第一章概率论的基本概念课件

1、第一章 概率论的基本概念,1.1 随机事件、频率与概率 1.2 古典概型 1.3 概率的定义 1.4 条件概率及有关公式 1.5 事件的独立性，独立试验序列,A. 太阳从东方升起； B. 明天的最高温度； C. 上抛物体一定下落； D. 新生婴儿的体重.,考察下面的现象:,确定性现象,1.1 随机事件、频率与概率,一、样本空间与随机事件,确定性现象：在一定的条件下必然出现（或必然不出现） 某种结果的现象。,随机现象：在一定的条件下，可能出现这样的结果， 也可能出现那样的结果，而且在事先无法 预知确切结果的现象,随机现象有其偶然性的一面，也有其必然性的一面，这种必然性表现在大量重复试验或观察中呈

2、现出的固有规律性，称为随机现象的统计规律性.而概率论正是研究随机现象统计规律性的一门学科.,试验：观察一定条件下发生的现象。 试验具有下列共同的特点:,(1) 试验可以在相同的条件下重复进行;,(2) 每次试验的可能结果不止一个, 并且能事先明确试验的所有可能的结果;,(3) 进行一次试验之前不能确定哪一个结果会出现.,在概率论中将具有上述特点的试验称为随机试验.,用 表示随机试验.,几个具体试验,在一批灯泡中任意抽取一支,测试它的寿命.,样本点e,现代集合论为表述随机试验提供了一个方便的工具 .,样本空间,例如,试验是将一枚硬币抛掷两次,观察正面H、反面T出现的情况:,S=(H,H), (H

3、,T), (T,H), (T,T),(H,T)：,(T,H):,(T,T)：,(H,H):,在每次试验中必有一个样本点出现且仅有一个样本点出现 .,则样本空间,如果试验是测试某灯泡的寿命：,则样本点是一非负数，由于不能确知寿命的上界， 所以可以认为任一非负实数都是一个可能结果，,S = t ：t 0,样本空间,故,若试验是将一枚硬币抛掷两次,观察正面出现的次数：,则样本空间,由以上两个例子可见,样本空间的元素是由试验的目的所确定的.,调查城市居民（以户为单位）烟、酒的年支出，结果可以用（x，y）表示，x，y分别是烟、酒年支出的元数.,也可以按某种标准把支出分为高、中、低三档. 这时，样本点有（

4、高,高）,（高,中），(低,低）等9种，样本空间就由这9个样本点构成 .,这时，样本空间由坐标平面第一象限内一定区域内一切点构成 .,请注意： 实际中,在进行随机试验时,我们往往会关心满足某种条件的那些样本点所组成的集合.,例如在测试某灯泡的寿命这一试验中,若规定灯泡的寿命 (小时) 小于500为次品,或者说, 我们关心,满足这一条件的样本点组成的一个集合 .,这就是,试验 的样本空间 的子集称为 的随机事件.,随机事件,如在掷骰子试验中，观察掷出的点数 .,事件 B=掷出奇数点,事件 A=掷出1点,基本事件:,(相对于观察目的不可再分解的事件),事件 B=掷出奇数点,如在掷骰子试验中，观察掷

5、出的点数 .,事件 Ai =掷出i点, i =1,2,3,4,5,6,由一个样本点组成的单点集.,基本事件,当且仅当集合A中的一个样本点出现时,称事件A发生.,如在掷骰子试验中，观察掷出的点数 .,事件 B=掷出奇数点,两个特殊的事件：,必,件,然,事,例如，在掷骰子试验中，“掷出点数小于7”是必然事件;,即在试验中必定发生的事件，常用S表示;,不,件,可,事,能,即在一次试验中不可能发生的事件，常用 表示 .,而“掷出点数8”则是不可能事件.,二、事件间的关系与事件的运算,两事件A、B互斥：,两事件A、B互逆或互为对立事件,即A与B不可能同时发生.,除要求A、B互斥( )外，还要求,事件的运

6、算满足的规律,三、频率和统计规律性,可见, 在大量重复的试验中,随机事件出现的频率具 有稳定性.即通常所说的统计规律性.,由频率的性质，我们可以得到统计概率的性质,称这种试验为等可能随机试验或古典概型.,若随机试验满足下述两个条件： (1) 它的样本空间只有有限多个样本点； (2) 每个样本点出现的可能性相同.,定义 1,1.2 古典概型,一、古典型随机试验及其特征,二、古典概型中事件概率的计算,记 A=摸到2号球 P(A)=?,P(A)=1/10,记 B=摸到红球 P(B)=?,P(B)=6/10,2,这里实际上是从“比例” 转化为“概率”,记 B=摸到红球 , P(B)=6/10,静态,动

7、态,当我们要求“摸到红球”的概率时，只要找出它在静态时相应的比例.,例9 设有N件产品,其中有M件次品,现从这N件中任取n件,求其中恰有k件次品的概率.,这是一种无放回抽样.,解 令B=恰有k件次品 P(B)=？,次品,正品,M件次品,N-M件 正品,解 把2n只鞋分成n堆,每堆2只的分法总数为,而出现事件A的分法数为n!,故,例10 n双相异的鞋共2n只，随机地分成n堆，每堆2只 . 问:“各堆都自成一双鞋”(事件A)的概率是多少？,“等可能性”是一种假设，在实际应用中，我们需要根据实际情况去判断是否可以认为各基本事件或样本点是等可能的.,1、在应用古典概型时必须注意“等可能性”的条件.,请

8、注意：,2、在用排列组合公式计算古典概率时，必须注意不要重复计数，也不要遗漏.,例如：从5双不同的鞋子中任取4只，这4只鞋子中“至少有两只配成一双”（事件A）的概率是多少？,下面的算法错在哪里？,错在同样的“4只配成两双”算了两次.,从5双中取1双，从剩 下的 8只中取2只,例如：从5双不同的鞋子中任取4只，这4只鞋子中“至少有两只配成一双”（事件A）的概率是多少？,正确的答案是：,请思考： 还有其它解法吗？,3、许多表面上提法不同的问题实质上属于同一类型：,有n个人，每个人都以相同的概率 1/N (Nn)被分在 N 间房的每一间中，求指定的n间房中各有一人的概率.,有n个人，设每个人的生日是

9、任一天的概率为1/365. 求这n (n 365)个人的生日互不相同的概率.,有n个旅客，乘火车途经N个车站，设每个人在每站下车的概率为1/ N(N n) ，求指定的n个站各有一人下车的概率.,古典概型中事件的概率具有如下基本性质,1.3 概率的定义,一、几何概率,1.几何型随机试验及其特征,（1）样本点个数无限 （2）每个样本点出现等可能,2.几何概率的计算,几何概型考虑的是无穷多个等可能结果的随机试验。 首先看下面的例子。,例 1 (会面问题）甲、乙二人约定在 12 点到 5 点之间在某地会面，先到者等一个小时后即离去 设二人在这段时间内的各时刻到达是等可能的， 且二人互不影响。求二人能会

10、面的概率。,解： 以 X , Y 分别表示甲乙二人到达的时刻，于是,即 点 M 落在图中的阴影部 分。所有的点构成一个正 方形，即有无穷多个结果。 由于每人在任一时刻到达 都是等可能的，所以落在正 方形内各点是等可能的。,0 1 2 3 4 5,y,x,5 4 3 2 1,.M(X,Y),二人会面的条件是：,0 1 2 3 4 5,y,x,5 4 3 2 1,y-x =1,y-x = -1,例 2 (蒲丰投针问题）平面上有一族平行线。其中任何相邻的两线距离都是 a (a0) 。向平面任意投一长为 l (la) 的针，试求针与一条平行线相交的概率。,l,M,x,解 ：设 x 是针的中点 M 到最

11、近的平行线的距离， 是针与此平行线的交角，投针问题就相当于向平面区域 D 取点的几何概型。,M,x,D,A,0,思考题 1) 某人午觉醒来，发觉表停了，他打开收音机，想听电 台报时， 求他等待的时间不超过 10 分钟的概率。 (1/6) 2 ) 在线段 AD 上任意取两个点 B、C，在 B、C 处折断此线段 而得三折线，求此三折线能构成三角形的概率。(1/4) 3 )甲、乙两船停靠同一码头，各自独立地到达，且每艘 船在一昼夜间到达是等可能的。若甲船需停泊 1小时，乙船需停泊 2小时，而该码头只能停泊一艘船。试求其中一 艘船要等待码头空出的概率。 (0.121),4) 在区间 ( 0, 1 )

12、中随机地取两个数，求下列事件的概率： (1) 两个数中较小(大)的小于 1/2 ； (3/4, 1/4) (2) 两数之和小于 3/2 ； (7/8) (3) 两数之积小于 1/4 。 (0.5966),二、概率的定义,在解决许多概率问题时，往往需要在有某些附加信息(条件)下求事件的概率.,一、条件概率的定义及性质,1. 条件概率的概念,如在事件B发生的条件下求事件A发生的概率，将此概率记作P(A|B).,一般地 P(A|B) P(A),1.4 条件概率及有关公式,P(A )=1/6，,例如，掷一颗均匀骰子，A=掷出2点，,B=掷出偶数点，,P(A|B)=？,已知事件B发生，此时试验所有可能结

13、果构成的集合就是B，,P(A|B)= 1/3.,B中共有3个元素,它们的出现是等可能的,其中只有1个在集A中.,容易看到,P(A|B),于是,若事件B已发生, 则为使 A也发生 , 试验结果必须是既在 B 中又在A中的样本点 , 即此点必属于AB. 由于我们已经知道B已发生, 故B变成了新的样本空间 , 于是 有(1).,设A、B是两个事件，且P(B)0,则称 (1),2. 条件概率的定义,为在事件B发生的条件下,事件A的条件概率.,3. 条件概率的性质(自行验证),2)从加入条件后改变了的情况去算,4. 条件概率的计算,1) 用定义计算:,P(B)0,P(A|B）=,B发生后的缩减 样本空间

14、所含样 本点总数,在缩减样本空 间中A所含样 本点个数,例1 掷两颗均匀骰子,已知第一颗掷出6点,问“掷出点数之和不小于10”的概率是多少?,解法1,解法2,解 设A=掷出点数之和不小于10 B=第一颗掷出6点,应用 定义,在B发生后的缩减样本 空间中计算,由条件概率的定义：,即 若P(B)0,则P(AB)=P(B)P(A|B) (2),而 P(AB)=P(BA),二、 乘法公式,若已知P(B), P(A|B)时, 可以反求P(AB).,将A、B的位置对调，有,故 P(A)0 , 则 P(AB)=P(A)P(B|A) (3),若 P(A)0,则P(BA)=P(A)P(B|A),(2)和(3)式

15、都称为乘法公式, 利用 它们可计算两个事件同时发生的概率,例2 甲、乙两厂共同生产1000个零件，其中 300件是乙厂生产的. 而在这300个零件中，有189个是标准件，现从这1000个零件中任取一个，问这个零件是乙厂生产的标准件的概率是多少？,所求为P(AB).,甲、乙共生产 1000 个,189个是 标准件,300个 乙厂生产,设B=零件是乙厂生产,A=是标准件,所求为P(AB) .,设B=零件是乙厂生产,A=是标准件,若改为“发现它是 乙厂生产的,问它 是标准件的概率 是多少?”,求的是 P(A|B) .,B发生, 在P(AB)中作为结果; 在P(A|B)中作为条件.,例 设某种动物由出

16、生算起活到20年以上的概率为0.8，活到25年以上的概率为0.4. 问现年20岁的这种动物，它能活到25岁以上的概率是多少？,解 设A=能活20年以上，B=能活25年以上,依题意， P(A)=0.8, P(B)=0.4,所求为 P(B|A) .,条件概率P(A|B)与P(A)的区别,每一个随机试验都是在一定条件下进行的 ,设A是随机试验的一个事件，则P(A)是在该试验条件下事件A发生的可能性大小.,P(A) 与 P(A |B) 的区别在于两者发生的条件不同,它们是两个不同的概念,在数值上一般也不同.,而条件概率 P(A|B) 是在原条件下又添加 “B 发生 ” 这个条件时A发生的可能性大小,

17、即 P(A|B) 仍是概率.,乘法公式应用举例,一个罐子中包含b个白球和r个红球. 随机地抽取一个球，观看颜色后放回罐中，并且再加进 c 个与所抽出的球具有相同颜色的球. 这种手续进行四次 ，试求第一、二次取到白球且第三、四次取到红球的概率.,（波里亚罐子模型）,于是W1W2R3R4表示事件“连续取四个球，第一、第二个是白球，第三、四个是红球. ”,随机取一个球，观看颜色后放回罐中，并且再加进c个与所抽出的球具有相同颜色的球.,解 设 Wi=第i次取出是白球, i=1,2,3,4,Rj=第j次取出是红球， j=1,2,3,4,用乘法公式容易求出,当 c 0 时，由于每次取出球后会增加下一次也取

18、到同色球的概率. 这是一个传染病模型. 每次发现一个传染病患者，都会增加再传染的概率.,=P(W1)P(W2|W1)P(R3|W1W2)P(R4|W1W2R3),P(W1W2R3R4),一场精彩的足球赛将要举行, 5个 球迷好不容易才搞到一张入场券.大家都想去,只好用抽签的方法来解决.,5张同样的卡片,只有一张上写有“入场券”,其余的什么也没写. 将它们放在一起,洗匀,让5个人依次抽取.,后抽比先抽的确实吃亏吗？,到底谁说的对呢？让我们用概率论的知识来计算一下,每个人抽到“入场券”的概率到底有多大?,“大家不必争先恐后，你们一个一个 按次序来，谁抽到入场券的机会都 一样大.”,我们用Ai表示“

19、第i个人抽到入场券” i1,2,3,4,5.,显然，P(A1)=1/5，P( )4/5,第1个人抽到入场券的概率是1/5.,也就是说，,则 表示“第i个人未抽到入场券”,因为若第2个人抽到 了入场券，第1个人 肯定没抽到.,也就是要想第2个人抽到入场券，必须第1个人未抽到，,由于,由乘法公式,P(A2)= (4/5)(1/4)= 1/5,计算得：,这就是有关抽签顺序问题的正确解答.,同理，第3个人要抽到“入场券”，必须第1、第2个人都没有抽到. 因此,(4/5)(3/4)(1/3)=1/5,继续做下去就会发现, 每个人抽到“入场券” 的概率都是1/5.,抽签不必争先恐后.,也就是说，,有三个箱

20、子,分别编号为1,2,3.1号箱装有1个红球4个白球,2号箱装有2红3白球 , 3号箱装有3 红球. 某人从三箱中任取一箱,从中任意摸出一球,求取得红球的概率.,解 记 Ai=球取自i号箱, i=1,2,3; B =取得红球,B发生总是伴随着A1，A2，A3 之一同时发生，,其中 A1、A2、A3两两互斥,看一个例子:,全概率公式,将此例中所用的方法推广到一般的情形，就得到在概率计算中常用的全概率公式.,对求和中的每 一项运用乘法 公式得,P(B)=P( A1B)+P(A2B)+P(A3B),代入数据计算得：P(B)=8/15,运用加法公式得到,即 B= A1B+A2B+A3B， 且 A1B、

21、A2B、A3B 两两互斥,一个事件发生.,定义,定理（全概率公式）：,某一事件A的发生有各种可能的原因 ，如果A是由原因Bi (i=1,2,n) 所引起，则A发生的概率是,每一原因都可能导致A发生，故A发生的概率是各原因引起A发生概率的总和，即全概率公式.,P(ABi)=P(Bi)P(A |Bi),全概率公式.,我们还可以从另一个角度去理解,由此可以形象地把全概率公式看成为“由原因推结果”，每个原因对结果的发生有一定的“作用”，即结果发生的可能性与各种原因的“作用”大小有关. 全概率公式表达了它们之间的关系 .,诸Bi是原因 B是结果,例 甲、乙、丙三人同时对飞机进行射击, 三人击中的概率分别

22、为0.4、0.5、0.7. 飞 机被一人击中而击落的概率为0.2,被两人击中而击落的概率为0.6, 若三人都击中, 飞机必定被击落, 求飞机被击落的概率.,设A=飞机被击落 Bi=飞机被i人击中, i=1,2,3,由全概率公式,则 A=B1A+B2A+B3A,解,P(A)=P(B1)P(A |B1)+ P(B2)P(A|B2),+ P(B3)P(A |B3),可求得,为求P(Bi ) , 设 Hi=飞机被第i人击中, i=1,2,3,将数据代入计算得,P(B1)=0.36;P(B2)=0.41;P(B3)=0.14.,P(A)=P(B1)P(A |B1)+ P(B2)P(A|B2)+P(B3)

23、P(A|B3),=0.458,=0.360.2+0.41 0.6+0.14 1,即飞机被击落的概率为0.458.,于是,该球取自哪号箱的可能性最大?,这一类问题是“已知结果求原因”. 在实际中更为常见，它所求的是条件概率，是已知某结果发生条件下，探求各原因发生可能性大小.,某人从任一箱中任意摸出一球，发现是红球,求该球是取自1号箱的概率.,或者问:,三、贝叶斯公式,看一个例子:,接下来我们介绍为解决这类问题而引出的,贝叶斯公式,有三个箱子，分别编号为1,2,3，1号箱装有1个红球4个白球，2号箱装有2红球3白球，3号箱装有3红球. 某人从三箱中任取一箱，从中任意摸出一球，发现是红球,求该球是取

24、自1号箱的概率 .,1,1红4白,某人从任一箱中任意摸出一球，发现是红球，求该球是取自1号箱的概率.,记 Ai=球取自i号箱, i=1,2,3; B =取得红球,求P(A1|B),运用全概率公式 计算P(B),将这里得到的公式一般化，就得到,贝叶斯公式,该公式于1763年由贝叶斯 (Bayes) 给出. 它是在观察到事件B已发生的条件下，寻找导致B发生的每个原因的概率.,贝叶斯公式在实际中有很多应用.,它可以帮助人们确定某结果（事件 B）发生的最可能原因.,例 某一地区患有癌症的人占0.005，患者对一种试验反应是阳性的概率为0.95，正常人对这种试验反应是阳性的概率为0.04，现抽查了一个人

25、，试验反应是阳性，问此人是癌症患者的概率有多大?,则 表示“抽查的人不患癌症”.,已知 P(C)=0.005,P( )=0.995, P(A|C)=0.95, P(A| )=0.04,求解如下:,设 C=抽查的人患有癌症， A=试验结果是阳性，,求 P(C|A).,现在来分析一下结果的意义.,由贝叶斯公式，可得,代入数据计算得 P(CA)= 0.1066,2. 检出阳性是否一定患有癌症?,1. 这种试验对于诊断一个人是否患有癌症有无意义？,如果不做试验,抽查一人,他是患者的概率,患者阳性反应的概率是0.95，若试验后得阳性反应 则根据试验得来的信息，此人是患者的概率为,从0.005增加到0.1

26、066,将近增加约21倍.,1. 这种试验对于诊断一个人是否患有癌症有意义.,P(CA)= 0.1066,P(C)=0.005,试验结果为阳性 , 此人确患癌症的概率为 P(CA)=0.1066,2. 即使你检出阳性，尚可不必过早下结论你有癌症，这种可能性只有10.66% (平均来说，1000个人中大约只有107人确患癌症)，此时医生常要通过再试验来确认.,P(Ai) (i=1,2,n) 是在没有进一步信息（不知道事件B是否发生）的情况下，人们对诸事件发生可能性大小的认识.,当有了新的信息（知道B发生），人们对诸事件发 生可能性大小P(Ai | B)有了新的估计.,贝叶斯公式从数量上刻划了这种

27、变化,在贝叶斯公式中，P(Ai)和P(Ai |B)分别称为原因的验前概率和验后概率.,解：,显然 P(A|B)=P(A),这就是说,已知事件B发生,并不影响事件A发生的概率,这时称事件A、B独立.,一、两事件的独立性,A=第二次掷出6点， B=第一次掷出6点，,先看一个例子：,将一颗均匀骰子连掷两次，,设,1.5 事件独立性、独立试验序列,由乘法公式知，当事件A、B独立时，有 P(AB)=P(A) P(B),用P(AB)=P(A) P(B)刻划独立性,比用 P(A|B) = P(A) 或 P(B|A) = P(B) 更好,它不受 P(B)0 或 P(A)0 的制约.,若两事件A、B满足 P(A

28、B)= P(A) P(B) (1) 则称A、B相互独立，简称A、B独立.,两事件独立的定义,例 从一副不含大小王的扑克牌中任取一张，记 A=抽到K, B=抽到的牌是黑色的,可见, P(AB)=P(A)P(B),由于 P(A)=4/52=1/13,故 事件A、B独立.,问事件A、B是否独立？,解,P(AB)=2/52=1/26.,P(B)=26/52=1/2,前面我们是根据两事件独立的定义作出结论的，也可以通过计算条件概率去做:,从一副不含大小王的扑克牌中任取一张,记 A=抽到K, B=抽到的牌是黑色的,在实际应用中, 往往根据问题的实际意义去判断两事件是否独立.,可见 P(A)= P(A|B)

29、, 即事件A、B独立.,则,P(A)=1/13, P(A|B)=2/26=1/13,在实际应用中,往往根据问题的实际意义去判断两事件是否独立.,由于“甲命中”并不影响“乙命中”的概率，故认为A、B独立 .,甲、乙两人向同一目标射击,记 A=甲命中, B=乙命中，A与B是否独立？,例如,（即一事件发生与否并不影响另一事件发生的概率）,一批产品共n件，从中抽取2件，设 Ai=第i件是合格品 i=1,2,若抽取是有放回的, 则A1与A2独立.,因为第二次抽取的结果受到第一次 抽取的影响.,又如：,因为第二次抽取的结果 不受第一次抽取的影响.,若抽取是无放回的，则A1与A2不独立.,请问：如图的两个事件是独立的吗？,即 若A、B互斥，且P(A)0, P(B)0,则A与B不独立.,反之，若A与B独立，且P(A)0,P(B)0,则A 、B不互斥.,而P(A) 0, P(B) 0,故 A、B不独立,我们来计算：,P(AB)=0,=P(A)1- P(B),= P(A)- P(AB),