当前课程知识点:概率论与数理统计 > 第八章 假设检验 > 第八章 练习题 > 1.8 条件概率(下)
同学们好
我们继续来上课
请看例题8
假设在n张彩票中有一张奖券
每人任意的摸一张取后不放回
求第二人能够中奖的概率是多少
用Ai表示
第i个人摸到这张奖券
好那根据我们刚才前面讲的全概率公式
这个Ai的概率啊
就可以写成它为什么呢
那是因为
第一次第一个人
他要么摸到
要么没有摸到对不对
所以A1和A1拔就构成样本空间的划分
所以根据全概率公式
我们就可以写成它
好第一次第一个人摸中的概率是n分之一
对不对第一个人摸中
第二个人
在某种的可能性没有了
好在看后面这个第一个人
它就摸不中的可能性n
这里面只有一张
这一个人可以摸中
所以摸不中的概率是n分之n-1
如果第一个人没有摸中
第二个人摸中的概率
n减一分之一
再次告诉我们
这个抽签抓阄的这个问题与次序无关
第二个人摸中的概率和第一个人是一样的
是n分之一
这里就用到了我们的全概率的思想和方法
事实上
继续做下去的话
每个人摸到奖券的可能性都是n分之一
那么同学们不要
把这个概率和如果第一个人摸中
第二个人摸中的概率那是零
那是条件概率
不要把条件概率和这个中奖的这个概念给混淆了
再看这个假设
工厂A和B的产品的次品率一个是1%
一个是2%
现在
由A和B的产品分别占了60%
40%的一批产品中
随机的抽取一件
给你求它是次品的概率
就是在这些产品里面任意的取一件
它是次品的可能性是多少
那我们看A表示
取到的是次品
B1表示取到的是A厂的
B2表示取到的是B厂的
因为产品要么是A厂的
要么是B厂
但是由于你直接想
它是次品的可能性是多大
有这个时候你并不知道它来自于哪一个厂家
如果硬逼一逼啊
先把样本空间把它进行划分
这个想不清楚的问题就是想清楚了
那么我们可以看出
B1的概率60%零点六
来自第二个厂的是40%零点四
如果是B我知道了
是第一个厂家生产的那么次品呢
这个次品率是零点零一
那个是零点零二
你看
根据全概率公式
我们就很轻松的可以得到它是次品的概率
等于0.014
所以解决这个问题就得益于我们刚刚学习的全概率公式
拿到次品的概率是多少
当然
如果要这么问你问题
我说拿的这些产品
我经过测试
我经过使用发现是次品
但是我看不出来是哪个厂家生产的
你能给我计算一下
推断一下它是A厂生产的可能性是多大呀
好那就要求这样的一个条件概率
A已经发生了B1发生的概率
刚才我们求的是A发生的概率
它是次品的概率
现在知道了是次品来自于第一个厂家的可能性有多大
好那根据条件概率公式
A和B的积事件的概率就除以A的概率
A的概率用全概率公式不刚才已经求出来了吗
我们只要把分子再展开一下看能不能求出来
根据乘法公式
A它可以展开为B1发生的概率
B1发生条件下A发生的概率
所以
等于0.6x0.0.1÷0.014
看细分之下就是如果发现这个产品是次品的话
那它是第一个厂家生产的可能性比第二个厂小一些7分之3
如果再算一下B2是必要的可能性
那就会是七分之四
那么这个例子一个我们引出了另外一个重要的公式
叫做贝叶斯公式
下面我们来学习这个重要的公式
贝叶斯公式
假设随机实验E的样本空间为S
B1到Bn为样本空间的划分
然后A是里面的任何一个事件
概率标为0
然后这些划分的事件也标为零
那么我们就可以得到
A发生条件下就这个结果知道了
我要找B可以发生
一般把B可以叫做原因
有结果要找原因呢
它是次品呢
来自于哪一个厂家生产的这个可能性有多大
根据条件概率公式
我们可以推出等于它了
这个分母大家可以看出就是刚刚学习的全概率公式
分子的就是乘法公式
打开的BK和A的积事件的概率
乘法公式打开就是分之
好我们来看一个例子
假设一个电子设备制造厂
所用的元件的话由三家制造厂提供的
根据以往的记录有这么一些数据
第一个厂第二个厂
第三个厂
它们的次品的比例告诉你了
它们所占的份额也告诉你了
现在假设三家工厂的产品在仓库当中的是均匀的混合在一起
你看不出来
这个产品是哪一个厂家生产的
问你在仓库当中随机的选一个零件
求它是次品的概率
在仓库中随机的挑选一只元件
如果知道它是次品
让你求出来这个次品分别来自这三个厂家的概率各是多少
利用我们学习的全概率公式
贝叶斯公式就能够顺利地解决这个问题
那么
根据题意第一问大家应该能够判别出来
它是一个全概率公式的问题对不对
相当于我这些产品来自于三个不同的厂家
每个厂家的份额比例
我知道了每个厂家的次品率
我知道了要求任何一个产品它是次品的概率
那我只要利用这些产品来自不同的厂家
作为完备事件组
作为样本空间的
大家可以把第一问给求出来
第二问的话
我知道了是次品结果
知道了要去找原因
那就是贝叶斯公式
下面我们来计算一下
A表示
取到的是次品
来自于哪一个厂家
第i个厂家用Bi来表示
好那根据提示条件
这些概率就都知道了
有全概率公式
A发生的概率就等于这些Bi发生的概率
所以Bi
作为条件A发生的概率
一旦知道了哪个厂家生产的
那么它不是已知的吗
我们做题都是利用已知把未知求出来
好把这些已知的数据带进来就得到了A发生的概率
好那么由贝叶斯公式来算
另外三个条件概率A发生条件下
B1发生条件概率用贝叶斯公式
分母就是上面求出来的概率A发生的概率
实际上
好等于它
类似的
第二个条件概率
类似的第三个条件概率我们就都求出来了
好下面我们再来看一个
在我们生活当中有重要指导意义的例子
以某种实验方法对自然人群进行癌症普查
如果以A表示事件
试验反应为阳性
以C表示事件被检查者患有这种疾病
现在告诉你这样的数据
如果这个患者
他真有这个病
而这种方法能查出来的可能性
能够正确的诊断率很高
95%
没有诊断你没有也很高
95%
那么现在假设普查人群里面
患有这种疾病的可能性是很低的千分之五
现在有一个人用这一种简易的方法诊断出来
阳性阳性就是表示有这种疾病的
这个时候患者一般都很着急了
现在我们从数学上面
我们来求一下
在这么高的诊断率
诊断这个病人
有这种疾病的情况下
他真的有这个疾病的概率多大
同学们想一想
直观上面感受一下
有这种级别的可能性大不大
一般说来
如果没有学过概率统计的话呀
认为它概率很大的诊断率这么高的方法
诊断出了有这个疾病
那有这种疾病的可能性非常大
一般会有这么一种认为
这么一个认识
那么今天我们来求一下到底有多大
好我们把提示已知的条件写出来
C发生的概率
C发生的概率就是被检查出患有这种疾病
这种疾病的发病率是很低的
七分之五
没有这种疾病
A是表示试验反应为阳性
这是诊断出了
没有比诊断有这个概率不大
5%
由贝叶斯公式
我们来求一下
A发生A是什么意思
就是说试验反应为阳性
在这个医院里面诊断出来有这个疾病
然后C
那就是根据题目的假定
被检查者
他真的有这个疾病
我们来算一下
根据全概率公式
检查出来有
然后问你
它真的有的概率是多少呢
根据全概率
根据贝叶斯公式
等于分子PC乘PA|C分母
那就是全概率公式
把题设条件
带进来
看看只有0.087
是不是完全出乎你的意料
因这么高诊断率的一种方法来诊断患病率不高的这种疾病
如果有这个疾病的话呈阳性的话
它真的患有这种疾病的概率非常的低
只有0.087
什么意思
一千个用这个方法检验患有这种疾病的人
平均说来真的有
只有这么多个人患有
这种疾病
这就提醒我们
同学们从这个例子可以发现
对于患病率很低的疾病
一次诊断有这个疾病的时候
它真的有这种疾病的可能性还非常的低
所以还需要再进行确诊
我用这个知识还救了
很多人
好我们这次课讲到这里
- 第八章 练习题