事件组.如果所求概率的事件与前后两个实验有关,且这两个实验彼此关联,第一个试验的各种结果直接对第二个试验产生影响,而问第二个试验出现某结果的概率,这类问题是属于使用全概率公式的问题,将第一个试验的样本空间分解成若干个互不相容的事件的和,这些事件就是所求的一个完备事件组.至于在什么情况下使用贝叶斯公式,这就要看问题的提法.如果已知某事件已发生,要求该事件与完备事件组中某一事件一同发生的概率,应采用贝叶斯公式求之.如果事件B 能且只能在原因1A ,2A ,…n A 下发生,且1A ,2A ,…n A 是两两互不相容,那么这些原因就是一个完备事件组.如果这些原因发生的概率()i P A 以及在原因i A 发生下事件B 的条件概率(|)i P B A (i =1,2,…)都是已知的,或都可求出,则:(1)可使用全概率公式计算事件B 的概率.(2)如果已知事件B 发生,要计算导致结果B 发生的原因i A 的可能性大小,即事件i A 的条件概率(|)i P A B 的大小,可采用贝叶斯公式求之.显然如果把i A (i =1,2…)看成是导致事件B 发生的原因,那么全概率公式与贝叶斯公式可分别说成由因求果与执果求因的概率计算公式.例1.1设甲箱中有3个白球和2个黑球,乙箱中有1个白球和2个黑球,自甲箱中任意取2球放入乙箱,然后再从乙箱中任意取出2球,试求:(1)从乙箱中取出的两球是白球的概率;(2)在乙箱中取出的两球是白球的条件下,从甲箱中取出的两球是白球的概率.解(1)从乙箱中取球(第二个试验)之前,要从甲箱中任意取两球放入乙箱(第一个试验),而从甲箱中取球的结果影响到从乙箱中取球的结果,本题可用全概率公式来求解.将第一个试验的样本空间分解,即可求得完备事件组.因为从甲箱中任意取两球放入乙箱仅有3种可能:取得两白球,或者取得一黑球和一白球,或者取出两黑球,分别用1A ,2A ,3A 表示,则1A ,2A ,3A 即为所求的一个完备事件组,又设B 为乙箱中取出的两球是白球,则有21123322123222555331(),()(),10510C C C C P A P A P A C C C ======2232123225531(|),(|)(|)01010C C P B A P B A P B A C C =====.由全概率公式得到31()()(|)0.15i i i P B P A P B A ===∑.(2)本题是在B 发生的条件下求导致这一试验结果发生的原因属于事件1A 的概率有多大,须用贝叶斯公式,1111131()(|)()(|)(|)0.16()(|)i i i P A P B A P A P B A P A B P A P B A ====∑.例1.2在数字通讯中,信号是由数字0和1的长序列组成的,由于随机干扰,发送的信号0或1各有可能错误接受为1或0,现假设发送信号为0和1的概率均为1/2;又已知发送0时,接受为0和1的概率分别为0.7和0.3;发送信号为1时,接受为1和0的概率分别为0.9和0.1.求已知收到信号0时,发出的信号是0(即没有错误接受)的概率.解设0A ={发送信号为0},1A ={发送信号为1},0B ={收到信号为0},1B ={收到信号为1},因为收到信号为0时,除来自发送信号确系为0外,还由于干扰原因,发送信号为1时,接受的信号也可能为0,因此导致事件0B 发生的原因只有事件0A 与1A ,且它们互不相容,故0A 与1A 构成一完备事件组,由题设,有0()P A =1()P A =12,00(|)P B A =0.7,01(|)P B A =0.1,故0()P B =0()P A 00(|)P B A +1()P A 01(|)P B A =12⨯0.7+12⨯0.1=0.4.若接受信号0时,发送信号是0的概率由贝叶斯公式得000000()(|)(|)0.875()P A P B A P A B P B ==例1.3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,飞机被一人击中而被击落的概率为0.2,被两人击中而被击落的概率为0.6,若三人都击中,飞机必定被击落,求飞机被击落的概率.解由于飞机被击落,必然是飞机被一人、二人或三人击中,如令C 表示事件飞机被击落,i B 表示事件飞机被i 人击中(i =0,1,2,3),1A ,2A ,3A 分别表示甲、乙、丙击中了飞机.因0B ,1B ,2B ,3B 两两互不相容,故0B ,1B ,2B ,3B 构成一个完备事件组,又由题设知1A ,2A ,3A 相互独立,且1()P A =0.4,2()P A =0.5,3()P A =0.7,故1()P B =123()P A A A +123()P A A A +123()P A A =1()P A 2()P A 3()P A +1()P A 2(P A 3()P A +1()P A 2()P A 3()P A =0.4⨯0.5⨯0.3+0.6⨯0.5⨯0.7+0.6⨯0.5⨯0.3=0.36.同理可求2()P B =123()P A A A +123()P A A +123()P A A A =0.4⨯0.5⨯0.3+0.4⨯0.5⨯0.7+0.6⨯0.5⨯0.7=0.41;3()P B =123()P A A A =0.4⨯0.5⨯0.7=0.14.又()i P B >0(i =0,1,2,3),且由题设有0(|)P C B =0,1(|)P C B =0.2,2(|)P C B =0.6,3(|)P C B =1.于是由全概率公式即得31()()(|)i i i P C P B P C B ==∑=0.36⨯0.2+0.41⨯0.6+0.41=0.728例1.4两台车床加工同样的零件,第一台出现不合格品的概率是0.03,第二台出现不合格品的概率是0.06,加工出来的零件放在一起,并且已知第一台加工的零件比第二台加工的零件多一倍.(1)求任取一个零件是合格品的概率;(2)如果取出的零件是不合格品,求它是由第二台车床加工的概率.解记事件1A 为“取到第一台车床加工的零件”,则12()3P A =,11(3P A =又记事件B 为“取到合格品”.显然1A ,1A 为一个完备事件组,则知()()(|)()(|)P B P A P B A P A P B A =+=210.970.940.96⨯+⨯=.且用贝叶斯公式可得到10.06()(|)3(|0.50.04()P A P B A P A B P B ⨯===例1.5学生在做一道有4个选项的选择题时,如果他不知道问题的正确答案时,就做随机猜测.现从卷面上看题是答对了,试在以下情况求学生确实知道正确答案的概率.(1)学生知道正确答案和胡乱猜想的概率都是12;(2)学生知道答案的概率是0.2.解记事件A 为“题目答对了”,事件B 为“知道正确答案”,则按题意有(|)P A B =1,(|)P A B =0.25.(1)此时有()P B =()P B =0.5,所以由贝叶斯公式得()(|)(|)()(|)()(|)P B P A B P B A P B P A B P B P A B =+=0.510.510.50.25⨯⨯+⨯=0.8(2)此时有()P B =0.2,()P B =0.8,所以由贝叶斯公式得()(|)(|)()(|)()(|)P B P A B P B A P B P A B P B P A B =+=0.210.210.80.25⨯⨯+⨯=0.5例1.6有两箱零件,第一箱装50件,其中10件是一等品;第二箱装30件,其中18件事一等品,现从两箱中任挑选出一箱,然后从该箱中先后任意取出两个零件试求:(1)第一次取出的是一等品的概率.(2)在第一次取出的是一等品的概率的情况下,第二次取出的仍是一等品的概率.解记事件i A 为“第i 次取出的是一等品”,i =1,2.又记事件i B 为“取到第i 箱的零件”,i =1,2.则1A ,2A 为一个完备事件组.(1)用全概率公式可得1111212110118()()(|)()(|)0.4250230P A P B P A B P B P A B =+=⋅+⋅=(2)又因为1211212122110911817()()(|)()(|)0.194232504923029P A A P B P A A B P B P A A B =+=⋅+⋅⋅所以例1.7甲、乙轮流掷一颗骰子,甲先掷.每当某人掷出1点时,则交给对方掷,否则此人继续掷.试求第n 次由甲掷的概率.解设事件i A 为“第i 次由甲掷骰子”,记()i i P P A =,i =1,2….则有11P =,15(|)6i i P A A +=,11(|6i i P A A +=,那么1A ,2A ,…n A 为一个完备事件组.所以由全概率公式可知道1111()()(|)()(|)n n n n n n n P A P A P A A P A P A A ----=+则可得n 1115121(1)6636n n n P P P P ---=+-=+,2n ≥.由此可得递推公式1121()232n n P P --=-,2n ≥.所以得11121()()232n n P P --=-,则将11P =,代入上式可得1112(223n n P --=由此得1121(23n n P -⎡⎤=+⎢⎥⎣⎦,n =2,3,…例1.8假设只考虑天气的两种情况:有雨和无雨.若已知今天的天气情况,明天天气保持不变的概率为P ,变的概率为1P -.设第一天无雨,试求第n 天也无雨的概率.解设事件i A 为“第i 天无雨”,记()i i P P A =,i =1,2,….则有11P =,且1(|)i i P A A P +=,1(|1i i P A A P +=-.那么1A ,2A ,3A …为一个完备事件组所以又全概率公式可得11(1)(1)n n P PP P P --=+--1(21)1n P P P -=-+-,2n ≥.得递推公式111(21)()22n n P P P --=--,所以可知1111(21)()22n n P P P --=--,则将11P =,代入上式可得111(21)()22n n P P --=-由此可得111(21)2n n P P -⎡⎤=+-⎣⎦,n =2,3,….2全概率公式和贝叶斯公式的推广设S 为样本空间,设1A ,2A ,…n A 为S 的一个划分组,它满足(1)i j =A A ∅,i ,j =1,2,…,n ,i ≠j ;(2)12···n A A A ∪∪∪=S若i ()P A >0,i =1,2,…,n ,则对任一事件B ,由全概率公式得:n i i i=1()(|)()P B P B A P A =∑①现将①式推广为二重全概率公式.对于上述的划分:{}i A ,i =1,2,…,n ,如果对i A ∀都存在一个划分组{}ij C ,i =1,2,…n ,j =1,2,…,j m ,且()ij P C >0,在i A 发生的条件下同样有:(|)i P B A =1(|)()j m ij ij j P B C P C =∑②利用①,②式,这样我们给出下列定理:定理1[]5设{}i A ,i =1,2,…,n 为样本空间的一个划分,且i ()P A >0,i =1,2,…n ,对每个i A 存在一个划分{}ij C ,j =1,2,…,m ,且()ij P C 〉0,则对任意的事件B ,有()P B =n 11()(|)()j m i ij ij i j P A P B C P C ==∑∑③称③式为二重全概率公式.类似可以得到下列推广的贝叶斯公式.定理2[]5设,{}i A i =1,2,…,n 为样本空间的一个划分,且i ()P A >0,i =1,2,…,n ,对每个i A 存在一个划分{}ij C ,j =1,2,…,j m ,且()ij P C >0,则有:(1)(|)i P A B =1n 11()(|)()()(|)()jj m i ij ij j m i ij ij i j P A P B C P C P A P B CP C ===∑∑∑④(2)n 11(|)(|)()(|)()(|)()j ij ij i i ij m i ij ij i j P B C P C A P A P C B P A P B CP C ===∑∑⑤例2.1设有三个大盒子,每个大盒子中有三个小盒子,每个大盒子中的第一个小盒子中分别装有1个红球,3个白球;第二小盒中分别装有2个红球,2个白球;第三个小盒中装有3个红球,1个白球.假设取第一个大盒子的概率为12,取第二、第三大盒子中的概率都为14在取定某个大盒时,取其中第一小盒概率是12,取第二、三小盒子概率均为14.今任取一个大盒,再从中任取一小盒,从此小盒中任取一球.问:(1)此球为红球的概率.(2)若已知取的球为红球,问此球是第一个大盒的概率.(3)若已知取的球为红球,问此球是第一个大盒中第二小盒的概率.解设1A ,2A ,3A 分别表示从第一、二、三大盒中取球的事件,B 表示取红球的事件,ij C 表示从第i 个大盒中取第j 个小盒,i =1,2,3,j =1,2,3.则由题意知11()2P A =,231()()4P A P A ==11(|)2i i P C A =1,2,3,i =(|)ij i P C A 14=1,2,3,i =2,3,j =且11(|)4i P B C =,21(|)2i P B C =,33(|)4i P B C =,i =1,2,3,(1)由③可知()P B =3311()(|)()i ij ij i j P A P B C P C ==∑∑=716(2)由④可知31111()(|)()(|)()i j j j P A P B C P C P A B P B ==∑=12(3)由⑤可知12(|)P C B =121211(|)(|)()()P B C P C A P A P B =27结束语本文介绍了全概率公式和贝叶斯公式的概念和意义,使我可以在遇到很多概率问题时熟练的应用和使用全概率公式和贝叶斯公式.并且本文还介绍了怎样寻找完备事件组的两种方法方法,这样在寻找到完备事件组之后就能够个方便和快捷的使用全改了公式和贝叶斯公式.然后在全概率公式和贝叶斯公式在使用基础上面对两公式进行了推广.这体现了全概率公式和贝叶斯公式在应用和实践中的重要的作用,并且显示了两个公式在生活中的重要作用.参考文献[1]缪铨生.概率与数理统计[M].上海:华东师范大学出版社,1997.58~61[2]章昕.概率统计辅导[M].北京:机械工业出版社,2002.17~18[3]宁荣建.概率论中有关计算公式的改进[J].大学数学,2004.20(5).[4]复旦大学教研室.概率论(第一册概率论基础)[M].北京:高等教育出版社,1979.17~20[5]许绍溥,姜东平,宋国柱,任福贤.数学分析教程(上册)[M].南京:南京大学出版社,1990.22~26[6]盛骤,谢式千,潘承毅.概率论与数理统计(第二版)[M].北京:高等教育出版社,1989.12(3).50~66[7]茆诗松,程依明.概率论与数理统计教程[M].北京:高等教育出版社,2004.31~17致谢词本文是在程值军老师的悉心指导下完成的.从毕业设计题目的选择、到选到课题的研究和论证,再到本毕业设计的编写、修改,每一步都有程老师的细心指导和认真的解析.在程老师的指导下,我在各方面都有所提高,老师以严谨求实,一丝不苟的治学态度和勤勉的工作态度深深感染了我,给我巨大的启迪,鼓舞和鞭策,并成为我人生路上值得学习的榜样.使我的知识层次又有所提高.同时感谢所有教育过我的专业老师,你们传授的专业知识是我不断成长的源泉也是完成本论文的基础.也感谢我同一组的组员和班里的同学是你们在我遇到难题是帮我找到大量资料,解决难题.再次真诚感谢所有帮助过我的老师同学.通过这次毕业设计不仅提高了我独立思考问题解决问题的能力而且培养了认真严谨,一丝不苟的学习态度.由于经验匮乏,能力有限,设计中难免有许多考虑不周全的地方,希望各位老师多加指教.最后,我要向百忙之中抽时间对本文进行审阅,评议和参与本人论文答辩的各位老师表示感谢.(全文共5765字)。