Professional Documents
Culture Documents
ProbStat 1
ProbStat 1
事件的概率
概率的性质
条件概率
独立性
《概率论与数理统计》
第一章 随机事件及其概率
汤银才
华东师范大学 金融与统计学院
《概率论与数理统计》
第一章 随机事件及其概率
汤银才
华东师范大学 金融与统计学院
1.1 随机事件及其运算
目录:
随机现象
样本空间
必然事件与不可能事件
事件间的关系
事件的运算
1.1.1 随机现象
自然界中的有两类现象:
1 确定性现象
我每天早晨太阳从东方升起;
水在标准大气压下加温到100 沸腾.
2 随机现象
掷一枚硬币, 正面朝上? 反面朝上?
一天内进入某超市的顾客数;
某种型号电视机的寿命.
1.1.1 随机现象
自然界中的有两类现象:
1 确定性现象
我每天早晨太阳从东方升起;
水在标准大气压下加温到100 沸腾.
2 随机现象
掷一枚硬币, 正面朝上? 反面朝上?
一天内进入某超市的顾客数;
某种型号电视机的寿命.
1.1.1 随机现象
自然界中的有两类现象:
1 确定性现象
我每天早晨太阳从东方升起;
水在标准大气压下加温到100 沸腾.
2 随机现象
掷一枚硬币, 正面朝上? 反面朝上?
一天内进入某超市的顾客数;
某种型号电视机的寿命.
1.1.1 随机现象
自然界中的有两类现象:
1 确定性现象
我每天早晨太阳从东方升起;
水在标准大气压下加温到100 沸腾.
2 随机现象
掷一枚硬币, 正面朝上? 反面朝上?
一天内进入某超市的顾客数;
某种型号电视机的寿命.
1.1.1 随机现象
自然界中的有两类现象:
1 确定性现象
我每天早晨太阳从东方升起;
水在标准大气压下加温到100 沸腾.
2 随机现象
掷一枚硬币, 正面朝上? 反面朝上?
一天内进入某超市的顾客数;
某种型号电视机的寿命.
1.1.1 随机现象
自然界中的有两类现象:
1 确定性现象
我每天早晨太阳从东方升起;
水在标准大气压下加温到100 沸腾.
2 随机现象
掷一枚硬币, 正面朝上? 反面朝上?
一天内进入某超市的顾客数;
某种型号电视机的寿命.
1.1.1 随机现象
自然界中的有两类现象:
1 确定性现象
我每天早晨太阳从东方升起;
水在标准大气压下加温到100 沸腾.
2 随机现象
掷一枚硬币, 正面朝上? 反面朝上?
一天内进入某超市的顾客数;
某种型号电视机的寿命.
随机现象的统计规律性
随机现象
在一定的条件下, 并不总出现相同结果的现象称为随机现象.
特点:
结果不止一个
事先不知道哪一个会出现
随机现象的统计规律性
随机现象的各种结果会表现出一定的规律性,这种规律性称之
为统计规律性.
随机现象的统计规律性
随机现象
在一定的条件下, 并不总出现相同结果的现象称为随机现象.
特点:
结果不止一个
事先不知道哪一个会出现
随机现象的统计规律性
随机现象的各种结果会表现出一定的规律性,这种规律性称之
为统计规律性.
随机现象的统计规律性
随机现象
在一定的条件下, 并不总出现相同结果的现象称为随机现象.
特点:
结果不止一个
事先不知道哪一个会出现
随机现象的统计规律性
随机现象的各种结果会表现出一定的规律性,这种规律性称之
为统计规律性.
随机现象的统计规律性
随机现象
在一定的条件下, 并不总出现相同结果的现象称为随机现象.
特点:
结果不止一个
事先不知道哪一个会出现
随机现象的统计规律性
随机现象的各种结果会表现出一定的规律性,这种规律性称之
为统计规律性.
随机现象的统计规律性
随机现象
在一定的条件下, 并不总出现相同结果的现象称为随机现象.
特点:
结果不止一个
事先不知道哪一个会出现
随机现象的统计规律性
随机现象的各种结果会表现出一定的规律性,这种规律性称之
为统计规律性.
随机现象的统计规律性
随机现象
在一定的条件下, 并不总出现相同结果的现象称为随机现象.
特点:
结果不止一个
事先不知道哪一个会出现
随机现象的统计规律性
随机现象的各种结果会表现出一定的规律性,这种规律性称之
为统计规律性.
1.1.2 样本空间
随机试验(E)
对随机现象进行的实验与观察.
它具有两个特点:随机性、可重复性.
样本点(ω)
随机试验的每一个可能结果.
样本空间(Ω)
随机试验的所有样本点构成的集合.
1.1.2 样本空间
随机试验(E)
对随机现象进行的实验与观察.
它具有两个特点:随机性、可重复性.
样本点(ω)
随机试验的每一个可能结果.
样本空间(Ω)
随机试验的所有样本点构成的集合.
1.1.2 样本空间
随机试验(E)
对随机现象进行的实验与观察.
它具有两个特点:随机性、可重复性.
样本点(ω)
随机试验的每一个可能结果.
样本空间(Ω)
随机试验的所有样本点构成的集合.
1.1.2 样本空间
随机试验(E)
对随机现象进行的实验与观察.
它具有两个特点:随机性、可重复性.
样本点(ω)
随机试验的每一个可能结果.
样本空间(Ω)
随机试验的所有样本点构成的集合.
1.1.2 样本空间
随机试验(E)
对随机现象进行的实验与观察.
它具有两个特点:随机性、可重复性.
样本点(ω)
随机试验的每一个可能结果.
样本空间(Ω)
随机试验的所有样本点构成的集合.
两类样本空间:
离散样本空间: 样本点的个数为有限个或可列个;
连续样本空间: 样本点的个数为无限不可列个.
两类样本空间:
离散样本空间: 样本点的个数为有限个或可列个;
连续样本空间: 样本点的个数为无限不可列个.
两类样本空间:
离散样本空间: 样本点的个数为有限个或可列个;
连续样本空间: 样本点的个数为无限不可列个.
1.1.3 随机事件
基本事件(ω)
Ω的单点集.
随机事件(A, B, · · · )
某些样本点组成的Ω的子集. 随机事件简称为事件.
事件的特征:
任一事件A是样本空间的子集: A ⊂ Ω;
事件A发生⇔ A中某一基本事件发生;
事件A的发生可用集合表示: ω ∈ A.
1.1.3 随机事件
基本事件(ω)
Ω的单点集.
随机事件(A, B, · · · )
某些样本点组成的Ω的子集. 随机事件简称为事件.
事件的特征:
任一事件A是样本空间的子集: A ⊂ Ω;
事件A发生⇔ A中某一基本事件发生;
事件A的发生可用集合表示: ω ∈ A.
1.1.3 随机事件
基本事件(ω)
Ω的单点集.
随机事件(A, B, · · · )
某些样本点组成的Ω的子集. 随机事件简称为事件.
事件的特征:
任一事件A是样本空间的子集: A ⊂ Ω;
事件A发生⇔ A中某一基本事件发生;
事件A的发生可用集合表示: ω ∈ A.
1.1.3 随机事件
基本事件(ω)
Ω的单点集.
随机事件(A, B, · · · )
某些样本点组成的Ω的子集. 随机事件简称为事件.
事件的特征:
任一事件A是样本空间的子集: A ⊂ Ω;
事件A发生⇔ A中某一基本事件发生;
事件A的发生可用集合表示: ω ∈ A.
1.1.3 随机事件
基本事件(ω)
Ω的单点集.
随机事件(A, B, · · · )
某些样本点组成的Ω的子集. 随机事件简称为事件.
事件的特征:
任一事件A是样本空间的子集: A ⊂ Ω;
事件A发生⇔ A中某一基本事件发生;
事件A的发生可用集合表示: ω ∈ A.
1.1.3 随机事件
基本事件(ω)
Ω的单点集.
随机事件(A, B, · · · )
某些样本点组成的Ω的子集. 随机事件简称为事件.
事件的特征:
任一事件A是样本空间的子集: A ⊂ Ω;
事件A发生⇔ A中某一基本事件发生;
事件A的发生可用集合表示: ω ∈ A.
1.1.4 必然事件与不可能事件
1 必然事件: Ω;
2 不可能事件: Φ;
1.1.4 必然事件与不可能事件
1 必然事件: Ω;
2 不可能事件: Φ;
事件的表示
事件的表示
事件的表示
事件的表示
事件的表示
事件的表示
1.1.5 事件间的关系
包含关系:A ⊂ B 或 B ⊃ A
A 发生必然导致B 发生.
⇒ Φ ⊂ A ⊂ Ω.
相等关系:A = B ⇔ A ⊂ B 且 B ⊂ A
A 发生必然导致B 发生.
互不相容关系:
A 与 B 不可能同时发生.
注: 事件之间的“交”运算(见后面)可表示为 AB = Φ.
1.1.5 事件间的关系
包含关系:A ⊂ B 或 B ⊃ A
A 发生必然导致B 发生.
⇒ Φ ⊂ A ⊂ Ω.
相等关系:A = B ⇔ A ⊂ B 且 B ⊂ A
A 发生必然导致B 发生.
互不相容关系:
A 与 B 不可能同时发生.
注: 事件之间的“交”运算(见后面)可表示为 AB = Φ.
1.1.5 事件间的关系
包含关系:A ⊂ B 或 B ⊃ A
A 发生必然导致B 发生.
⇒ Φ ⊂ A ⊂ Ω.
相等关系:A = B ⇔ A ⊂ B 且 B ⊂ A
A 发生必然导致B 发生.
互不相容关系:
A 与 B 不可能同时发生.
注: 事件之间的“交”运算(见后面)可表示为 AB = Φ.
例1.1.1
例1.1.1
口袋中有a 个白球、b 个黑球, 从中一个一个不返回地取球. A =
“取到最后一个是白球”, B = “取到最后一段是白球”. 问A
与B 的关系?
解:
1) 显然,B 发生必然导致A发生,所以B ⊂ A.
2) 又因为A发生必然导致B发生,所以A ⊂ B.
由此得A = B.
例1.1.1
例1.1.1
口袋中有a 个白球、b 个黑球, 从中一个一个不返回地取球. A =
“取到最后一个是白球”, B = “取到最后一段是白球”. 问A
与B 的关系?
解:
1) 显然,B 发生必然导致A发生,所以B ⊂ A.
2) 又因为A发生必然导致B发生,所以A ⊂ B.
由此得A = B.
例1.1.1
例1.1.1
口袋中有a 个白球、b 个黑球, 从中一个一个不返回地取球. A =
“取到最后一个是白球”, B = “取到最后一段是白球”. 问A
与B 的关系?
解:
1) 显然,B 发生必然导致A发生,所以B ⊂ A.
2) 又因为A发生必然导致B发生,所以A ⊂ B.
由此得A = B.
例1.1.1
例1.1.1
口袋中有a 个白球、b 个黑球, 从中一个一个不返回地取球. A =
“取到最后一个是白球”, B = “取到最后一段是白球”. 问A
与B 的关系?
解:
1) 显然,B 发生必然导致A发生,所以B ⊂ A.
2) 又因为A发生必然导致B发生,所以A ⊂ B.
由此得A = B.
例1.1.1
例1.1.1
口袋中有a 个白球、b 个黑球, 从中一个一个不返回地取球. A =
“取到最后一个是白球”, B = “取到最后一段是白球”. 问A
与B 的关系?
解:
1) 显然,B 发生必然导致A发生,所以B ⊂ A.
2) 又因为A发生必然导致B发生,所以A ⊂ B.
由此得A = B.
1.1.6 事件的运算
并:A ∪ B
A 与B 至少有一发生.
交:A ∩ B = AB
A 与B 同时发生.
对立:A
A 不发生.
差:A ∪ B = AB
A 发生但B 不发生.
1.1.6 事件的运算
并:A ∪ B
A 与B 至少有一发生.
交:A ∩ B = AB
A 与B 同时发生.
对立:A
A 不发生.
差:A ∪ B = AB
A 发生但B 不发生.
1.1.6 事件的运算
并:A ∪ B
A 与B 至少有一发生.
交:A ∩ B = AB
A 与B 同时发生.
对立:A
A 不发生.
差:A ∪ B = AB
A 发生但B 不发生.
1.1.6 事件的运算
并:A ∪ B
A 与B 至少有一发生.
交:A ∩ B = AB
A 与B 同时发生.
对立:A
A 不发生.
差:A ∪ B = AB
A 发生但B 不发生.
注意点(1)
Ω = Φ, Φ=Ω A=A
A ∩ A = φ, A∪A=Ω
A ∩ φ = φ, A∪φ=A
A ∩ Ω = A, A∪Ω=Ω
A
φ ⊂ AB ⊂ ⊂A∪B ⊂Ω
B
注意点(1)
Ω = Φ, Φ=Ω A=A
A ∩ A = φ, A∪A=Ω
A ∩ φ = φ, A∪φ=A
A ∩ Ω = A, A∪Ω=Ω
A
φ ⊂ AB ⊂ ⊂A∪B ⊂Ω
B
注意点(1)
Ω = Φ, Φ=Ω A=A
A ∩ A = φ, A∪A=Ω
A ∩ φ = φ, A∪φ=A
A ∩ Ω = A, A∪Ω=Ω
A
φ ⊂ AB ⊂ ⊂A∪B ⊂Ω
B
注意点(1)
Ω = Φ, Φ=Ω A=A
A ∩ A = φ, A∪A=Ω
A ∩ φ = φ, A∪φ=A
A ∩ Ω = A, A∪Ω=Ω
A
φ ⊂ AB ⊂ ⊂A∪B ⊂Ω
B
注意点(1)
Ω = Φ, Φ=Ω A=A
A ∩ A = φ, A∪A=Ω
A ∩ φ = φ, A∪φ=A
A ∩ Ω = A, A∪Ω=Ω
A
φ ⊂ AB ⊂ ⊂A∪B ⊂Ω
B
注意点(2)
A⊂B ⇒ A ∪ B = B, AB = A
A − B = A − AB
A ∪ B = A ∪ (B − A) = A ∪ (B − AB)
A = AB ∪ AB
注意点(2)
A⊂B ⇒ A ∪ B = B, AB = A
A − B = A − AB
A ∪ B = A ∪ (B − A) = A ∪ (B − AB)
A = AB ∪ AB
注意点(2)
A⊂B ⇒ A ∪ B = B, AB = A
A − B = A − AB
A ∪ B = A ∪ (B − A) = A ∪ (B − AB)
A = AB ∪ AB
注意点(2)
A⊂B ⇒ A ∪ B = B, AB = A
A − B = A − AB
A ∪ B = A ∪ (B − A) = A ∪ (B − AB)
A = AB ∪ AB
概率论与集合论符号意义对照
记号 概率论 集合论
Ω 样本空间, 必然事件 空间
Φ 不可能事件 空集
ω 样本点 元素
A⊂B A发生必然导致B发生 A是B的子集
AB = Φ A与B互不相容 A与B无相同元素
A∪B A与B至少有一发生 A与B的并集
A∩B A与B同时发生 A与B的交集
A−B A发生且B不发生 A与B的差集
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机现象
随机事件及其运算
样本空间
事件的概率
随机事件
概率的性质
必然事件与不可能事件
条件概率
事件间的关系
独立性
事件的运算
概率论与集合论符号意义对照
记号 概率论 集合论
Ω 样本空间, 必然事件 空间
Φ 不可能事件 空集
ω 样本点 元素
A⊂B A发生必然导致B发生 A是B的子集
AB = Φ A与B互不相容 A与B无相同元素
A∪B A与B至少有一发生 A与B的并集
A∩B A与B同时发生 A与B的交集
A−B A发生且B不发生 A与B的差集
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机现象
随机事件及其运算
样本空间
事件的概率
随机事件
概率的性质
必然事件与不可能事件
条件概率
事件间的关系
独立性
事件的运算
概率论与集合论符号意义对照
记号 概率论 集合论
Ω 样本空间, 必然事件 空间
Φ 不可能事件 空集
ω 样本点 元素
A⊂B A发生必然导致B发生 A是B的子集
AB = Φ A与B互不相容 A与B无相同元素
A∪B A与B至少有一发生 A与B的并集
A∩B A与B同时发生 A与B的交集
A−B A发生且B不发生 A与B的差集
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机现象
随机事件及其运算
样本空间
事件的概率
随机事件
概率的性质
必然事件与不可能事件
条件概率
事件间的关系
独立性
事件的运算
概率论与集合论符号意义对照
记号 概率论 集合论
Ω 样本空间, 必然事件 空间
Φ 不可能事件 空集
ω 样本点 元素
A⊂B A发生必然导致B发生 A是B的子集
AB = Φ A与B互不相容 A与B无相同元素
A∪B A与B至少有一发生 A与B的并集
A∩B A与B同时发生 A与B的交集
A−B A发生且B不发生 A与B的差集
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机现象
随机事件及其运算
样本空间
事件的概率
随机事件
概率的性质
必然事件与不可能事件
条件概率
事件间的关系
独立性
事件的运算
样本空间的分割
样本空间Ω的分割
若A1 , A2 , · · · , An 有
1 Ai , i = 1, 2, · · · , n互不相容,即Ai Aj = Φ, ∀i 6= j;
2 A1 ∪ A2 ∪ · · · ∪ An = Ω.
则称A1 , A2 , · · · , An 为Ω的一个分割(或划分).
样本空间的分割
样本空间Ω的分割
若A1 , A2 , · · · , An 有
1 Ai , i = 1, 2, · · · , n互不相容,即Ai Aj = Φ, ∀i 6= j;
2 A1 ∪ A2 ∪ · · · ∪ An = Ω.
则称A1 , A2 , · · · , An 为Ω的一个分割(或划分).
样本空间的分割
样本空间Ω的分割
若A1 , A2 , · · · , An 有
1 Ai , i = 1, 2, · · · , n互不相容,即Ai Aj = Φ, ∀i 6= j;
2 A1 ∪ A2 ∪ · · · ∪ An = Ω.
则称A1 , A2 , · · · , An 为Ω的一个分割(或划分).
样本空间的分割
样本空间Ω的分割
若A1 , A2 , · · · , An 有
1 Ai , i = 1, 2, · · · , n互不相容,即Ai Aj = Φ, ∀i 6= j;
2 A1 ∪ A2 ∪ · · · ∪ An = Ω.
则称A1 , A2 , · · · , An 为Ω的一个分割(或划分).
例1.1.2
例1.1.2
设事件A = “甲种产品畅销,乙种产品滞销”, 则A 的对立事
件为(??)
1 甲种产品滞销,乙种产品畅销;
2 甲、乙两种产品均畅销;
3 甲种产品滞销;
4 甲种产品滞销或者乙种产品畅销.
例1.1.2
例1.1.2
设事件A = “甲种产品畅销,乙种产品滞销”, 则A 的对立事
件为(??)
1 甲种产品滞销,乙种产品畅销;
2 甲、乙两种产品均畅销;
3 甲种产品滞销;
4 甲种产品滞销或者乙种产品畅销.
例1.1.2
例1.1.2
设事件A = “甲种产品畅销,乙种产品滞销”, 则A 的对立事
件为(??)
1 甲种产品滞销,乙种产品畅销;
2 甲、乙两种产品均畅销;
3 甲种产品滞销;
4 甲种产品滞销或者乙种产品畅销.
例1.1.2
例1.1.2
设事件A = “甲种产品畅销,乙种产品滞销”, 则A 的对立事
件为(??)
1 甲种产品滞销,乙种产品畅销;
2 甲、乙两种产品均畅销;
3 甲种产品滞销;
4 甲种产品滞销或者乙种产品畅销.
例1.1.2
例1.1.2
设事件A = “甲种产品畅销,乙种产品滞销”, 则A 的对立事
件为(??)
1 甲种产品滞销,乙种产品畅销;
2 甲、乙两种产品均畅销;
3 甲种产品滞销;
4 甲种产品滞销或者乙种产品畅销.
例1.1.2
例1.1.2
设事件A = “甲种产品畅销,乙种产品滞销”, 则A 的对立事
件为(??)
1 甲种产品滞销,乙种产品畅销;
2 甲、乙两种产品均畅销;
3 甲种产品滞销;
4 甲种产品滞销或者乙种产品畅销.
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
例1.1.3
例1.1.3
试用A、B、C 表示下列事件:
1 A 出现; A
2 仅A 出现; AB C
3 恰有一个出现; AB C ∪ ABC ∪ A BC
4 至少有一个出现; A∪B ∪C
5 至多有一个出现; A B C ∪ AB C ∪ ABC ∪ A BC
6 都不出现; AB C
7 不都出现; ABC = A ∪ B ∪ C
8 至少有两个出现; AB ∪ BC ∪ AC
§1.1 习题/P9
§1.1 习题:
4, 6, 9
1.2 事件的概率
目录:
事件的概率
排列与组合
确定概率的频率方法
确定概率的古典方法
1.2.1 事件的概率
直观定义
事件A 出现的可能性大小.
统计定义
事件A 在大量重复试验下出现的频率的稳定值称为该事件的概
率.
古典定义
(基于古典概型,见后面讨论.)
公理化定义
1.2.1 事件的概率
直观定义
事件A 出现的可能性大小.
统计定义
事件A 在大量重复试验下出现的频率的稳定值称为该事件的概
率.
古典定义
(基于古典概型,见后面讨论.)
公理化定义
1.2.1 事件的概率
直观定义
事件A 出现的可能性大小.
统计定义
事件A 在大量重复试验下出现的频率的稳定值称为该事件的概
率.
古典定义
(基于古典概型,见后面讨论.)
公理化定义
1.2.1 事件的概率
直观定义
事件A 出现的可能性大小.
统计定义
事件A 在大量重复试验下出现的频率的稳定值称为该事件的概
率.
古典定义
(基于古典概型,见后面讨论.)
公理化定义
概率的公理化定义:
非负性
P(A) > 0, ∀A ∈ Ω
正则性(规范性)
P(Ω) = 1
(可列)可加性
若A1 , A2 , · · · , An , · · · 互不相容, 则
∞ ∞
!
[ X
P Ai = P(Ai )
i=1 i=1
概率的公理化定义:
非负性
P(A) > 0, ∀A ∈ Ω
正则性(规范性)
P(Ω) = 1
(可列)可加性
若A1 , A2 , · · · , An , · · · 互不相容, 则
∞ ∞
!
[ X
P Ai = P(Ai )
i=1 i=1
概率的公理化定义:
非负性
P(A) > 0, ∀A ∈ Ω
正则性(规范性)
P(Ω) = 1
(可列)可加性
若A1 , A2 , · · · , An , · · · 互不相容, 则
∞ ∞
!
[ X
P Ai = P(Ai )
i=1 i=1
1.2.2 排列与组合
n!
选排列: Pnr = (n−r )! = n(n − 1)......(n − r + 1)
从n 个不同的元素中不放回地任取r (r ≤ n) 个排成一列.
全排列: Pn = n! (0! = 1)
r = n的选排列.
重复排列: nr
从n 个不同的元素中有放回地任取r 个排成一列.
1.2.2 排列与组合
n!
选排列: Pnr = (n−r )! = n(n − 1)......(n − r + 1)
从n 个不同的元素中不放回地任取r (r ≤ n) 个排成一列.
全排列: Pn = n! (0! = 1)
r = n的选排列.
重复排列: nr
从n 个不同的元素中有放回地任取r 个排成一列.
1.2.2 排列与组合
n!
选排列: Pnr = (n−r )! = n(n − 1)......(n − r + 1)
从n 个不同的元素中不放回地任取r (r ≤ n) 个排成一列.
全排列: Pn = n! (0! = 1)
r = n的选排列.
重复排列: nr
从n 个不同的元素中有放回地任取r 个排成一列.
n n! Pnr
组合: Cnr = = r !(n−r )! = r!
r
从n 个不同的元素中不放回地任取r (r ≤ n) 个并成一组.
r n+r −1
重复组合: Cn+r −1 =
r
从n 个不同的元素中有放回地任取r 个并成一组.
n n! Pnr
组合: Cnr = = r !(n−r )! = r!
r
从n 个不同的元素中不放回地任取r (r ≤ n) 个并成一组.
r n+r −1
重复组合: Cn+r −1 =
r
从n 个不同的元素中有放回地任取r 个并成一组.
注意
求排列、组合时,要掌握和注意:
加法原理、乘法原理.
加法原理
加法原理
完成某件事情有n 类途径, 在第一类途径中有m1 种方法, 在第二
类途径中有m2 种方法, 依次类推, 在第n 类途径中有mn 种方法,
则完成这件事共有m1 + m2 + · · · + mn 种不同的方法.
乘法原理
乘法原理
完成某件事情需先后分成n 个步骤, 做第一步有m1 种方法, 第二
步有m2 种方法, 依次类推, 第n 步有mn 种方法, 则完成这件事共
有m1 × m2 × · · · × mn 种不同的方法.
1.2.3 确定概率的频率方法
进行n次重复试验, 记n(A)为事件A发生的次数(称为频数),
称fn (A) = n(A)
n 为事件A的频率.
频率fn (A)会稳定于某一常数(稳定值).
用频率的稳定值作为该事件的概率.
例子: 抛硬币;掷骰子.
性质
fn (A)满足非负性、正则性和有限可加性. (请自己证明)
1.2.3 确定概率的频率方法
进行n次重复试验, 记n(A)为事件A发生的次数(称为频数),
称fn (A) = n(A)
n 为事件A的频率.
频率fn (A)会稳定于某一常数(稳定值).
用频率的稳定值作为该事件的概率.
例子: 抛硬币;掷骰子.
性质
fn (A)满足非负性、正则性和有限可加性. (请自己证明)
1.2.3 确定概率的频率方法
进行n次重复试验, 记n(A)为事件A发生的次数(称为频数),
称fn (A) = n(A)
n 为事件A的频率.
频率fn (A)会稳定于某一常数(稳定值).
用频率的稳定值作为该事件的概率.
例子: 抛硬币;掷骰子.
性质
fn (A)满足非负性、正则性和有限可加性. (请自己证明)
1.2.3 确定概率的频率方法
进行n次重复试验, 记n(A)为事件A发生的次数(称为频数),
称fn (A) = n(A)
n 为事件A的频率.
频率fn (A)会稳定于某一常数(稳定值).
用频率的稳定值作为该事件的概率.
例子: 抛硬币;掷骰子.
性质
fn (A)满足非负性、正则性和有限可加性. (请自己证明)
1.2.3 确定概率的频率方法
进行n次重复试验, 记n(A)为事件A发生的次数(称为频数),
称fn (A) = n(A)
n 为事件A的频率.
频率fn (A)会稳定于某一常数(稳定值).
用频率的稳定值作为该事件的概率.
例子: 抛硬币;掷骰子.
性质
fn (A)满足非负性、正则性和有限可加性. (请自己证明)
1.2.4 确定概率的古典方法
古典概型
样本空间Ω满足
有限性: 仅含有限个样本点(设为n个);
等可能性: 每个样本点出现的可能性相等(即均为1/n).
古典方法
若事件A含有k个样本点, 则
A中样本点的个数 k
P(A) = = .
样本点总数 n
1.2.4 确定概率的古典方法
古典概型
样本空间Ω满足
有限性: 仅含有限个样本点(设为n个);
等可能性: 每个样本点出现的可能性相等(即均为1/n).
古典方法
若事件A含有k个样本点, 则
A中样本点的个数 k
P(A) = = .
样本点总数 n
1.2.4 确定概率的古典方法
古典概型
样本空间Ω满足
有限性: 仅含有限个样本点(设为n个);
等可能性: 每个样本点出现的可能性相等(即均为1/n).
古典方法
若事件A含有k个样本点, 则
A中样本点的个数 k
P(A) = = .
样本点总数 n
1.2.4 确定概率的古典方法
古典概型
样本空间Ω满足
有限性: 仅含有限个样本点(设为n个);
等可能性: 每个样本点出现的可能性相等(即均为1/n).
古典方法
若事件A含有k个样本点, 则
A中样本点的个数 k
P(A) = = .
样本点总数 n
1.2.4 确定概率的古典方法
古典概型
样本空间Ω满足
有限性: 仅含有限个样本点(设为n个);
等可能性: 每个样本点出现的可能性相等(即均为1/n).
古典方法
若事件A含有k个样本点, 则
A中样本点的个数 k
P(A) = = .
样本点总数 n
1.2.4 确定概率的古典方法
古典概型
样本空间Ω满足
有限性: 仅含有限个样本点(设为n个);
等可能性: 每个样本点出现的可能性相等(即均为1/n).
古典方法
若事件A含有k个样本点, 则
A中样本点的个数 k
P(A) = = .
样本点总数 n
注意
注意: 样本空间Ω的选取会影响概率的计算
例如: 抛一枚硬币三次(⇔抛三枚硬币一次), 记H=“正面向上”,
T=“反面向上”, 则
1 Ω1 ={(H,H,H), (H,H,T), (H,T,H), (T,H,H), (H,T,T),
(T,H,T), (T,T,H), (T,T,T)}. 它满足等可能性.
2 Ω2 ={(三正), (二正一反), (一正二反), (三反)}. 此样本空
间是不等可能性的.
注意
注意: 样本空间Ω的选取会影响概率的计算
例如: 抛一枚硬币三次(⇔抛三枚硬币一次), 记H=“正面向上”,
T=“反面向上”, 则
1 Ω1 ={(H,H,H), (H,H,T), (H,T,H), (T,H,H), (H,T,T),
(T,H,T), (T,T,H), (T,T,T)}. 它满足等可能性.
2 Ω2 ={(三正), (二正一反), (一正二反), (三反)}. 此样本空
间是不等可能性的.
注意
注意: 样本空间Ω的选取会影响概率的计算
例如: 抛一枚硬币三次(⇔抛三枚硬币一次), 记H=“正面向上”,
T=“反面向上”, 则
1 Ω1 ={(H,H,H), (H,H,T), (H,T,H), (T,H,H), (H,T,T),
(T,H,T), (T,T,H), (T,T,T)}. 它满足等可能性.
2 Ω2 ={(三正), (二正一反), (一正二反), (三反)}. 此样本空
间是不等可能性的.
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.1
从一副扑克牌(52张)中随机抽取若干张牌,考虑下列事件的概
率.
26
1 A=“抽出一张红牌”; P(A) = 52 = 0.5
2 B=“抽出一张不是红心牌”; P(B) = 39 52
(132)
3 C=“抽出二张红心牌”; P(C ) = 52
(2)
26×26
4 D=“抽出二张不同颜色的牌”; P(D) =
(522)
(4)×(13)
5 E=“抽出二张同花色的牌”; P(E ) = 1 52 2
(2)
6 F=“抽出5张, 恰好是同花顺”; P(F ) = 4×10
(525)
例1.2.2
例1.2.2
六根草,头两两相接、尾两两相接, 求成环(记为事件A)的概率.
解:
用乘法原则直接计算. 所求概率为
6×4×4×2×2×1 8
P(A) = =
6×5×4×3×2×1 15
你还有其它方法吗?
4×2×1 8
P(A) = =
5×3×1 15
例1.2.2
例1.2.2
六根草,头两两相接、尾两两相接, 求成环(记为事件A)的概率.
解:
用乘法原则直接计算. 所求概率为
6×4×4×2×2×1 8
P(A) = =
6×5×4×3×2×1 15
你还有其它方法吗?
4×2×1 8
P(A) = =
5×3×1 15
例1.2.2
例1.2.2
六根草,头两两相接、尾两两相接, 求成环(记为事件A)的概率.
解:
用乘法原则直接计算. 所求概率为
6×4×4×2×2×1 8
P(A) = =
6×5×4×3×2×1 15
你还有其它方法吗?
4×2×1 8
P(A) = =
5×3×1 15
例1.2.2
例1.2.2
六根草,头两两相接、尾两两相接, 求成环(记为事件A)的概率.
解:
用乘法原则直接计算. 所求概率为
6×4×4×2×2×1 8
P(A) = =
6×5×4×3×2×1 15
你还有其它方法吗?
4×2×1 8
P(A) = =
5×3×1 15
例1.2.2
例1.2.2
六根草,头两两相接、尾两两相接, 求成环(记为事件A)的概率.
解:
用乘法原则直接计算. 所求概率为
6×4×4×2×2×1 8
P(A) = =
6×5×4×3×2×1 15
你还有其它方法吗?
4×2×1 8
P(A) = =
5×3×1 15
例1.2.2
例1.2.2
六根草,头两两相接、尾两两相接, 求成环(记为事件A)的概率.
解:
用乘法原则直接计算. 所求概率为
6×4×4×2×2×1 8
P(A) = =
6×5×4×3×2×1 15
你还有其它方法吗?
4×2×1 8
P(A) = =
5×3×1 15
例1.2.2
例1.2.2
六根草,头两两相接、尾两两相接, 求成环(记为事件A)的概率.
解:
用乘法原则直接计算. 所求概率为
6×4×4×2×2×1 8
P(A) = =
6×5×4×3×2×1 15
你还有其它方法吗?
4×2×1 8
P(A) = =
5×3×1 15
例1.2.3
例1.2.3
n 个人围一圆桌坐, 求甲、乙两人相邻而坐(记为事件A)的概率.
解:
考虑甲先坐好,则乙有n-1个位置可坐, 而“甲乙相邻”只有两种
情况, 所以
2
P(A) = .
n−1
例1.2.3
例1.2.3
n 个人围一圆桌坐, 求甲、乙两人相邻而坐(记为事件A)的概率.
解:
考虑甲先坐好,则乙有n-1个位置可坐, 而“甲乙相邻”只有两种
情况, 所以
2
P(A) = .
n−1
例1.2.3
你还有其它方法吗?
2 × (n − 2)! 2
P(A) = = .
(n − 1)! n−1
例1.2.3
你还有其它方法吗?
2 × (n − 2)! 2
P(A) = = .
(n − 1)! n−1
例1.2.3
你还有其它方法吗?
2 × (n − 2)! 2
P(A) = = .
(n − 1)! n−1
例1.2.3
你还有其它方法吗?
2 × (n − 2)! 2
P(A) = = .
(n − 1)! n−1
例1.2.4
例1.2.4(请与上一题作比较)
n个人坐成一排, 求甲、乙两人相邻而坐(记为事件A)的概率.
解:
1 先考虑样本空间的样本点数:甲先坐、乙后坐,则共
有n(n-1) 种可能;
2 甲在两端,则乙与甲相邻共有2种可能;
3 甲在中间(n-2)个位置上,则乙左右都可坐,所以共
有2(n-2)种可能.
2+2(n−2)
4 由此得所求概率为: n(n−1) = n2 .
例1.2.4
例1.2.4(请与上一题作比较)
n个人坐成一排, 求甲、乙两人相邻而坐(记为事件A)的概率.
解:
1 先考虑样本空间的样本点数:甲先坐、乙后坐,则共
有n(n-1) 种可能;
2 甲在两端,则乙与甲相邻共有2种可能;
3 甲在中间(n-2)个位置上,则乙左右都可坐,所以共
有2(n-2)种可能.
2+2(n−2)
4 由此得所求概率为: n(n−1) = n2 .
例1.2.4
例1.2.4(请与上一题作比较)
n个人坐成一排, 求甲、乙两人相邻而坐(记为事件A)的概率.
解:
1 先考虑样本空间的样本点数:甲先坐、乙后坐,则共
有n(n-1) 种可能;
2 甲在两端,则乙与甲相邻共有2种可能;
3 甲在中间(n-2)个位置上,则乙左右都可坐,所以共
有2(n-2)种可能.
2+2(n−2)
4 由此得所求概率为: n(n−1) = n2 .
例1.2.4
例1.2.4(请与上一题作比较)
n个人坐成一排, 求甲、乙两人相邻而坐(记为事件A)的概率.
解:
1 先考虑样本空间的样本点数:甲先坐、乙后坐,则共
有n(n-1) 种可能;
2 甲在两端,则乙与甲相邻共有2种可能;
3 甲在中间(n-2)个位置上,则乙左右都可坐,所以共
有2(n-2)种可能.
2+2(n−2)
4 由此得所求概率为: n(n−1) = n2 .
例1.2.4
例1.2.4(请与上一题作比较)
n个人坐成一排, 求甲、乙两人相邻而坐(记为事件A)的概率.
解:
1 先考虑样本空间的样本点数:甲先坐、乙后坐,则共
有n(n-1) 种可能;
2 甲在两端,则乙与甲相邻共有2种可能;
3 甲在中间(n-2)个位置上,则乙左右都可坐,所以共
有2(n-2)种可能.
2+2(n−2)
4 由此得所求概率为: n(n−1) = n2 .
例1.2.4
例1.2.4(请与上一题作比较)
n个人坐成一排, 求甲、乙两人相邻而坐(记为事件A)的概率.
解:
1 先考虑样本空间的样本点数:甲先坐、乙后坐,则共
有n(n-1) 种可能;
2 甲在两端,则乙与甲相邻共有2种可能;
3 甲在中间(n-2)个位置上,则乙左右都可坐,所以共
有2(n-2)种可能.
2+2(n−2)
4 由此得所求概率为: n(n−1) = n2 .
例1.2.4
你还有其它方法吗?
2(n − 1)! 2
P(A) = = .
n! n
例1.2.4
你还有其它方法吗?
2(n − 1)! 2
P(A) = = .
n! n
例1.2.4
你还有其它方法吗?
2(n − 1)! 2
P(A) = = .
n! n
例1.2.4
你还有其它方法吗?
2(n − 1)! 2
P(A) = = .
n! n
§1.2 习题/P24
§1.2 习题:
4, 5, 12, 16, 18, 21, 22
1.3 概率的性质
定理3.1 (对立事件公式)
P(A) = 1 − P(A).
定理3.2
P(φ) = 0.
注意: 其逆并不一定成立!
定理3.1 (对立事件公式)
P(A) = 1 − P(A).
定理3.2
P(φ) = 0.
注意: 其逆并不一定成立!
定理3.3 (有限可加性)
若AB = φ, 则
P(A ∪ B) = P(A) + P(B).
(推广)
若Ai Aj = φ, ∀i 6= j, i, j = 1, 2, · · · , n 则
n n
!
[ X
P = P(Ai ).
i=1 i=1
定理3.3 (有限可加性)
若AB = φ, 则
P(A ∪ B) = P(A) + P(B).
(推广)
若Ai Aj = φ, ∀i 6= j, i, j = 1, 2, · · · , n 则
n n
!
[ X
P = P(Ai ).
i=1 i=1
定理3.4
若A ⊃ B, 则
1 P(A − B) = P(A) − P(B);
2 [推论] P(A) ≥ P(B).
定理3.5 (概率的加法公式)
1 P(A ∪ B) = P(A) + P(B) − P(AB);
2 [推论] P(A ∪ B) ≤ P(A) + P(B).
定理3.4
若A ⊃ B, 则
1 P(A − B) = P(A) − P(B);
2 [推论] P(A) ≥ P(B).
定理3.5 (概率的加法公式)
1 P(A ∪ B) = P(A) + P(B) − P(AB);
2 [推论] P(A ∪ B) ≤ P(A) + P(B).
定理3.4
若A ⊃ B, 则
1 P(A − B) = P(A) − P(B);
2 [推论] P(A) ≥ P(B).
定理3.5 (概率的加法公式)
1 P(A ∪ B) = P(A) + P(B) − P(AB);
2 [推论] P(A ∪ B) ≤ P(A) + P(B).
定理3.4
若A ⊃ B, 则
1 P(A − B) = P(A) − P(B);
2 [推论] P(A) ≥ P(B).
定理3.5 (概率的加法公式)
1 P(A ∪ B) = P(A) + P(B) − P(AB);
2 [推论] P(A ∪ B) ≤ P(A) + P(B).
定理3.4
若A ⊃ B, 则
1 P(A − B) = P(A) − P(B);
2 [推论] P(A) ≥ P(B).
定理3.5 (概率的加法公式)
1 P(A ∪ B) = P(A) + P(B) − P(AB);
2 [推论] P(A ∪ B) ≤ P(A) + P(B).
定理3.4
若A ⊃ B, 则
1 P(A − B) = P(A) − P(B);
2 [推论] P(A) ≥ P(B).
定理3.5 (概率的加法公式)
1 P(A ∪ B) = P(A) + P(B) − P(AB);
2 [推论] P(A ∪ B) ≤ P(A) + P(B).
定理3.6 (概率的加法公式)
定理3.6 (概率的加法公式)
定理3.6 (概率的加法公式)
定理3.6 (概率的加法公式)
古典方法确定概率的几种计算手段
1 用排列组合直接计算;
2 用对立事件公式计算;
3 用加法公式计算;
4 利用对称性计算.
特别注意掌握一些常见模型和问题.
古典方法确定概率的几种计算手段
1 用排列组合直接计算;
2 用对立事件公式计算;
3 用加法公式计算;
4 利用对称性计算.
特别注意掌握一些常见模型和问题.
古典方法确定概率的几种计算手段
1 用排列组合直接计算;
2 用对立事件公式计算;
3 用加法公式计算;
4 利用对称性计算.
特别注意掌握一些常见模型和问题.
古典方法确定概率的几种计算手段
1 用排列组合直接计算;
2 用对立事件公式计算;
3 用加法公式计算;
4 利用对称性计算.
特别注意掌握一些常见模型和问题.
古典方法确定概率的几种计算手段
1 用排列组合直接计算;
2 用对立事件公式计算;
3 用加法公式计算;
4 利用对称性计算.
特别注意掌握一些常见模型和问题.
古典方法确定概率的几种计算手段
1 用排列组合直接计算;
2 用对立事件公式计算;
3 用加法公式计算;
4 利用对称性计算.
特别注意掌握一些常见模型和问题.
例1.3.1
例1.3.1
AB = φ, P(A) = 0.6, P(A ∪ B) = 0.8, 求B的对立事件的概率.
解:
由P(A ∪ B) = P(A) + P(B) − P(AB) = P(A) + P(B) 得
所以
P(B) = 1 − 0.2 = 0.8.
例1.3.1
例1.3.1
AB = φ, P(A) = 0.6, P(A ∪ B) = 0.8, 求B的对立事件的概率.
解:
由P(A ∪ B) = P(A) + P(B) − P(AB) = P(A) + P(B) 得
所以
P(B) = 1 − 0.2 = 0.8.
例1.3.1
例1.3.1
AB = φ, P(A) = 0.6, P(A ∪ B) = 0.8, 求B的对立事件的概率.
解:
由P(A ∪ B) = P(A) + P(B) − P(AB) = P(A) + P(B) 得
所以
P(B) = 1 − 0.2 = 0.8.
例1.3.1
例1.3.1
AB = φ, P(A) = 0.6, P(A ∪ B) = 0.8, 求B的对立事件的概率.
解:
由P(A ∪ B) = P(A) + P(B) − P(AB) = P(A) + P(B) 得
所以
P(B) = 1 − 0.2 = 0.8.
例1.3.2
例1.3.2
已知P(A) = 0.4, P(B) = 0.3, P(A ∪ B) = 0.6, 求P(A − B).
解:
因为P(A − B) = P(A) − P(AB), 所以先求P(AB).
由加法公式得
所以
P(A − B) = P(A) − P(AB) = 0.3
.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
例1.3.2
例1.3.2
已知P(A) = 0.4, P(B) = 0.3, P(A ∪ B) = 0.6, 求P(A − B).
解:
因为P(A − B) = P(A) − P(AB), 所以先求P(AB).
由加法公式得
所以
P(A − B) = P(A) − P(AB) = 0.3
.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
例1.3.2
例1.3.2
已知P(A) = 0.4, P(B) = 0.3, P(A ∪ B) = 0.6, 求P(A − B).
解:
因为P(A − B) = P(A) − P(AB), 所以先求P(AB).
由加法公式得
所以
P(A − B) = P(A) − P(AB) = 0.3
.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
例1.3.2
例1.3.2
已知P(A) = 0.4, P(B) = 0.3, P(A ∪ B) = 0.6, 求P(A − B).
解:
因为P(A − B) = P(A) − P(AB), 所以先求P(AB).
由加法公式得
所以
P(A − B) = P(A) − P(AB) = 0.3
.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
例1.3.3
例1.3.3
已知P(A) = P(B) = P(C ) = 1/4,
P(AB) = 0, P(AC ) = P(BC ) = 1/12, 求A、B、C 都不出现的概
率.
解:
因为A, B, C 都不出现可表示为A B C , 故由加法公式得
P(ABC ) = 1 − P(A ∪ B ∪ C )
= 1 − P(A) − P(B) − P(C )
+ P(AB) + P(AC ) + P(BC ) − P(ABC )
= 1 − 1/4 − 1/4 − 1/4 + 0 + 1/12 + 1/12 − 0
= 5/12
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
例1.3.3
例1.3.3
已知P(A) = P(B) = P(C ) = 1/4,
P(AB) = 0, P(AC ) = P(BC ) = 1/12, 求A、B、C 都不出现的概
率.
解:
因为A, B, C 都不出现可表示为A B C , 故由加法公式得
P(ABC ) = 1 − P(A ∪ B ∪ C )
= 1 − P(A) − P(B) − P(C )
+ P(AB) + P(AC ) + P(BC ) − P(ABC )
= 1 − 1/4 − 1/4 − 1/4 + 0 + 1/12 + 1/12 − 0
= 5/12
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
例1.3.3
例1.3.3
已知P(A) = P(B) = P(C ) = 1/4,
P(AB) = 0, P(AC ) = P(BC ) = 1/12, 求A、B、C 都不出现的概
率.
解:
因为A, B, C 都不出现可表示为A B C , 故由加法公式得
P(ABC ) = 1 − P(A ∪ B ∪ C )
= 1 − P(A) − P(B) − P(C )
+ P(AB) + P(AC ) + P(BC ) − P(ABC )
= 1 − 1/4 − 1/4 − 1/4 + 0 + 1/12 + 1/12 − 0
= 5/12
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
例1.3.3
例1.3.3
已知P(A) = P(B) = P(C ) = 1/4,
P(AB) = 0, P(AC ) = P(BC ) = 1/12, 求A、B、C 都不出现的概
率.
解:
因为A, B, C 都不出现可表示为A B C , 故由加法公式得
P(ABC ) = 1 − P(A ∪ B ∪ C )
= 1 − P(A) − P(B) − P(C )
+ P(AB) + P(AC ) + P(BC ) − P(ABC )
= 1 − 1/4 − 1/4 − 1/4 + 0 + 1/12 + 1/12 − 0
= 5/12
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
例1.3.3
例1.3.3
已知P(A) = P(B) = P(C ) = 1/4,
P(AB) = 0, P(AC ) = P(BC ) = 1/12, 求A、B、C 都不出现的概
率.
解:
因为A, B, C 都不出现可表示为A B C , 故由加法公式得
P(ABC ) = 1 − P(A ∪ B ∪ C )
= 1 − P(A) − P(B) − P(C )
+ P(AB) + P(AC ) + P(BC ) − P(ABC )
= 1 − 1/4 − 1/4 − 1/4 + 0 + 1/12 + 1/12 − 0
= 5/12
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
例1.3.3
例1.3.3
已知P(A) = P(B) = P(C ) = 1/4,
P(AB) = 0, P(AC ) = P(BC ) = 1/12, 求A、B、C 都不出现的概
率.
解:
因为A, B, C 都不出现可表示为A B C , 故由加法公式得
P(ABC ) = 1 − P(A ∪ B ∪ C )
= 1 − P(A) − P(B) − P(C )
+ P(AB) + P(AC ) + P(BC ) − P(ABC )
= 1 − 1/4 − 1/4 − 1/4 + 0 + 1/12 + 1/12 − 0
= 5/12
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
例1.3.4
例1.3.4
掷二颗骰子, 求至少有一颗骰子的点数大于3的概率.
解:
设A=“至少有一颗骰子的点数大于3”, Ai =“第i颗骰子的
点数大于3”, i=1,2. 则A = A1 ∪ A2 .
而P(A1 ) = P(A2 ) = 21 , P(A1 A2 ) = 14 .
所以
例1.3.4
例1.3.4
掷二颗骰子, 求至少有一颗骰子的点数大于3的概率.
解:
设A=“至少有一颗骰子的点数大于3”, Ai =“第i颗骰子的
点数大于3”, i=1,2. 则A = A1 ∪ A2 .
而P(A1 ) = P(A2 ) = 21 , P(A1 A2 ) = 14 .
所以
例1.3.4
例1.3.4
掷二颗骰子, 求至少有一颗骰子的点数大于3的概率.
解:
设A=“至少有一颗骰子的点数大于3”, Ai =“第i颗骰子的
点数大于3”, i=1,2. 则A = A1 ∪ A2 .
而P(A1 ) = P(A2 ) = 21 , P(A1 A2 ) = 14 .
所以
例1.3.4
例1.3.4
掷二颗骰子, 求至少有一颗骰子的点数大于3的概率.
解:
设A=“至少有一颗骰子的点数大于3”, Ai =“第i颗骰子的
点数大于3”, i=1,2. 则A = A1 ∪ A2 .
而P(A1 ) = P(A2 ) = 21 , P(A1 A2 ) = 14 .
所以
例1.3.4
例1.3.4
掷二颗骰子, 求至少有一颗骰子的点数大于3的概率.
解:
设A=“至少有一颗骰子的点数大于3”, Ai =“第i颗骰子的
点数大于3”, i=1,2. 则A = A1 ∪ A2 .
而P(A1 ) = P(A2 ) = 21 , P(A1 A2 ) = 14 .
所以
例1.3.4(续)
掷三颗骰子, 求至少有一颗骰子的点数大于3的概率.
解:
设A=“至少有一颗骰子的点数大于3”, Ai =“第i颗骰子的
点数大于3”, i=1,2,3. 则A = A1 ∪ A2 ∪ A3 .
而P(Ai ) = 12 , P(Ai Aj ) = 14 , P(A1 A2 A3 ) = 18 .
所以
例1.3.4(续)
掷三颗骰子, 求至少有一颗骰子的点数大于3的概率.
解:
设A=“至少有一颗骰子的点数大于3”, Ai =“第i颗骰子的
点数大于3”, i=1,2,3. 则A = A1 ∪ A2 ∪ A3 .
而P(Ai ) = 12 , P(Ai Aj ) = 14 , P(A1 A2 A3 ) = 18 .
所以
例1.3.4(续)
掷三颗骰子, 求至少有一颗骰子的点数大于3的概率.
解:
设A=“至少有一颗骰子的点数大于3”, Ai =“第i颗骰子的
点数大于3”, i=1,2,3. 则A = A1 ∪ A2 ∪ A3 .
而P(Ai ) = 12 , P(Ai Aj ) = 14 , P(A1 A2 A3 ) = 18 .
所以
例1.3.4(续)
掷三颗骰子, 求至少有一颗骰子的点数大于3的概率.
解:
设A=“至少有一颗骰子的点数大于3”, Ai =“第i颗骰子的
点数大于3”, i=1,2,3. 则A = A1 ∪ A2 ∪ A3 .
而P(Ai ) = 12 , P(Ai Aj ) = 14 , P(A1 A2 A3 ) = 18 .
所以
例1.3.4(续)
掷三颗骰子, 求至少有一颗骰子的点数大于3的概率.
解:
设A=“至少有一颗骰子的点数大于3”, Ai =“第i颗骰子的
点数大于3”, i=1,2,3. 则A = A1 ∪ A2 ∪ A3 .
而P(Ai ) = 12 , P(Ai Aj ) = 14 , P(A1 A2 A3 ) = 18 .
所以
例1.3.4(续)
掷4颗, 5颗, ..., n骰子, 求至少有一颗骰子的点数大于3的概率.
解:
上述方法显然太烦了!
有没有其它办法求P(A)?
考虑n=3时,
A=“每一颗骰子的点数均小于等于3”=A1 A2 A3
P(A) = 213 = 18
P(A) = 1 − P(A) = 78
推广
n
!
[ 1
P Ai = 1 − P(A) = 1 − .
2n
i=1
例1.3.4(续)
掷4颗, 5颗, ..., n骰子, 求至少有一颗骰子的点数大于3的概率.
解:
上述方法显然太烦了!
有没有其它办法求P(A)?
考虑n=3时,
A=“每一颗骰子的点数均小于等于3”=A1 A2 A3
P(A) = 213 = 18
P(A) = 1 − P(A) = 78
推广
n
!
[ 1
P Ai = 1 − P(A) = 1 − .
2n
i=1
例1.3.4(续)
掷4颗, 5颗, ..., n骰子, 求至少有一颗骰子的点数大于3的概率.
解:
上述方法显然太烦了!
有没有其它办法求P(A)?
考虑n=3时,
A=“每一颗骰子的点数均小于等于3”=A1 A2 A3
P(A) = 213 = 18
P(A) = 1 − P(A) = 78
推广
n
!
[ 1
P Ai = 1 − P(A) = 1 − .
2n
i=1
例1.3.4(续)
掷4颗, 5颗, ..., n骰子, 求至少有一颗骰子的点数大于3的概率.
解:
上述方法显然太烦了!
有没有其它办法求P(A)?
考虑n=3时,
A=“每一颗骰子的点数均小于等于3”=A1 A2 A3
P(A) = 213 = 18
P(A) = 1 − P(A) = 78
推广
n
!
[ 1
P Ai = 1 − P(A) = 1 − .
2n
i=1
例1.3.4(续)
掷4颗, 5颗, ..., n骰子, 求至少有一颗骰子的点数大于3的概率.
解:
上述方法显然太烦了!
有没有其它办法求P(A)?
考虑n=3时,
A=“每一颗骰子的点数均小于等于3”=A1 A2 A3
P(A) = 213 = 18
P(A) = 1 − P(A) = 78
推广
n
!
[ 1
P Ai = 1 − P(A) = 1 − .
2n
i=1
例1.3.4(续)
掷4颗, 5颗, ..., n骰子, 求至少有一颗骰子的点数大于3的概率.
解:
上述方法显然太烦了!
有没有其它办法求P(A)?
考虑n=3时,
A=“每一颗骰子的点数均小于等于3”=A1 A2 A3
P(A) = 213 = 18
P(A) = 1 − P(A) = 78
推广
n
!
[ 1
P Ai = 1 − P(A) = 1 − .
2n
i=1
例1.3.4(续)
掷4颗, 5颗, ..., n骰子, 求至少有一颗骰子的点数大于3的概率.
解:
上述方法显然太烦了!
有没有其它办法求P(A)?
考虑n=3时,
A=“每一颗骰子的点数均小于等于3”=A1 A2 A3
P(A) = 213 = 18
P(A) = 1 − P(A) = 78
推广
n
!
[ 1
P Ai = 1 − P(A) = 1 − .
2n
i=1
例1.3.4(续)
掷4颗, 5颗, ..., n骰子, 求至少有一颗骰子的点数大于3的概率.
解:
上述方法显然太烦了!
有没有其它办法求P(A)?
考虑n=3时,
A=“每一颗骰子的点数均小于等于3”=A1 A2 A3
P(A) = 213 = 18
P(A) = 1 − P(A) = 78
推广
n
!
[ 1
P Ai = 1 − P(A) = 1 − .
2n
i=1
例1.3.4(续)
掷4颗, 5颗, ..., n骰子, 求至少有一颗骰子的点数大于3的概率.
解:
上述方法显然太烦了!
有没有其它办法求P(A)?
考虑n=3时,
A=“每一颗骰子的点数均小于等于3”=A1 A2 A3
P(A) = 213 = 18
P(A) = 1 − P(A) = 78
推广
n
!
[ 1
P Ai = 1 − P(A) = 1 − .
2n
i=1
利用对立事件
例1.3.5
口袋中有n − 1个黑球、1个白球,每次从口袋中随机地摸出一
球,并换入一只黑球。求第k次取到黑球的概率.
解:
记A=“第k 次取到黑球”, 则A的对立事件为A=“第k 次取到白
球”. 而“第k 次取到白球”意味着: “第1次,……,第k − 1次取
到黑球,而第k 次取到白球”. 所以
(n − 1)k−1
P(A) = 1 − P(A) = 1 − .
nk
利用对立事件
例1.3.5
口袋中有n − 1个黑球、1个白球,每次从口袋中随机地摸出一
球,并换入一只黑球。求第k次取到黑球的概率.
解:
记A=“第k 次取到黑球”, 则A的对立事件为A=“第k 次取到白
球”. 而“第k 次取到白球”意味着: “第1次,……,第k − 1次取
到黑球,而第k 次取到白球”. 所以
(n − 1)k−1
P(A) = 1 − P(A) = 1 − .
nk
利用对立事件
例1.3.5
口袋中有n − 1个黑球、1个白球,每次从口袋中随机地摸出一
球,并换入一只黑球。求第k次取到黑球的概率.
解:
记A=“第k 次取到黑球”, 则A的对立事件为A=“第k 次取到白
球”. 而“第k 次取到白球”意味着: “第1次,……,第k − 1次取
到黑球,而第k 次取到白球”. 所以
(n − 1)k−1
P(A) = 1 − P(A) = 1 − .
nk
利用对立事件
例1.3.5
口袋中有n − 1个黑球、1个白球,每次从口袋中随机地摸出一
球,并换入一只黑球。求第k次取到黑球的概率.
解:
记A=“第k 次取到黑球”, 则A的对立事件为A=“第k 次取到白
球”. 而“第k 次取到白球”意味着: “第1次,……,第k − 1次取
到黑球,而第k 次取到白球”. 所以
(n − 1)k−1
P(A) = 1 − P(A) = 1 − .
nk
想一想?
思考题
口袋中有2个白球,每次从口袋中随机地摸出一球,并换入一只
黑球. 求第k 次取到黑球的概率。
例1.3.6
一颗骰子掷4次,求至少出现一次6点的概率.
解:
用对立事件进行计算. 记A=“至少出现一次6点”,
则所求概率为
54
P(A) = 1 − P(A) = 1 − = 0.5177
64
例1.3.6
一颗骰子掷4次,求至少出现一次6点的概率.
解:
用对立事件进行计算. 记A=“至少出现一次6点”,
则所求概率为
54
P(A) = 1 − P(A) = 1 − = 0.5177
64
例1.3.6
一颗骰子掷4次,求至少出现一次6点的概率.
解:
用对立事件进行计算. 记A=“至少出现一次6点”,
则所求概率为
54
P(A) = 1 − P(A) = 1 − = 0.5177
64
例1.3.6
一颗骰子掷4次,求至少出现一次6点的概率.
解:
用对立事件进行计算. 记A=“至少出现一次6点”,
则所求概率为
54
P(A) = 1 − P(A) = 1 − = 0.5177
64
例1.3.7
两颗骰子掷24 次,求至少出现一次双6点的概率.
解:
记B = “至少出现一次双6点”,则所求概率为
3524
P(B) = 1 − P(B) = 1 − = 0.4914.
3624
例1.3.7
两颗骰子掷24 次,求至少出现一次双6点的概率.
解:
记B = “至少出现一次双6点”,则所求概率为
3524
P(B) = 1 − P(B) = 1 − = 0.4914.
3624
例1.3.7
两颗骰子掷24 次,求至少出现一次双6点的概率.
解:
记B = “至少出现一次双6点”,则所求概率为
3524
P(B) = 1 − P(B) = 1 − = 0.4914.
3624
例1.3.7
两颗骰子掷24 次,求至少出现一次双6点的概率.
解:
记B = “至少出现一次双6点”,则所求概率为
3524
P(B) = 1 − P(B) = 1 − = 0.4914.
3624
利用对立事件和加法公式
例1.3.8
从1, 2, ……, 9中返回取n次,求取出的n个数的乘积能被10整除
的概率.
解:
因为“乘积能被10整除”意味着:“取到过5”(记为A)且“取到
过偶数”(记为B). 因此所求概率为P(AB). 故利用对立事件公
式、德莫根公式和加法公式可得
P(AB) = 1 − P(A ∪ B)
= 1 − P(A) − P(B) + P(A B)
8n 5n 4n
=1− n − n + n
9 9 9
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
利用对立事件和加法公式
例1.3.8
从1, 2, ……, 9中返回取n次,求取出的n个数的乘积能被10整除
的概率.
解:
因为“乘积能被10整除”意味着:“取到过5”(记为A)且“取到
过偶数”(记为B). 因此所求概率为P(AB). 故利用对立事件公
式、德莫根公式和加法公式可得
P(AB) = 1 − P(A ∪ B)
= 1 − P(A) − P(B) + P(A B)
8n 5n 4n
=1− n − n + n
9 9 9
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
利用对称性
例1.3.9
甲掷硬币n + 1次,乙掷n次, 求甲掷出的正面数比乙掷出的正面
数多的概率.
解:
记甲正 =甲掷出的正面数, 乙正 =乙掷出的正面数; 甲反 =甲掷出的反面
数, 乙反 =乙掷出的反面数. 因为
利用对称性
例1.3.9
甲掷硬币n + 1次,乙掷n次, 求甲掷出的正面数比乙掷出的正面
数多的概率.
解:
记甲正 =甲掷出的正面数, 乙正 =乙掷出的正面数; 甲反 =甲掷出的反面
数, 乙反 =乙掷出的反面数. 因为
利用对称性
例1.3.9
甲掷硬币n + 1次,乙掷n次, 求甲掷出的正面数比乙掷出的正面
数多的概率.
解:
记甲正 =甲掷出的正面数, 乙正 =乙掷出的正面数; 甲反 =甲掷出的反面
数, 乙反 =乙掷出的反面数. 因为
利用对称性
例1.3.9
甲掷硬币n + 1次,乙掷n次, 求甲掷出的正面数比乙掷出的正面
数多的概率.
解:
记甲正 =甲掷出的正面数, 乙正 =乙掷出的正面数; 甲反 =甲掷出的反面
数, 乙反 =乙掷出的反面数. 因为
利用对称性
例1.3.9
甲掷硬币n + 1次,乙掷n次, 求甲掷出的正面数比乙掷出的正面
数多的概率.
解:
记甲正 =甲掷出的正面数, 乙正 =乙掷出的正面数; 甲反 =甲掷出的反面
数, 乙反 =乙掷出的反面数. 因为
常见模型(1) — 不返回抽样
不返回抽样
N 个产品, 其中M个不合格品, N − M个合格品.
(或口袋中有M 个白球, N − M个黑球)
从中不返回任取n个, 则此n个中有m个不合格品(记为A)的概
率为:
M N −M
m n−m
P(A) = , n ≤ N, m ≤ M, n−m ≤ N−M.
N
n
此模型又称超几何模型.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
常见模型(1) — 不返回抽样
不返回抽样
N 个产品, 其中M个不合格品, N − M个合格品.
(或口袋中有M 个白球, N − M个黑球)
从中不返回任取n个, 则此n个中有m个不合格品(记为A)的概
率为:
M N −M
m n−m
P(A) = , n ≤ N, m ≤ M, n−m ≤ N−M.
N
n
此模型又称超几何模型.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
常见模型(1) — 不返回抽样
不返回抽样
N 个产品, 其中M个不合格品, N − M个合格品.
(或口袋中有M 个白球, N − M个黑球)
从中不返回任取n个, 则此n个中有m个不合格品(记为A)的概
率为:
M N −M
m n−m
P(A) = , n ≤ N, m ≤ M, n−m ≤ N−M.
N
n
此模型又称超几何模型.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
常见模型(1) — 不返回抽样
不返回抽样
N 个产品, 其中M个不合格品, N − M个合格品.
(或口袋中有M 个白球, N − M个黑球)
从中不返回任取n个, 则此n个中有m个不合格品(记为A)的概
率为:
M N −M
m n−m
P(A) = , n ≤ N, m ≤ M, n−m ≤ N−M.
N
n
此模型又称超几何模型.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
常见模型(1) — 不返回抽样
不返回抽样
N 个产品, 其中M个不合格品, N − M个合格品.
(或口袋中有M 个白球, N − M个黑球)
从中不返回任取n个, 则此n个中有m个不合格品(记为A)的概
率为:
M N −M
m n−m
P(A) = , n ≤ N, m ≤ M, n−m ≤ N−M.
N
n
此模型又称超几何模型.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
事件的概率
概率的性质
条件概率
独立性
思考题
口袋中有5 个白球、7个黑球、4个红球.
从中不返回任取3个:
求取出的3 个球为不同颜色的球(记为事件A)的概率.
5 7 4
1 1 1 140 1
P(A) = = =
16 560 4
3
思考题
口袋中有5 个白球、7个黑球、4个红球.
从中不返回任取3个:
求取出的3 个球为不同颜色的球(记为事件A)的概率.
5 7 4
1 1 1 140 1
P(A) = = =
16 560 4
3
思考题
口袋中有5 个白球、7个黑球、4个红球.
从中不返回任取3个:
求取出的3 个球为不同颜色的球(记为事件A)的概率.
5 7 4
1 1 1 140 1
P(A) = = =
16 560 4
3
思考题
口袋中有5 个白球、7个黑球、4个红球.
从中不返回任取3个:
求取出的3 个球为不同颜色的球(记为事件A)的概率.
5 7 4
1 1 1 140 1
P(A) = = =
16 560 4
3
思考题
口袋中有5 个白球、7个黑球、4个红球.
从中不返回任取3个:
求取出的3 个球为不同颜色的球(记为事件A)的概率.
5 7 4
1 1 1 140 1
P(A) = = =
16 560 4
3
思考题
口袋中有5 个白球、7个黑球、4个红球.
从中不返回任取3个:
求取出的3 个球为不同颜色的球(记为事件A)的概率.
5 7 4
1 1 1 140 1
P(A) = = =
16 560 4
3
常见模型(2) — 有返回抽样
有返回抽样
N 个产品,其中M个不合格品, N − M个合格品.
(或口袋中有M个白球, N − M个黑球)
从中有返回地任取n个.
则此n 个中有m (≤ n)个不合格品(记为事件A)的概率为:
m
N − M n−m
m
n M (N − M)n−m
n M
P(A) = =
m Nn m N N
常见模型(2) — 有返回抽样
有返回抽样
N 个产品,其中M个不合格品, N − M个合格品.
(或口袋中有M个白球, N − M个黑球)
从中有返回地任取n个.
则此n 个中有m (≤ n)个不合格品(记为事件A)的概率为:
m
N − M n−m
m
n M (N − M)n−m
n M
P(A) = =
m Nn m N N
常见模型(2) — 有返回抽样
有返回抽样
N 个产品,其中M个不合格品, N − M个合格品.
(或口袋中有M个白球, N − M个黑球)
从中有返回地任取n个.
则此n 个中有m (≤ n)个不合格品(记为事件A)的概率为:
m
N − M n−m
m
n M (N − M)n−m
n M
P(A) = =
m Nn m N N
常见模型(2) — 有返回抽样
有返回抽样
N 个产品,其中M个不合格品, N − M个合格品.
(或口袋中有M个白球, N − M个黑球)
从中有返回地任取n个.
则此n 个中有m (≤ n)个不合格品(记为事件A)的概率为:
m
N − M n−m
m
n M (N − M)n−m
n M
P(A) = =
m Nn m N N
常见模型(2) — 有返回抽样
有返回抽样
N 个产品,其中M个不合格品, N − M个合格品.
(或口袋中有M个白球, N − M个黑球)
从中有返回地任取n个.
则此n 个中有m (≤ n)个不合格品(记为事件A)的概率为:
m
N − M n−m
m
n M (N − M)n−m
n M
P(A) = =
m Nn m N N
常见模型(2) — 有返回抽样
有返回抽样
N 个产品,其中M个不合格品, N − M个合格品.
(或口袋中有M个白球, N − M个黑球)
从中有返回地任取n个.
则此n 个中有m (≤ n)个不合格品(记为事件A)的概率为:
m
N − M n−m
m
n M (N − M)n−m
n M
P(A) = =
m Nn m N N
常见模型(3) — 盒子模型
盒子模型
n 个不同球放入N 个不同的盒子中.
每个盒子中所放球数不限.
则恰有n(≤ N) 个盒子中各有一球(记为事件A)的概率为:
PNn N!
P(A) = n
= n
N N (N − n)!
常见模型(3) — 盒子模型
盒子模型
n 个不同球放入N 个不同的盒子中.
每个盒子中所放球数不限.
则恰有n(≤ N) 个盒子中各有一球(记为事件A)的概率为:
PNn N!
P(A) = n
= n
N N (N − n)!
常见模型(3) — 盒子模型
盒子模型
n 个不同球放入N 个不同的盒子中.
每个盒子中所放球数不限.
则恰有n(≤ N) 个盒子中各有一球(记为事件A)的概率为:
PNn N!
P(A) = n
= n
N N (N − n)!
常见模型(3) — 盒子模型
盒子模型
n 个不同球放入N 个不同的盒子中.
每个盒子中所放球数不限.
则恰有n(≤ N) 个盒子中各有一球(记为事件A)的概率为:
PNn N!
P(A) = n
= n
N N (N − n)!
常见模型(3) — 盒子模型
盒子模型
n 个不同球放入N 个不同的盒子中.
每个盒子中所放球数不限.
则恰有n(≤ N) 个盒子中各有一球(记为事件A)的概率为:
PNn N!
P(A) = n
= n
N N (N − n)!
常见模型(3) — 盒子模型
盒子模型
n 个不同球放入N 个不同的盒子中.
每个盒子中所放球数不限.
则恰有n(≤ N) 个盒子中各有一球(记为事件A)的概率为:
PNn N!
P(A) = n
= n
N N (N − n)!
生日问题:
求n 个人中至少有两人生日相同的概率.
解:
问题看成n 个球放入N = 365个盒子中;
P(至少两人生日相同)=1-P(生日全不相同).
用盒子模型得:
365!
pn = P(至少两人生日相同) = 1 −
365n (365 − n)!
生日问题:
求n 个人中至少有两人生日相同的概率.
解:
问题看成n 个球放入N = 365个盒子中;
P(至少两人生日相同)=1-P(生日全不相同).
用盒子模型得:
365!
pn = P(至少两人生日相同) = 1 −
365n (365 − n)!
生日问题:
求n 个人中至少有两人生日相同的概率.
解:
问题看成n 个球放入N = 365个盒子中;
P(至少两人生日相同)=1-P(生日全不相同).
用盒子模型得:
365!
pn = P(至少两人生日相同) = 1 −
365n (365 − n)!
生日问题:
求n 个人中至少有两人生日相同的概率.
解:
问题看成n 个球放入N = 365个盒子中;
P(至少两人生日相同)=1-P(生日全不相同).
用盒子模型得:
365!
pn = P(至少两人生日相同) = 1 −
365n (365 − n)!
生日问题:
求n 个人中至少有两人生日相同的概率.
解:
问题看成n 个球放入N = 365个盒子中;
P(至少两人生日相同)=1-P(生日全不相同).
用盒子模型得:
365!
pn = P(至少两人生日相同) = 1 −
365n (365 − n)!
生日问题:
求n 个人中至少有两人生日相同的概率.
解:
问题看成n 个球放入N = 365个盒子中;
P(至少两人生日相同)=1-P(生日全不相同).
用盒子模型得:
365!
pn = P(至少两人生日相同) = 1 −
365n (365 − n)!
生日问题:
求n 个人中至少有两人生日相同的概率.
解:
问题看成n 个球放入N = 365个盒子中;
P(至少两人生日相同)=1-P(生日全不相同).
用盒子模型得:
365!
pn = P(至少两人生日相同) = 1 −
365n (365 − n)!
生日问题:
求n 个人中至少有两人生日相同的概率.
解:
问题看成n 个球放入N = 365个盒子中;
P(至少两人生日相同)=1-P(生日全不相同).
用盒子模型得:
365!
pn = P(至少两人生日相同) = 1 −
365n (365 − n)!
常见模型(4) — 配对模型
配对模型
有n 个人的n顶帽子被混乱放在一起, 现他们各自任意取,至
少一个人拿对自己帽子的概率是多少.
记Ai = “第i 个人拿对自己的帽子”, i = 1, 2, · · · , n.
现要求P(A1 ∪ A2 ∪ · · · ∪ An ).
可用对立事件公式吗? 不能!!
用(一般的)加法公式
n n
!
[ X X X
P Ai = P(Ai ) − P(Ai Aj ) + P(Ai Aj Ak )
i=1 i=1
+ ...... + (−1)n−1 P(A1 A2 ......An )
常见模型(4) — 配对模型
配对模型
有n 个人的n顶帽子被混乱放在一起, 现他们各自任意取,至
少一个人拿对自己帽子的概率是多少.
记Ai = “第i 个人拿对自己的帽子”, i = 1, 2, · · · , n.
现要求P(A1 ∪ A2 ∪ · · · ∪ An ).
可用对立事件公式吗? 不能!!
用(一般的)加法公式
n n
!
[ X X X
P Ai = P(Ai ) − P(Ai Aj ) + P(Ai Aj Ak )
i=1 i=1
+ ...... + (−1)n−1 P(A1 A2 ......An )
常见模型(4) — 配对模型
配对模型
有n 个人的n顶帽子被混乱放在一起, 现他们各自任意取,至
少一个人拿对自己帽子的概率是多少.
记Ai = “第i 个人拿对自己的帽子”, i = 1, 2, · · · , n.
现要求P(A1 ∪ A2 ∪ · · · ∪ An ).
可用对立事件公式吗? 不能!!
用(一般的)加法公式
n n
!
[ X X X
P Ai = P(Ai ) − P(Ai Aj ) + P(Ai Aj Ak )
i=1 i=1
+ ...... + (−1)n−1 P(A1 A2 ......An )
常见模型(4) — 配对模型
配对模型
有n 个人的n顶帽子被混乱放在一起, 现他们各自任意取,至
少一个人拿对自己帽子的概率是多少.
记Ai = “第i 个人拿对自己的帽子”, i = 1, 2, · · · , n.
现要求P(A1 ∪ A2 ∪ · · · ∪ An ).
可用对立事件公式吗? 不能!!
用(一般的)加法公式
n n
!
[ X X X
P Ai = P(Ai ) − P(Ai Aj ) + P(Ai Aj Ak )
i=1 i=1
+ ...... + (−1)n−1 P(A1 A2 ......An )
常见模型(4) — 配对模型
配对模型
有n 个人的n顶帽子被混乱放在一起, 现他们各自任意取,至
少一个人拿对自己帽子的概率是多少.
记Ai = “第i 个人拿对自己的帽子”, i = 1, 2, · · · , n.
现要求P(A1 ∪ A2 ∪ · · · ∪ An ).
可用对立事件公式吗? 不能!!
用(一般的)加法公式
n n
!
[ X X X
P Ai = P(Ai ) − P(Ai Aj ) + P(Ai Aj Ak )
i=1 i=1
+ ...... + (−1)n−1 P(A1 A2 ......An )
常见模型(4) — 配对模型
配对模型
有n 个人的n顶帽子被混乱放在一起, 现他们各自任意取,至
少一个人拿对自己帽子的概率是多少.
记Ai = “第i 个人拿对自己的帽子”, i = 1, 2, · · · , n.
现要求P(A1 ∪ A2 ∪ · · · ∪ An ).
可用对立事件公式吗? 不能!!
用(一般的)加法公式
n n
!
[ X X X
P Ai = P(Ai ) − P(Ai Aj ) + P(Ai Aj Ak )
i=1 i=1
+ ...... + (−1)n−1 P(A1 A2 ......An )
常见模型(4) — 配对模型
配对模型
有n 个人的n顶帽子被混乱放在一起, 现他们各自任意取,至
少一个人拿对自己帽子的概率是多少.
记Ai = “第i 个人拿对自己的帽子”, i = 1, 2, · · · , n.
现要求P(A1 ∪ A2 ∪ · · · ∪ An ).
可用对立事件公式吗? 不能!!
用(一般的)加法公式
n n
!
[ X X X
P Ai = P(Ai ) − P(Ai Aj ) + P(Ai Aj Ak )
i=1 i=1
+ ...... + (−1)n−1 P(A1 A2 ......An )
常见模型(4) — 配对模型
配对模型
有n 个人的n顶帽子被混乱放在一起, 现他们各自任意取,至
少一个人拿对自己帽子的概率是多少.
记Ai = “第i 个人拿对自己的帽子”, i = 1, 2, · · · , n.
现要求P(A1 ∪ A2 ∪ · · · ∪ An ).
可用对立事件公式吗? 不能!!
用(一般的)加法公式
n n
!
[ X X X
P Ai = P(Ai ) − P(Ai Aj ) + P(Ai Aj Ak )
i=1 i=1
+ ...... + (−1)n−1 P(A1 A2 ......An )
配对模型(续)
容易计算得到(i, j, k, ...各不相同):
1
P(Ai ) = ,
n
1
P(Ai Aj ) = ,
n(n − 1)
1
P(Ai Aj Ak ) = ,
n(n − 1)(n − 1)
··· ,
1
P(A1 A2 · · · An ) = .
n!
配对模型(续)
所以
n
!
[ 1 n 1 1
P Ai =n − + ...... + (−1)n−1
n 2 n(n − 1) n!
i=1
1 1 1 1
=1− + − ...... + (−1)n−1
2! 3! 4! n!
→ 1 − e −1
§1.3 习题/P32
§1.3 习题:
4, 5, 7, 11, 17
问题提出
问题1
10张彩票中有3张中奖彩票,10个人摸彩, 问:
1 第1个人中彩的概率为多少?
2 第2个人中彩的概率为多少?
解:
记Ai ={第一个人中彩}, i=1,2, 则
1 P(A1 ) = 3/10;
2 P(A2 ) = 3/10; (为什么?)
问题提出
问题1
10张彩票中有3张中奖彩票,10个人摸彩, 问:
1 第1个人中彩的概率为多少?
2 第2个人中彩的概率为多少?
解:
记Ai ={第一个人中彩}, i=1,2, 则
1 P(A1 ) = 3/10;
2 P(A2 ) = 3/10; (为什么?)
问题提出
问题1
10张彩票中有3张中奖彩票,10个人摸彩, 问:
1 第1个人中彩的概率为多少?
2 第2个人中彩的概率为多少?
解:
记Ai ={第一个人中彩}, i=1,2, 则
1 P(A1 ) = 3/10;
2 P(A2 ) = 3/10; (为什么?)
问题提出
问题1
10张彩票中有3张中奖彩票,10个人摸彩, 问:
1 第1个人中彩的概率为多少?
2 第2个人中彩的概率为多少?
解:
记Ai ={第一个人中彩}, i=1,2, 则
1 P(A1 ) = 3/10;
2 P(A2 ) = 3/10; (为什么?)
问题提出
问题1
10张彩票中有3张中奖彩票,10个人摸彩, 问:
1 第1个人中彩的概率为多少?
2 第2个人中彩的概率为多少?
解:
记Ai ={第一个人中彩}, i=1,2, 则
1 P(A1 ) = 3/10;
2 P(A2 ) = 3/10; (为什么?)
问题提出
问题1
10张彩票中有3张中奖彩票,10个人摸彩, 问:
1 第1个人中彩的概率为多少?
2 第2个人中彩的概率为多少?
解:
记Ai ={第一个人中彩}, i=1,2, 则
1 P(A1 ) = 3/10;
2 P(A2 ) = 3/10; (为什么?)
问题提出
问题2
10张彩票中有3张中奖彩票,10个人摸彩, 问:已知第1个人没摸
中, 第2个人中彩的概率为多少?
解:
记A2 |A1 ={已知第一个人没中彩, 第二个人中彩}={已知A1 发生
下, A2 发生了}, 则P(A2 |A1 ) = 3/9 = 1/3.
问题提出
问题2
10张彩票中有3张中奖彩票,10个人摸彩, 问:已知第1个人没摸
中, 第2个人中彩的概率为多少?
解:
记A2 |A1 ={已知第一个人没中彩, 第二个人中彩}={已知A1 发生
下, A2 发生了}, 则P(A2 |A1 ) = 3/9 = 1/3.
1.4.1 条件概率的定义
定义4.1
对于事件A和B, 若P(B) > 0, 则称
P(AB)
P(A|B) =
P(B)
为在B已发生条件下, A 发生的条件概率.
1.4.1 条件概率的定义
定义4.1
对于事件A和B, 若P(B) > 0, 则称
P(AB)
P(A|B) =
P(B)
为在B已发生条件下, A 发生的条件概率.
条件概率P(A|B)的计算
P(AB)
1 用定义: P(A|B) = P(B) ;
2 缩减样本空间: 将Ω缩减为ΩB = B, 这是由于B的发生所带
来的新的信息所致.
3 例子: 见教材P34例1.5.1和图1.5.1.
条件概率P(A|B)的计算
P(AB)
1 用定义: P(A|B) = P(B) ;
2 缩减样本空间: 将Ω缩减为ΩB = B, 这是由于B的发生所带
来的新的信息所致.
3 例子: 见教材P34例1.5.1和图1.5.1.
条件概率P(A|B)的计算
P(AB)
1 用定义: P(A|B) = P(B) ;
2 缩减样本空间: 将Ω缩减为ΩB = B, 这是由于B的发生所带
来的新的信息所致.
3 例子: 见教材P34例1.5.1和图1.5.1.
例1.4.1
例1.4.1
10个产品中有7个正品、3个次品,从中不放回地抽取两个, 已知
第一个取到次品, 求第二个又取到次品的概率.
解:
设A ={第一个取到次品}, B = {第二个取到次品}, 则
2 1 3
P(B|A) = = P(AB)/P(A) = / .
9 15 10
例1.4.1
例1.4.1
10个产品中有7个正品、3个次品,从中不放回地抽取两个, 已知
第一个取到次品, 求第二个又取到次品的概率.
解:
设A ={第一个取到次品}, B = {第二个取到次品}, 则
2 1 3
P(B|A) = = P(AB)/P(A) = / .
9 15 10
条件概率P(A|B)与P(A)的区别
1 每一个随机试验都是在一定条件下进行的, 则P(A)是在该试
验条件下事件A发生的可能性大小;
2 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.
3 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.
4 在数值上一般也不同: P(A|B) 6= P(A)(除非A与“独
立”—见后面一节的讨论).
条件概率P(A|B)与P(A)的区别
1 每一个随机试验都是在一定条件下进行的, 则P(A)是在该试
验条件下事件A发生的可能性大小;
2 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.
3 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.
4 在数值上一般也不同: P(A|B) 6= P(A)(除非A与“独
立”—见后面一节的讨论).
条件概率P(A|B)与P(A)的区别
1 每一个随机试验都是在一定条件下进行的, 则P(A)是在该试
验条件下事件A发生的可能性大小;
2 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.
3 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.
4 在数值上一般也不同: P(A|B) 6= P(A)(除非A与“独
立”—见后面一节的讨论).
条件概率P(A|B)与P(A)的区别
1 每一个随机试验都是在一定条件下进行的, 则P(A)是在该试
验条件下事件A发生的可能性大小;
2 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.
3 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.
4 在数值上一般也不同: P(A|B) 6= P(A)(除非A与“独
立”—见后面一节的讨论).
条件概率的性质
1 条件概率是概率, 即P(A|B)满足概率的三条公理;
3 P(A|B) = 1 − P(A|B);
条件概率的性质
1 条件概率是概率, 即P(A|B)满足概率的三条公理;
3 P(A|B) = 1 − P(A|B);
条件概率的性质
1 条件概率是概率, 即P(A|B)满足概率的三条公理;
3 P(A|B) = 1 − P(A|B);
条件概率的性质
1 条件概率是概率, 即P(A|B)满足概率的三条公理;
3 P(A|B) = 1 − P(A|B);
条件概率的性质
1 条件概率是概率, 即P(A|B)满足概率的三条公理;
3 P(A|B) = 1 − P(A|B);
注意:
1 P(Ω|B) = 1;
2 P(B|Ω) 6= 1;
3 P(A|Ω) = P(A);
4 P(A|A) = 1.
注意:
1 P(Ω|B) = 1;
2 P(B|Ω) 6= 1;
3 P(A|Ω) = P(A);
4 P(A|A) = 1.
注意:
1 P(Ω|B) = 1;
2 P(B|Ω) 6= 1;
3 P(A|Ω) = P(A);
4 P(A|A) = 1.
注意:
1 P(Ω|B) = 1;
2 P(B|Ω) 6= 1;
3 P(A|Ω) = P(A);
4 P(A|A) = 1.
想一想?
思考题1
设P(B) > 0, 且A ⊂ B, 则下列必然成立的是 (??)
1 P(A) < P(A|B);
2 P(A) ≤ P(A|B);
3 P(A) > P(A|B);
4 P(A) ≥ P(A|B);
思考题2
已知P(A) = 0.6, P(A ∪ B) = 0.84, P(B|A) = 0.4, 则
P(B)=(0.6).
想一想?
思考题1
设P(B) > 0, 且A ⊂ B, 则下列必然成立的是 (??)
1 P(A) < P(A|B);
2 P(A) ≤ P(A|B);
3 P(A) > P(A|B);
4 P(A) ≥ P(A|B);
思考题2
已知P(A) = 0.6, P(A ∪ B) = 0.84, P(B|A) = 0.4, 则
P(B)=(0.6).
想一想?
思考题1
设P(B) > 0, 且A ⊂ B, 则下列必然成立的是 (??)
1 P(A) < P(A|B);
2 P(A) ≤ P(A|B);
3 P(A) > P(A|B);
4 P(A) ≥ P(A|B);
思考题2
已知P(A) = 0.6, P(A ∪ B) = 0.84, P(B|A) = 0.4, 则
P(B)=(0.6).
想一想?
思考题1
设P(B) > 0, 且A ⊂ B, 则下列必然成立的是 (??)
1 P(A) < P(A|B);
2 P(A) ≤ P(A|B);
3 P(A) > P(A|B);
4 P(A) ≥ P(A|B);
思考题2
已知P(A) = 0.6, P(A ∪ B) = 0.84, P(B|A) = 0.4, 则
P(B)=(0.6).
想一想?
思考题1
设P(B) > 0, 且A ⊂ B, 则下列必然成立的是 (??)
1 P(A) < P(A|B);
2 P(A) ≤ P(A|B);
3 P(A) > P(A|B);
4 P(A) ≥ P(A|B);
思考题2
已知P(A) = 0.6, P(A ∪ B) = 0.84, P(B|A) = 0.4, 则
P(B)=(0.6).
想一想?
思考题1
设P(B) > 0, 且A ⊂ B, 则下列必然成立的是 (??)
1 P(A) < P(A|B);
2 P(A) ≤ P(A|B);
3 P(A) > P(A|B);
4 P(A) ≥ P(A|B);
思考题2
已知P(A) = 0.6, P(A ∪ B) = 0.84, P(B|A) = 0.4, 则
P(B)=(0.6).
想一想?
思考题1
设P(B) > 0, 且A ⊂ B, 则下列必然成立的是 (??)
1 P(A) < P(A|B);
2 P(A) ≤ P(A|B);
3 P(A) > P(A|B);
4 P(A) ≥ P(A|B);
思考题2
已知P(A) = 0.6, P(A ∪ B) = 0.84, P(B|A) = 0.4, 则
P(B)=(0.6).
想一想?
思考题1
设P(B) > 0, 且A ⊂ B, 则下列必然成立的是 (??)
1 P(A) < P(A|B);
2 P(A) ≤ P(A|B);
3 P(A) > P(A|B);
4 P(A) ≥ P(A|B);
思考题2
已知P(A) = 0.6, P(A ∪ B) = 0.84, P(B|A) = 0.4, 则
P(B)=(0.6).
条件概率的三大公式
1 乘法公式;
2 全概率公式;
3 贝叶斯公式.
条件概率的三大公式
1 乘法公式;
2 全概率公式;
3 贝叶斯公式.
条件概率的三大公式
1 乘法公式;
2 全概率公式;
3 贝叶斯公式.
乘法公式
定理4.1 (乘法公式)
1 若P(B) > 0,则P(AB) = P(B)P(A|B);
2 若P(A) > 0,则P(AB) = P(A)P(B|A);
乘法公式
定理4.1 (乘法公式)
1 若P(B) > 0,则P(AB) = P(B)P(A|B);
2 若P(A) > 0,则P(AB) = P(A)P(B|A);
乘法公式
定理4.1 (乘法公式)
1 若P(B) > 0,则P(AB) = P(B)P(A|B);
2 若P(A) > 0,则P(AB) = P(A)P(B|A);
一般乘法公式
定理4.2 (一般乘法公式)
若P(A1 A2 · · · An−1 ) > 0,则
乘法公式的应用
乘法公式主要用于求几个事件同时发生的概率.
例1.4.2
一批零件共有100个,其中10个不合格品. 从中一个一个不返回
取出, 求第三次才取出不合格的概率.
解:
1 设Ai ={第i 次取出的是不合格品}, Bi = {第i 次取出的是合
格品}, 问题要求P(B1 B2 A3 ).
2 用乘法公式:
90 89 10
P(B1 B2 A3 ) = P(B1 )P(B2 |B1 )P(A3 |B1 B2 ) = × × .
100 99 98
乘法公式的应用
乘法公式主要用于求几个事件同时发生的概率.
例1.4.2
一批零件共有100个,其中10个不合格品. 从中一个一个不返回
取出, 求第三次才取出不合格的概率.
解:
1 设Ai ={第i 次取出的是不合格品}, Bi = {第i 次取出的是合
格品}, 问题要求P(B1 B2 A3 ).
2 用乘法公式:
90 89 10
P(B1 B2 A3 ) = P(B1 )P(B2 |B1 )P(A3 |B1 B2 ) = × × .
100 99 98
乘法公式的应用
乘法公式主要用于求几个事件同时发生的概率.
例1.4.2
一批零件共有100个,其中10个不合格品. 从中一个一个不返回
取出, 求第三次才取出不合格的概率.
解:
1 设Ai ={第i 次取出的是不合格品}, Bi = {第i 次取出的是合
格品}, 问题要求P(B1 B2 A3 ).
2 用乘法公式:
90 89 10
P(B1 B2 A3 ) = P(B1 )P(B2 |B1 )P(A3 |B1 B2 ) = × × .
100 99 98
乘法公式的应用
乘法公式主要用于求几个事件同时发生的概率.
例1.4.2
一批零件共有100个,其中10个不合格品. 从中一个一个不返回
取出, 求第三次才取出不合格的概率.
解:
1 设Ai ={第i 次取出的是不合格品}, Bi = {第i 次取出的是合
格品}, 问题要求P(B1 B2 A3 ).
2 用乘法公式:
90 89 10
P(B1 B2 A3 ) = P(B1 )P(B2 |B1 )P(A3 |B1 B2 ) = × × .
100 99 98
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
例1.4.3
调查表明: 某市有30%的学生视力有缺陷, 7%的学生听力有缺陷,
3%的学生视力与听力都有缺陷. 记E={学生视力有缺陷}, H={学
生听力有缺陷}. 试说明H|E , E |H, H|E , E |H, E H, HE , E H它们
的意义,并分别求出它们的概率.
解:
意义从略(由大家讨论)
P(H|E ) = 9/10;
P(E ) = 0.30(已知)
P(E |H) = 4/7;
P(H) = 0.07(已知)
P(E H) = 0.27;
P(EH) = 0.03(已知)
P(HE ) = 0.04;
P(H|E ) = 1/10;
P(H E ) = 0.66;
P(E |H) = 3/7;
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
条件概率的定义
事件的概率
条件概率的性质
概率的性质
全概率公式
条件概率
贝叶斯公式
独立性
1.4.3 全概率公式
定理4.3
若事件B1 , B2 , · · · , Bn 是样本空间Ω的一个划分,且P(Bi ) > 0, 则
n
X n
X
P(A) = P(ABi ) = P(Bi )P(A|Bi )
i=1 i=1
注意点
注意点(1)
全概率公式用于求复杂事件的概率;
使用全概率公式关键在于用另一组事件“分割”样本空间;
全概率公式最简单的形式:
注意点
注意点(1)
全概率公式用于求复杂事件的概率;
使用全概率公式关键在于用另一组事件“分割”样本空间;
全概率公式最简单的形式:
注意点
注意点(1)
全概率公式用于求复杂事件的概率;
使用全概率公式关键在于用另一组事件“分割”样本空间;
全概率公式最简单的形式:
注意点
注意点(1)
全概率公式用于求复杂事件的概率;
使用全概率公式关键在于用另一组事件“分割”样本空间;
全概率公式最简单的形式:
注意点(2)
若事件B1 , B2 , · · · , Bn 是互不相容的,且P(Bi ) > 0. 如
n
果A ⊂ Bi , 则
S
i=1
n
X n
X
P(A) = P(ABi ) = P(Bi )P(A|Bi )
i=1 i=1
例1.4.4
例1.4.4
设10 件产品中有3 件不合格品,从中不放回地取两次,每次一
件,求取出的第二件为不合格品的概率.
解:
设A = “第一次取得不合格品”, B = “第二次取得不合格品”,
则由由全概率公式得:
例1.4.4
例1.4.4
设10 件产品中有3 件不合格品,从中不放回地取两次,每次一
件,求取出的第二件为不合格品的概率.
解:
设A = “第一次取得不合格品”, B = “第二次取得不合格品”,
则由由全概率公式得:
摸彩模型
摸彩模型
n 张彩票中有一张中奖,从中不返回地摸取,记Ai =“第i 次摸
到奖券”, 则
P(A1 ) = 1/n;
可用全概率公式计算得P(A2 ) = 1/n;
可用归纳法计算得P(Ai ) = 1/n, i = 1, 2, · · · , n
摸彩模型
摸彩模型
n 张彩票中有一张中奖,从中不返回地摸取,记Ai =“第i 次摸
到奖券”, 则
P(A1 ) = 1/n;
可用全概率公式计算得P(A2 ) = 1/n;
可用归纳法计算得P(Ai ) = 1/n, i = 1, 2, · · · , n
摸彩模型
摸彩模型
n 张彩票中有一张中奖,从中不返回地摸取,记Ai =“第i 次摸
到奖券”, 则
P(A1 ) = 1/n;
可用全概率公式计算得P(A2 ) = 1/n;
可用归纳法计算得P(Ai ) = 1/n, i = 1, 2, · · · , n
摸彩模型
摸彩模型
n 张彩票中有一张中奖,从中不返回地摸取,记Ai =“第i 次摸
到奖券”, 则
P(A1 ) = 1/n;
可用全概率公式计算得P(A2 ) = 1/n;
可用归纳法计算得P(Ai ) = 1/n, i = 1, 2, · · · , n
摸彩模型(续)
n 张彩票中有k 张中奖,从中不返回地摸取,记Ai = “第i
次摸到奖券”, 则
P(Ai ) = k/n, i = 1, 2, · · · , n.
结论: 不论先后,中彩机会是一样的。
摸彩模型(续)
n 张彩票中有k 张中奖,从中不返回地摸取,记Ai = “第i
次摸到奖券”, 则
P(Ai ) = k/n, i = 1, 2, · · · , n.
结论: 不论先后,中彩机会是一样的。
摸彩模型(续)
n 张彩票中有k 张中奖,从中不返回地摸取,记Ai = “第i
次摸到奖券”, 则
P(Ai ) = k/n, i = 1, 2, · · · , n.
结论: 不论先后,中彩机会是一样的。
全概率公式的典型题
例1.4.5
甲口袋有a只白球、b只黑球;乙口袋有n只白球、m只黑
球。从甲口袋任取一球放入乙口袋,然后从乙口袋中任取一
球,求从乙口袋中取出的是白球的概率(记为事件A)。
概率为:
a n+1 b n
P(A) = × + ×
a+b n+m+1 a+b n+m+1
全概率公式的典型题
例1.4.5
甲口袋有a只白球、b只黑球;乙口袋有n只白球、m只黑
球。从甲口袋任取一球放入乙口袋,然后从乙口袋中任取一
球,求从乙口袋中取出的是白球的概率(记为事件A)。
概率为:
a n+1 b n
P(A) = × + ×
a+b n+m+1 a+b n+m+1
全概率公式的典型题
例1.4.5
甲口袋有a只白球、b只黑球;乙口袋有n只白球、m只黑
球。从甲口袋任取一球放入乙口袋,然后从乙口袋中任取一
球,求从乙口袋中取出的是白球的概率(记为事件A)。
概率为:
a n+1 b n
P(A) = × + ×
a+b n+m+1 a+b n+m+1
想一想?
思考题
甲口袋有a只白球、b只黑球;乙口袋有n只白球、m只黑
球。从甲口袋任取两球放入乙口袋,然后从乙口袋中任取一
球,求从乙口袋中取出的是白球的概率;
以上是甲、乙两口袋的球数不同,如果甲、乙两口袋装的
黑、白球个数都相同,则情况又如何?
想一想?
思考题
甲口袋有a只白球、b只黑球;乙口袋有n只白球、m只黑
球。从甲口袋任取两球放入乙口袋,然后从乙口袋中任取一
球,求从乙口袋中取出的是白球的概率;
以上是甲、乙两口袋的球数不同,如果甲、乙两口袋装的
黑、白球个数都相同,则情况又如何?
想一想?
思考题
甲口袋有a只白球、b只黑球;乙口袋有n只白球、m只黑
球。从甲口袋任取两球放入乙口袋,然后从乙口袋中任取一
球,求从乙口袋中取出的是白球的概率;
以上是甲、乙两口袋的球数不同,如果甲、乙两口袋装的
黑、白球个数都相同,则情况又如何?
敏感性问题
例1.4.5
要调查“敏感性”问题中某种比例p ;
两个问题:
A: 生日是否在7月1日前?
B: 是否考试作弊?
抛硬币回答A或B: 正面(国徽)向上回答A, 反面向上回答B;
答题纸上只有: “是”与“否”. 设有n张答卷, 其中k张回
答“是”;
公式: P(是) = P(正)P(是|正) + P(反)P(反|反);
k 1 1 1
n = 2 × 2 + 2 ×p ⇔ p̂ = 2(k/n − 1/4).
敏感性问题
例1.4.5
要调查“敏感性”问题中某种比例p ;
两个问题:
A: 生日是否在7月1日前?
B: 是否考试作弊?
抛硬币回答A或B: 正面(国徽)向上回答A, 反面向上回答B;
答题纸上只有: “是”与“否”. 设有n张答卷, 其中k张回
答“是”;
公式: P(是) = P(正)P(是|正) + P(反)P(反|反);
k 1 1 1
n = 2 × 2 + 2 ×p ⇔ p̂ = 2(k/n − 1/4).
敏感性问题
例1.4.5
要调查“敏感性”问题中某种比例p ;
两个问题:
A: 生日是否在7月1日前?
B: 是否考试作弊?
抛硬币回答A或B: 正面(国徽)向上回答A, 反面向上回答B;
答题纸上只有: “是”与“否”. 设有n张答卷, 其中k张回
答“是”;
公式: P(是) = P(正)P(是|正) + P(反)P(反|反);
k 1 1 1
n = 2 × 2 + 2 ×p ⇔ p̂ = 2(k/n − 1/4).
敏感性问题
例1.4.5
要调查“敏感性”问题中某种比例p ;
两个问题:
A: 生日是否在7月1日前?
B: 是否考试作弊?
抛硬币回答A或B: 正面(国徽)向上回答A, 反面向上回答B;
答题纸上只有: “是”与“否”. 设有n张答卷, 其中k张回
答“是”;
公式: P(是) = P(正)P(是|正) + P(反)P(反|反);
k 1 1 1
n = 2 × 2 + 2 ×p ⇔ p̂ = 2(k/n − 1/4).
敏感性问题
例1.4.5
要调查“敏感性”问题中某种比例p ;
两个问题:
A: 生日是否在7月1日前?
B: 是否考试作弊?
抛硬币回答A或B: 正面(国徽)向上回答A, 反面向上回答B;
答题纸上只有: “是”与“否”. 设有n张答卷, 其中k张回
答“是”;
公式: P(是) = P(正)P(是|正) + P(反)P(反|反);
k 1 1 1
n = 2 × 2 + 2 ×p ⇔ p̂ = 2(k/n − 1/4).
敏感性问题
例1.4.5
要调查“敏感性”问题中某种比例p ;
两个问题:
A: 生日是否在7月1日前?
B: 是否考试作弊?
抛硬币回答A或B: 正面(国徽)向上回答A, 反面向上回答B;
答题纸上只有: “是”与“否”. 设有n张答卷, 其中k张回
答“是”;
公式: P(是) = P(正)P(是|正) + P(反)P(反|反);
k 1 1 1
n = 2 × 2 + 2 ×p ⇔ p̂ = 2(k/n − 1/4).
敏感性问题
例1.4.5
要调查“敏感性”问题中某种比例p ;
两个问题:
A: 生日是否在7月1日前?
B: 是否考试作弊?
抛硬币回答A或B: 正面(国徽)向上回答A, 反面向上回答B;
答题纸上只有: “是”与“否”. 设有n张答卷, 其中k张回
答“是”;
公式: P(是) = P(正)P(是|正) + P(反)P(反|反);
k 1 1 1
n = 2 × 2 + 2 ×p ⇔ p̂ = 2(k/n − 1/4).
敏感性问题
例1.4.5
要调查“敏感性”问题中某种比例p ;
两个问题:
A: 生日是否在7月1日前?
B: 是否考试作弊?
抛硬币回答A或B: 正面(国徽)向上回答A, 反面向上回答B;
答题纸上只有: “是”与“否”. 设有n张答卷, 其中k张回
答“是”;
公式: P(是) = P(正)P(是|正) + P(反)P(反|反);
k 1 1 1
n = 2 × 2 + 2 ×p ⇔ p̂ = 2(k/n − 1/4).
敏感性问题
例1.4.5
要调查“敏感性”问题中某种比例p ;
两个问题:
A: 生日是否在7月1日前?
B: 是否考试作弊?
抛硬币回答A或B: 正面(国徽)向上回答A, 反面向上回答B;
答题纸上只有: “是”与“否”. 设有n张答卷, 其中k张回
答“是”;
公式: P(是) = P(正)P(是|正) + P(反)P(反|反);
k 1 1 1
n = 2 × 2 + 2 ×p ⇔ p̂ = 2(k/n − 1/4).
已知“结果”,求“原因”
例1.4.6
某人从甲地到乙地,乘飞机、火车、汽车迟到的概率分别
为0.1、0.2、0.3,他等可能地选择这三种交通工具。若已知他最
后迟到了,求他分别是乘飞机、火车、汽车的概率。
(1/6, 2/6, 3/6)
贝叶斯(Bayes)公式
定理4.4 (贝叶斯/Bayes公式)
若事件B1 , B2 , · · · , Bn 是样本空间Ω的一组分割, 且P(A) > 0,
P(Bi ) > 0,则
注意点
注意点
B1 , B2 , · · · , Bn 可以看作是导致A发生的原因;
称P(Bj )为“先验概率”.
P(Bj |A)是在事件A发生的条件下, 某个原因Bj 发生的概率,
称为“后验概率”;
Bayes公式又称为“后验概率公式”或“逆概公式”.
Bayes公式在决策分析中是一个非常重要的分析工具,因为
它可帮助决策者根据已有的“经验”, 纠正或改进对某一事
件的推断,从而提高决策的精度. (见教材例子)
注意点
注意点
B1 , B2 , · · · , Bn 可以看作是导致A发生的原因;
称P(Bj )为“先验概率”.
P(Bj |A)是在事件A发生的条件下, 某个原因Bj 发生的概率,
称为“后验概率”;
Bayes公式又称为“后验概率公式”或“逆概公式”.
Bayes公式在决策分析中是一个非常重要的分析工具,因为
它可帮助决策者根据已有的“经验”, 纠正或改进对某一事
件的推断,从而提高决策的精度. (见教材例子)
注意点
注意点
B1 , B2 , · · · , Bn 可以看作是导致A发生的原因;
称P(Bj )为“先验概率”.
P(Bj |A)是在事件A发生的条件下, 某个原因Bj 发生的概率,
称为“后验概率”;
Bayes公式又称为“后验概率公式”或“逆概公式”.
Bayes公式在决策分析中是一个非常重要的分析工具,因为
它可帮助决策者根据已有的“经验”, 纠正或改进对某一事
件的推断,从而提高决策的精度. (见教材例子)
注意点
注意点
B1 , B2 , · · · , Bn 可以看作是导致A发生的原因;
称P(Bj )为“先验概率”.
P(Bj |A)是在事件A发生的条件下, 某个原因Bj 发生的概率,
称为“后验概率”;
Bayes公式又称为“后验概率公式”或“逆概公式”.
Bayes公式在决策分析中是一个非常重要的分析工具,因为
它可帮助决策者根据已有的“经验”, 纠正或改进对某一事
件的推断,从而提高决策的精度. (见教材例子)
注意点
注意点
B1 , B2 , · · · , Bn 可以看作是导致A发生的原因;
称P(Bj )为“先验概率”.
P(Bj |A)是在事件A发生的条件下, 某个原因Bj 发生的概率,
称为“后验概率”;
Bayes公式又称为“后验概率公式”或“逆概公式”.
Bayes公式在决策分析中是一个非常重要的分析工具,因为
它可帮助决策者根据已有的“经验”, 纠正或改进对某一事
件的推断,从而提高决策的精度. (见教材例子)
注意点
注意点
B1 , B2 , · · · , Bn 可以看作是导致A发生的原因;
称P(Bj )为“先验概率”.
P(Bj |A)是在事件A发生的条件下, 某个原因Bj 发生的概率,
称为“后验概率”;
Bayes公式又称为“后验概率公式”或“逆概公式”.
Bayes公式在决策分析中是一个非常重要的分析工具,因为
它可帮助决策者根据已有的“经验”, 纠正或改进对某一事
件的推断,从而提高决策的精度. (见教材例子)
例1.4.7
例1.4.7
某商品由三个厂家供应,其供应量为:甲厂家是乙厂家的2倍;
乙、丙两厂相等。各厂产品的次品率为2%, 2%, 4%. 若从市场上
的随机抽取一件此种商品,发现是次品,求它是甲厂生产的概
率?
解:
设Ai =“取到第i 个工厂的产品”,B=“取到次品”;
已知P(A1 ) = 0.5, P(A2 ) = P(A3 ) = 0.25;
已知P(B|A1 ) = P(B|A2 ) = 0.02, P(B|A3 ) = 0.04;
P(A1 )P(B|A1 )
P(A1 |B) = 3
P
= 0.40.
P(Ai )P(B|Ai )
i=1
例1.4.7
例1.4.7
某商品由三个厂家供应,其供应量为:甲厂家是乙厂家的2倍;
乙、丙两厂相等。各厂产品的次品率为2%, 2%, 4%. 若从市场上
的随机抽取一件此种商品,发现是次品,求它是甲厂生产的概
率?
解:
设Ai =“取到第i 个工厂的产品”,B=“取到次品”;
已知P(A1 ) = 0.5, P(A2 ) = P(A3 ) = 0.25;
已知P(B|A1 ) = P(B|A2 ) = 0.02, P(B|A3 ) = 0.04;
P(A1 )P(B|A1 )
P(A1 |B) = 3
P
= 0.40.
P(Ai )P(B|Ai )
i=1
例1.4.7
例1.4.7
某商品由三个厂家供应,其供应量为:甲厂家是乙厂家的2倍;
乙、丙两厂相等。各厂产品的次品率为2%, 2%, 4%. 若从市场上
的随机抽取一件此种商品,发现是次品,求它是甲厂生产的概
率?
解:
设Ai =“取到第i 个工厂的产品”,B=“取到次品”;
已知P(A1 ) = 0.5, P(A2 ) = P(A3 ) = 0.25;
已知P(B|A1 ) = P(B|A2 ) = 0.02, P(B|A3 ) = 0.04;
P(A1 )P(B|A1 )
P(A1 |B) = 3
P
= 0.40.
P(Ai )P(B|Ai )
i=1
例1.4.7
例1.4.7
某商品由三个厂家供应,其供应量为:甲厂家是乙厂家的2倍;
乙、丙两厂相等。各厂产品的次品率为2%, 2%, 4%. 若从市场上
的随机抽取一件此种商品,发现是次品,求它是甲厂生产的概
率?
解:
设Ai =“取到第i 个工厂的产品”,B=“取到次品”;
已知P(A1 ) = 0.5, P(A2 ) = P(A3 ) = 0.25;
已知P(B|A1 ) = P(B|A2 ) = 0.02, P(B|A3 ) = 0.04;
P(A1 )P(B|A1 )
P(A1 |B) = 3
P
= 0.40.
P(Ai )P(B|Ai )
i=1
例1.4.7
例1.4.7
某商品由三个厂家供应,其供应量为:甲厂家是乙厂家的2倍;
乙、丙两厂相等。各厂产品的次品率为2%, 2%, 4%. 若从市场上
的随机抽取一件此种商品,发现是次品,求它是甲厂生产的概
率?
解:
设Ai =“取到第i 个工厂的产品”,B=“取到次品”;
已知P(A1 ) = 0.5, P(A2 ) = P(A3 ) = 0.25;
已知P(B|A1 ) = P(B|A2 ) = 0.02, P(B|A3 ) = 0.04;
P(A1 )P(B|A1 )
P(A1 |B) = 3
P
= 0.40.
P(Ai )P(B|Ai )
i=1
例1.4.7
例1.4.7
某商品由三个厂家供应,其供应量为:甲厂家是乙厂家的2倍;
乙、丙两厂相等。各厂产品的次品率为2%, 2%, 4%. 若从市场上
的随机抽取一件此种商品,发现是次品,求它是甲厂生产的概
率?
解:
设Ai =“取到第i 个工厂的产品”,B=“取到次品”;
已知P(A1 ) = 0.5, P(A2 ) = P(A3 ) = 0.25;
已知P(B|A1 ) = P(B|A2 ) = 0.02, P(B|A3 ) = 0.04;
P(A1 )P(B|A1 )
P(A1 |B) = 3
P
= 0.40.
P(Ai )P(B|Ai )
i=1
想一想?
思考题
口袋中有一只球,不知它是黑的还是白的. 现再往口袋中放入一
只白球,然后从口袋中任意取出一只,发现是白球。试问口袋中
原来的那只球是白球的可能性多大?
例1.4.8
例1.4.8
记B1 =“患肝癌”,B2 =“未患肝癌”;
肝癌发病率为0.0004,即P(B1 ) = 0.0004, P(B2 ) = 0.9996;
用甲胎蛋白化验: 记A=“呈阳性”, 已
知P(A|B1 ) = 0.99, P(A|B2 ) = 0.001.
求P(B1 |A).
解:
P(B1 ) × P(A|B1 )
P(B1 |A) = = 0.00786.
P(B1 ) × P(A|B1 ) + P(B2 ) × P(A|B2 )
例1.4.8
例1.4.8
记B1 =“患肝癌”,B2 =“未患肝癌”;
肝癌发病率为0.0004,即P(B1 ) = 0.0004, P(B2 ) = 0.9996;
用甲胎蛋白化验: 记A=“呈阳性”, 已
知P(A|B1 ) = 0.99, P(A|B2 ) = 0.001.
求P(B1 |A).
解:
P(B1 ) × P(A|B1 )
P(B1 |A) = = 0.00786.
P(B1 ) × P(A|B1 ) + P(B2 ) × P(A|B2 )
例1.4.8
例1.4.8
记B1 =“患肝癌”,B2 =“未患肝癌”;
肝癌发病率为0.0004,即P(B1 ) = 0.0004, P(B2 ) = 0.9996;
用甲胎蛋白化验: 记A=“呈阳性”, 已
知P(A|B1 ) = 0.99, P(A|B2 ) = 0.001.
求P(B1 |A).
解:
P(B1 ) × P(A|B1 )
P(B1 |A) = = 0.00786.
P(B1 ) × P(A|B1 ) + P(B2 ) × P(A|B2 )
例1.4.8
例1.4.8
记B1 =“患肝癌”,B2 =“未患肝癌”;
肝癌发病率为0.0004,即P(B1 ) = 0.0004, P(B2 ) = 0.9996;
用甲胎蛋白化验: 记A=“呈阳性”, 已
知P(A|B1 ) = 0.99, P(A|B2 ) = 0.001.
求P(B1 |A).
解:
P(B1 ) × P(A|B1 )
P(B1 |A) = = 0.00786.
P(B1 ) × P(A|B1 ) + P(B2 ) × P(A|B2 )
例1.4.8
例1.4.8
记B1 =“患肝癌”,B2 =“未患肝癌”;
肝癌发病率为0.0004,即P(B1 ) = 0.0004, P(B2 ) = 0.9996;
用甲胎蛋白化验: 记A=“呈阳性”, 已
知P(A|B1 ) = 0.99, P(A|B2 ) = 0.001.
求P(B1 |A).
解:
P(B1 ) × P(A|B1 )
P(B1 |A) = = 0.00786.
P(B1 ) × P(A|B1 ) + P(B2 ) × P(A|B2 )
例1.4.8
例1.4.8
记B1 =“患肝癌”,B2 =“未患肝癌”;
肝癌发病率为0.0004,即P(B1 ) = 0.0004, P(B2 ) = 0.9996;
用甲胎蛋白化验: 记A=“呈阳性”, 已
知P(A|B1 ) = 0.99, P(A|B2 ) = 0.001.
求P(B1 |A).
解:
P(B1 ) × P(A|B1 )
P(B1 |A) = = 0.00786.
P(B1 ) × P(A|B1 ) + P(B2 ) × P(A|B2 )
例1.4.9
“孩子与狼”的故事
记A1 =“孩子说谎”,A2 =“孩子说真话”, B=“狼来
了”;
假定(合理?):P(A1 ) = P(A2 ) = 21 ;
P(B|A1 ) = 31 , P(B|A2 ) = 43 .
P(A1 )×P(B|A1 )
Bayes公式: P(A1 |B) = P(A1 )×P(B|A1 )+P(A2 )×P(B|A2 )
第一次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.7273;
第二次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.8767(以
后上面的概率代替P(A1 )计算!);
第三次狼真的来了, 可居民们再也不会相信这个孩子了!
例1.4.9
“孩子与狼”的故事
记A1 =“孩子说谎”,A2 =“孩子说真话”, B=“狼来
了”;
假定(合理?):P(A1 ) = P(A2 ) = 21 ;
P(B|A1 ) = 31 , P(B|A2 ) = 43 .
P(A1 )×P(B|A1 )
Bayes公式: P(A1 |B) = P(A1 )×P(B|A1 )+P(A2 )×P(B|A2 )
第一次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.7273;
第二次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.8767(以
后上面的概率代替P(A1 )计算!);
第三次狼真的来了, 可居民们再也不会相信这个孩子了!
例1.4.9
“孩子与狼”的故事
记A1 =“孩子说谎”,A2 =“孩子说真话”, B=“狼来
了”;
假定(合理?):P(A1 ) = P(A2 ) = 21 ;
P(B|A1 ) = 31 , P(B|A2 ) = 43 .
P(A1 )×P(B|A1 )
Bayes公式: P(A1 |B) = P(A1 )×P(B|A1 )+P(A2 )×P(B|A2 )
第一次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.7273;
第二次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.8767(以
后上面的概率代替P(A1 )计算!);
第三次狼真的来了, 可居民们再也不会相信这个孩子了!
例1.4.9
“孩子与狼”的故事
记A1 =“孩子说谎”,A2 =“孩子说真话”, B=“狼来
了”;
假定(合理?):P(A1 ) = P(A2 ) = 21 ;
P(B|A1 ) = 31 , P(B|A2 ) = 43 .
P(A1 )×P(B|A1 )
Bayes公式: P(A1 |B) = P(A1 )×P(B|A1 )+P(A2 )×P(B|A2 )
第一次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.7273;
第二次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.8767(以
后上面的概率代替P(A1 )计算!);
第三次狼真的来了, 可居民们再也不会相信这个孩子了!
例1.4.9
“孩子与狼”的故事
记A1 =“孩子说谎”,A2 =“孩子说真话”, B=“狼来
了”;
假定(合理?):P(A1 ) = P(A2 ) = 21 ;
P(B|A1 ) = 31 , P(B|A2 ) = 43 .
P(A1 )×P(B|A1 )
Bayes公式: P(A1 |B) = P(A1 )×P(B|A1 )+P(A2 )×P(B|A2 )
第一次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.7273;
第二次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.8767(以
后上面的概率代替P(A1 )计算!);
第三次狼真的来了, 可居民们再也不会相信这个孩子了!
例1.4.9
“孩子与狼”的故事
记A1 =“孩子说谎”,A2 =“孩子说真话”, B=“狼来
了”;
假定(合理?):P(A1 ) = P(A2 ) = 21 ;
P(B|A1 ) = 31 , P(B|A2 ) = 43 .
P(A1 )×P(B|A1 )
Bayes公式: P(A1 |B) = P(A1 )×P(B|A1 )+P(A2 )×P(B|A2 )
第一次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.7273;
第二次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.8767(以
后上面的概率代替P(A1 )计算!);
第三次狼真的来了, 可居民们再也不会相信这个孩子了!
例1.4.9
“孩子与狼”的故事
记A1 =“孩子说谎”,A2 =“孩子说真话”, B=“狼来
了”;
假定(合理?):P(A1 ) = P(A2 ) = 21 ;
P(B|A1 ) = 31 , P(B|A2 ) = 43 .
P(A1 )×P(B|A1 )
Bayes公式: P(A1 |B) = P(A1 )×P(B|A1 )+P(A2 )×P(B|A2 )
第一次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.7273;
第二次狼没有来, 则孩子说谎的概率为P(A1 |B) = 0.8767(以
后上面的概率代替P(A1 )计算!);
第三次狼真的来了, 可居民们再也不会相信这个孩子了!
§1.4 习题/P57
§1.4 习题:
3, 8, 11, 12, 19, 22
本节要点
1 两个事件的独立性;
2 多个事件的独立性;
3 试验的独立性;
4 n重贝努里试验.
本节要点
1 两个事件的独立性;
2 多个事件的独立性;
3 试验的独立性;
4 n重贝努里试验.
本节要点
1 两个事件的独立性;
2 多个事件的独立性;
3 试验的独立性;
4 n重贝努里试验.
本节要点
1 两个事件的独立性;
2 多个事件的独立性;
3 试验的独立性;
4 n重贝努里试验.
1.5.1 两个事件的独立性
例1.5.1
1 将一颗均匀骰子连掷两次.
2 设B ={第一次掷出6点}, A ={第二次掷出6点}.
3 显然P(A|B) = P(A).
4 可见: 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与B独立.
独立性直观定义
一个事件A的发生并不影响另一事件B的发生,则称这两事
件A与B独立.
1.5.1 两个事件的独立性
例1.5.1
1 将一颗均匀骰子连掷两次.
2 设B ={第一次掷出6点}, A ={第二次掷出6点}.
3 显然P(A|B) = P(A).
4 可见: 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与B独立.
独立性直观定义
一个事件A的发生并不影响另一事件B的发生,则称这两事
件A与B独立.
1.5.1 两个事件的独立性
例1.5.1
1 将一颗均匀骰子连掷两次.
2 设B ={第一次掷出6点}, A ={第二次掷出6点}.
3 显然P(A|B) = P(A).
4 可见: 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与B独立.
独立性直观定义
一个事件A的发生并不影响另一事件B的发生,则称这两事
件A与B独立.
1.5.1 两个事件的独立性
例1.5.1
1 将一颗均匀骰子连掷两次.
2 设B ={第一次掷出6点}, A ={第二次掷出6点}.
3 显然P(A|B) = P(A).
4 可见: 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与B独立.
独立性直观定义
一个事件A的发生并不影响另一事件B的发生,则称这两事
件A与B独立.
1.5.1 两个事件的独立性
例1.5.1
1 将一颗均匀骰子连掷两次.
2 设B ={第一次掷出6点}, A ={第二次掷出6点}.
3 显然P(A|B) = P(A).
4 可见: 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与B独立.
独立性直观定义
一个事件A的发生并不影响另一事件B的发生,则称这两事
件A与B独立.
1.5.1 两个事件的独立性
例1.5.1
1 将一颗均匀骰子连掷两次.
2 设B ={第一次掷出6点}, A ={第二次掷出6点}.
3 显然P(A|B) = P(A).
4 可见: 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与B独立.
独立性直观定义
一个事件A的发生并不影响另一事件B的发生,则称这两事
件A与B独立.
定义5.1
若两事件A、B满足
P(AB) = P(A)P(B)
定义5.1
若两事件A、B满足
P(AB) = P(A)P(B)
定义5.1
若两事件A、B满足
P(AB) = P(A)P(B)
例1.5.2
例1.5.2
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}. 问A与B是否独立?
解:
4 1 26
由于P(A) = 52 = 13 ,P(B) = 52 = 21 .
2 1
P(AB) = 52 = 26 .
P(AB) = P(A)P(B)
所以A与B独立.
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.
例1.5.2
例1.5.2
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}. 问A与B是否独立?
解:
4 1 26
由于P(A) = 52 = 13 ,P(B) = 52 = 21 .
2 1
P(AB) = 52 = 26 .
P(AB) = P(A)P(B)
所以A与B独立.
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.
例1.5.2
例1.5.2
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}. 问A与B是否独立?
解:
4 1 26
由于P(A) = 52 = 13 ,P(B) = 52 = 21 .
2 1
P(AB) = 52 = 26 .
P(AB) = P(A)P(B)
所以A与B独立.
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.
例1.5.2
例1.5.2
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}. 问A与B是否独立?
解:
4 1 26
由于P(A) = 52 = 13 ,P(B) = 52 = 21 .
2 1
P(AB) = 52 = 26 .
P(AB) = P(A)P(B)
所以A与B独立.
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.
例1.5.2
例1.5.2
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}. 问A与B是否独立?
解:
4 1 26
由于P(A) = 52 = 13 ,P(B) = 52 = 21 .
2 1
P(AB) = 52 = 26 .
P(AB) = P(A)P(B)
所以A与B独立.
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.
例1.5.2
例1.5.2
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}. 问A与B是否独立?
解:
4 1 26
由于P(A) = 52 = 13 ,P(B) = 52 = 21 .
2 1
P(AB) = 52 = 26 .
P(AB) = P(A)P(B)
所以A与B独立.
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.
例1.5.2
例1.5.2
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}. 问A与B是否独立?
解:
4 1 26
由于P(A) = 52 = 13 ,P(B) = 52 = 21 .
2 1
P(AB) = 52 = 26 .
P(AB) = P(A)P(B)
所以A与B独立.
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.
两种抽样中的独立性
有放回抽样
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.
若抽样是有放回的,则A1 与A2 独立.
无放回抽样
一批产品共n件,从中抽取2件,Ai 同上. 若抽样是不放回的,
则A1 与A2 不独立.
n很大时
但是若n充分大时, 则A1 与A2 可以近似地视为独立— 这在今后的
计算中经常使用.
两种抽样中的独立性
有放回抽样
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.
若抽样是有放回的,则A1 与A2 独立.
无放回抽样
一批产品共n件,从中抽取2件,Ai 同上. 若抽样是不放回的,
则A1 与A2 不独立.
n很大时
但是若n充分大时, 则A1 与A2 可以近似地视为独立— 这在今后的
计算中经常使用.
两种抽样中的独立性
有放回抽样
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.
若抽样是有放回的,则A1 与A2 独立.
无放回抽样
一批产品共n件,从中抽取2件,Ai 同上. 若抽样是不放回的,
则A1 与A2 不独立.
n很大时
但是若n充分大时, 则A1 与A2 可以近似地视为独立— 这在今后的
计算中经常使用.
例1.5.3
例1.5.3
考虑三个孩子的家庭, 令A={家中男孩女孩都有}, B={家中至多
有一个女孩}. 问A与B是否独立?
解:
此试验共有八种可能(b表示男孩,g表示女孩),即样本空间
为:
Ω = {bbb, bbg , bgb, gbb, bgg , gbg , ggb, ggg }.
它是一个古典概型(等可能概型).
P(A) = 68 , P(B) = 84 , P(AB)=P(家中恰有一个女孩)= 38 .
P(AB) = P(A)P(B).
A与B独立.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
例1.5.3
例1.5.3
考虑三个孩子的家庭, 令A={家中男孩女孩都有}, B={家中至多
有一个女孩}. 问A与B是否独立?
解:
此试验共有八种可能(b表示男孩,g表示女孩),即样本空间
为:
Ω = {bbb, bbg , bgb, gbb, bgg , gbg , ggb, ggg }.
它是一个古典概型(等可能概型).
P(A) = 68 , P(B) = 84 , P(AB)=P(家中恰有一个女孩)= 38 .
P(AB) = P(A)P(B).
A与B独立.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
例1.5.3
例1.5.3
考虑三个孩子的家庭, 令A={家中男孩女孩都有}, B={家中至多
有一个女孩}. 问A与B是否独立?
解:
此试验共有八种可能(b表示男孩,g表示女孩),即样本空间
为:
Ω = {bbb, bbg , bgb, gbb, bgg , gbg , ggb, ggg }.
它是一个古典概型(等可能概型).
P(A) = 68 , P(B) = 84 , P(AB)=P(家中恰有一个女孩)= 38 .
P(AB) = P(A)P(B).
A与B独立.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
例1.5.3
例1.5.3
考虑三个孩子的家庭, 令A={家中男孩女孩都有}, B={家中至多
有一个女孩}. 问A与B是否独立?
解:
此试验共有八种可能(b表示男孩,g表示女孩),即样本空间
为:
Ω = {bbb, bbg , bgb, gbb, bgg , gbg , ggb, ggg }.
它是一个古典概型(等可能概型).
P(A) = 68 , P(B) = 84 , P(AB)=P(家中恰有一个女孩)= 38 .
P(AB) = P(A)P(B).
A与B独立.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
例1.5.3
例1.5.3
考虑三个孩子的家庭, 令A={家中男孩女孩都有}, B={家中至多
有一个女孩}. 问A与B是否独立?
解:
此试验共有八种可能(b表示男孩,g表示女孩),即样本空间
为:
Ω = {bbb, bbg , bgb, gbb, bgg , gbg , ggb, ggg }.
它是一个古典概型(等可能概型).
P(A) = 68 , P(B) = 84 , P(AB)=P(家中恰有一个女孩)= 38 .
P(AB) = P(A)P(B).
A与B独立.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
例1.5.3
例1.5.3
考虑三个孩子的家庭, 令A={家中男孩女孩都有}, B={家中至多
有一个女孩}. 问A与B是否独立?
解:
此试验共有八种可能(b表示男孩,g表示女孩),即样本空间
为:
Ω = {bbb, bbg , bgb, gbb, bgg , gbg , ggb, ggg }.
它是一个古典概型(等可能概型).
P(A) = 68 , P(B) = 84 , P(AB)=P(家中恰有一个女孩)= 38 .
P(AB) = P(A)P(B).
A与B独立.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
例1.5.3
例1.5.3
考虑三个孩子的家庭, 令A={家中男孩女孩都有}, B={家中至多
有一个女孩}. 问A与B是否独立?
解:
此试验共有八种可能(b表示男孩,g表示女孩),即样本空间
为:
Ω = {bbb, bbg , bgb, gbb, bgg , gbg , ggb, ggg }.
它是一个古典概型(等可能概型).
P(A) = 68 , P(B) = 84 , P(AB)=P(家中恰有一个女孩)= 38 .
P(AB) = P(A)P(B).
A与B独立.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
想一想?
思考题
对于有二个孩子的家庭, A与B是否独立?
解:
Ω = {bb, bg , gb, gg } 且是等可能概型.
P(A) = 24 , P(B) = 43 , P(AB)= 24 .
P(AB) 6= P(A)P(B).
A与B并不独立!
想一想?
思考题
对于有二个孩子的家庭, A与B是否独立?
解:
Ω = {bb, bg , gb, gg } 且是等可能概型.
P(A) = 24 , P(B) = 43 , P(AB)= 24 .
P(AB) 6= P(A)P(B).
A与B并不独立!
想一想?
思考题
对于有二个孩子的家庭, A与B是否独立?
解:
Ω = {bb, bg , gb, gg } 且是等可能概型.
P(A) = 24 , P(B) = 43 , P(AB)= 24 .
P(AB) 6= P(A)P(B).
A与B并不独立!
想一想?
思考题
对于有二个孩子的家庭, A与B是否独立?
解:
Ω = {bb, bg , gb, gg } 且是等可能概型.
P(A) = 24 , P(B) = 43 , P(AB)= 24 .
P(AB) 6= P(A)P(B).
A与B并不独立!
想一想?
思考题
对于有二个孩子的家庭, A与B是否独立?
解:
Ω = {bb, bg , gb, gg } 且是等可能概型.
P(A) = 24 , P(B) = 43 , P(AB)= 24 .
P(AB) 6= P(A)P(B).
A与B并不独立!
想一想?
思考题
对于有二个孩子的家庭, A与B是否独立?
解:
Ω = {bb, bg , gb, gg } 且是等可能概型.
P(A) = 24 , P(B) = 43 , P(AB)= 24 .
P(AB) 6= P(A)P(B).
A与B并不独立!
想一想?
思考题
对于有二个孩子的家庭, A与B是否独立?
解:
Ω = {bb, bg , gb, gg } 且是等可能概型.
P(A) = 24 , P(B) = 43 , P(AB)= 24 .
P(AB) 6= P(A)P(B).
A与B并不独立!
想一想?
思考题
对于有二个孩子的家庭, A与B是否独立?
解:
Ω = {bb, bg , gb, gg } 且是等可能概型.
P(A) = 24 , P(B) = 43 , P(AB)= 24 .
P(AB) 6= P(A)P(B).
A与B并不独立!
问题: 独立与互斥(互不相容)的关系
如图的两个事件是独立的吗?
P(AB) = 0, 而P(A) > 0, P(B) > 0.
所以P(AB) 6= P(A)P(B), 即A与B不独
立!
结论:
若A与B互不相容,
且P(A) > 0, P(B) > 0, 则A与B不独立.
若A与B独立, 且P(A) > 0, P(B) > 0,
则A与B相容.
问题: 独立与互斥(互不相容)的关系
如图的两个事件是独立的吗?
P(AB) = 0, 而P(A) > 0, P(B) > 0.
所以P(AB) 6= P(A)P(B), 即A与B不独
立!
结论:
若A与B互不相容,
且P(A) > 0, P(B) > 0, 则A与B不独立.
若A与B独立, 且P(A) > 0, P(B) > 0,
则A与B相容.
问题: 独立与互斥(互不相容)的关系
如图的两个事件是独立的吗?
P(AB) = 0, 而P(A) > 0, P(B) > 0.
所以P(AB) 6= P(A)P(B), 即A与B不独
立!
结论:
若A与B互不相容,
且P(A) > 0, P(B) > 0, 则A与B不独立.
若A与B独立, 且P(A) > 0, P(B) > 0,
则A与B相容.
问题: 独立与互斥(互不相容)的关系
如图的两个事件是独立的吗?
P(AB) = 0, 而P(A) > 0, P(B) > 0.
所以P(AB) 6= P(A)P(B), 即A与B不独
立!
结论:
若A与B互不相容,
且P(A) > 0, P(B) > 0, 则A与B不独立.
若A与B独立, 且P(A) > 0, P(B) > 0,
则A与B相容.
问题: 独立与互斥(互不相容)的关系
如图的两个事件是独立的吗?
P(AB) = 0, 而P(A) > 0, P(B) > 0.
所以P(AB) 6= P(A)P(B), 即A与B不独
立!
结论:
若A与B互不相容,
且P(A) > 0, P(B) > 0, 则A与B不独立.
若A与B独立, 且P(A) > 0, P(B) > 0,
则A与B相容.
问题: 独立与互斥(互不相容)的关系
如图的两个事件是独立的吗?
P(AB) = 0, 而P(A) > 0, P(B) > 0.
所以P(AB) 6= P(A)P(B), 即A与B不独
立!
结论:
若A与B互不相容,
且P(A) > 0, P(B) > 0, 则A与B不独立.
若A与B独立, 且P(A) > 0, P(B) > 0,
则A与B相容.
想一想?
思考题
能否在样本空间Ω中找两个事件,它们既相互独立又互斥?
解:
是的.
它们是Ω与Φ (或任一事件A与Φ).
Φ与任何事件独立且互不相容.
想一想?
思考题
能否在样本空间Ω中找两个事件,它们既相互独立又互斥?
解:
是的.
它们是Ω与Φ (或任一事件A与Φ).
Φ与任何事件独立且互不相容.
想一想?
思考题
能否在样本空间Ω中找两个事件,它们既相互独立又互斥?
解:
是的.
它们是Ω与Φ (或任一事件A与Φ).
Φ与任何事件独立且互不相容.
想一想?
思考题
能否在样本空间Ω中找两个事件,它们既相互独立又互斥?
解:
是的.
它们是Ω与Φ (或任一事件A与Φ).
Φ与任何事件独立且互不相容.
想一想?
思考题
能否在样本空间Ω中找两个事件,它们既相互独立又互斥?
解:
是的.
它们是Ω与Φ (或任一事件A与Φ).
Φ与任何事件独立且互不相容.
定理
定理5.1
若两事件A与B相互独立,则A与B, A与B, A与B也相互独立.
证明.
仅证A与B的独立性.
故A与B相互独立.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
1.5.2 三个事件的独立性
三个事件A,B,C的独立性, 需要满足:
1 P(AB) = P(A)P(B);
2 P(AC ) = P(A)P(C );
3 P(BC ) = P(b)P(C );
4 P(ABC ) = P(A)P(B)P(C ).
1.5.2 三个事件的独立性
三个事件A,B,C的独立性, 需要满足:
1 P(AB) = P(A)P(B);
2 P(AC ) = P(A)P(C );
3 P(BC ) = P(b)P(C );
4 P(ABC ) = P(A)P(B)P(C ).
1.5.2 三个事件的独立性
三个事件A,B,C的独立性, 需要满足:
1 P(AB) = P(A)P(B);
2 P(AC ) = P(A)P(C );
3 P(BC ) = P(b)P(C );
4 P(ABC ) = P(A)P(B)P(C ).
1.5.2 三个事件的独立性
三个事件A,B,C的独立性, 需要满足:
1 P(AB) = P(A)P(B);
2 P(AC ) = P(A)P(C );
3 P(BC ) = P(b)P(C );
4 P(ABC ) = P(A)P(B)P(C ).
1.5.2 三个事件的独立性
三个事件A,B,C的独立性, 需要满足:
1 P(AB) = P(A)P(B);
2 P(AC ) = P(A)P(C );
3 P(BC ) = P(b)P(C );
4 P(ABC ) = P(A)P(B)P(C ).
n个事件的独立性
两两独立与相互独立的区别
n(> 2)个事件相互独立⇒两两独立, 反之不然!
n个事件的独立性
两两独立与相互独立的区别
n(> 2)个事件相互独立⇒两两独立, 反之不然!
n个事件的独立性
两两独立与相互独立的区别
n(> 2)个事件相互独立⇒两两独立, 反之不然!
n个事件的独立性
两两独立与相互独立的区别
n(> 2)个事件相互独立⇒两两独立, 反之不然!
n个事件的独立性
两两独立与相互独立的区别
n(> 2)个事件相互独立⇒两两独立, 反之不然!
n个事件的独立性
两两独立与相互独立的区别
n(> 2)个事件相互独立⇒两两独立, 反之不然!
想一想?
思考题
若A, B, C 相互独立,
A ∪ B 与C 独立?
A ∩ B 与C 独立?
A − B 与C 独立?
请证明你的结论.
想一想?
思考题
若A, B, C 相互独立,
A ∪ B 与C 独立?
A ∩ B 与C 独立?
A − B 与C 独立?
请证明你的结论.
想一想?
思考题
若A, B, C 相互独立,
A ∪ B 与C 独立?
A ∩ B 与C 独立?
A − B 与C 独立?
请证明你的结论.
想一想?
思考题
若A, B, C 相互独立,
A ∪ B 与C 独立?
A ∩ B 与C 独立?
A − B 与C 独立?
请证明你的结论.
想一想?
思考题
若A, B, C 相互独立,
A ∪ B 与C 独立?
A ∩ B 与C 独立?
A − B 与C 独立?
请证明你的结论.
例1.5.4
例1.5.4
一架飞机有两个发动机, 向该机射击时, 仅当击中驾驶舱或同时
击中二个发动机时, 飞机才被击落. 求飞机被击落的概率.
解:
记A={击中驾驶舱}, 且P(A) = p0 ; B1 ={击中第1个发动机},
且P(B1 ) = p1 ; B2 ={击中第2个发动机}, 且P(B2 ) = p2 ;
E={飞机被击落}.
可以认为A, B1 , B2 相互独立.
E = A ∪ B1 B2 .
P(E ) = P(A) + P(B1 B2 ) − P(AB1 B2 ) = p0 + p1 p2 − p0 p1 p2 .
例1.5.4
例1.5.4
一架飞机有两个发动机, 向该机射击时, 仅当击中驾驶舱或同时
击中二个发动机时, 飞机才被击落. 求飞机被击落的概率.
解:
记A={击中驾驶舱}, 且P(A) = p0 ; B1 ={击中第1个发动机},
且P(B1 ) = p1 ; B2 ={击中第2个发动机}, 且P(B2 ) = p2 ;
E={飞机被击落}.
可以认为A, B1 , B2 相互独立.
E = A ∪ B1 B2 .
P(E ) = P(A) + P(B1 B2 ) − P(AB1 B2 ) = p0 + p1 p2 − p0 p1 p2 .
例1.5.4
例1.5.4
一架飞机有两个发动机, 向该机射击时, 仅当击中驾驶舱或同时
击中二个发动机时, 飞机才被击落. 求飞机被击落的概率.
解:
记A={击中驾驶舱}, 且P(A) = p0 ; B1 ={击中第1个发动机},
且P(B1 ) = p1 ; B2 ={击中第2个发动机}, 且P(B2 ) = p2 ;
E={飞机被击落}.
可以认为A, B1 , B2 相互独立.
E = A ∪ B1 B2 .
P(E ) = P(A) + P(B1 B2 ) − P(AB1 B2 ) = p0 + p1 p2 − p0 p1 p2 .
例1.5.4
例1.5.4
一架飞机有两个发动机, 向该机射击时, 仅当击中驾驶舱或同时
击中二个发动机时, 飞机才被击落. 求飞机被击落的概率.
解:
记A={击中驾驶舱}, 且P(A) = p0 ; B1 ={击中第1个发动机},
且P(B1 ) = p1 ; B2 ={击中第2个发动机}, 且P(B2 ) = p2 ;
E={飞机被击落}.
可以认为A, B1 , B2 相互独立.
E = A ∪ B1 B2 .
P(E ) = P(A) + P(B1 B2 ) − P(AB1 B2 ) = p0 + p1 p2 − p0 p1 p2 .
例1.5.4
例1.5.4
一架飞机有两个发动机, 向该机射击时, 仅当击中驾驶舱或同时
击中二个发动机时, 飞机才被击落. 求飞机被击落的概率.
解:
记A={击中驾驶舱}, 且P(A) = p0 ; B1 ={击中第1个发动机},
且P(B1 ) = p1 ; B2 ={击中第2个发动机}, 且P(B2 ) = p2 ;
E={飞机被击落}.
可以认为A, B1 , B2 相互独立.
E = A ∪ B1 B2 .
P(E ) = P(A) + P(B1 B2 ) − P(AB1 B2 ) = p0 + p1 p2 − p0 p1 p2 .
例1.5.4
例1.5.4
一架飞机有两个发动机, 向该机射击时, 仅当击中驾驶舱或同时
击中二个发动机时, 飞机才被击落. 求飞机被击落的概率.
解:
记A={击中驾驶舱}, 且P(A) = p0 ; B1 ={击中第1个发动机},
且P(B1 ) = p1 ; B2 ={击中第2个发动机}, 且P(B2 ) = p2 ;
E={飞机被击落}.
可以认为A, B1 , B2 相互独立.
E = A ∪ B1 B2 .
P(E ) = P(A) + P(B1 B2 ) − P(AB1 B2 ) = p0 + p1 p2 − p0 p1 p2 .
利用独立性计算复杂事件的概率
例1.5.5
三人独立地去破译一份密码,各人能译出的概率分别为1/5, 1/3,
1/4, 问其中至少有一人能将密码译出的概率是多少?
解:
记Ai ={第i个人破译出密码}, i = 1, 2, 3, 它们相互独立. 故要求
为P(A1 ∪ A2 ∪ A3 ).
已知P(A1 ) = 1/5, P(A2 ) = 1/3, P(A3 ) = 1/4, 所以
P(A1 ∪ A2 ∪ A3 ) = 1 − P(A1 A2 A3 )
= 1 − [1 − P(A1 )][1 − P(A2 )][1 − P(A3 )]
4 2 3 3
=1− × × = .
5 3 4 5
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
利用独立性计算复杂事件的概率
例1.5.5
三人独立地去破译一份密码,各人能译出的概率分别为1/5, 1/3,
1/4, 问其中至少有一人能将密码译出的概率是多少?
解:
记Ai ={第i个人破译出密码}, i = 1, 2, 3, 它们相互独立. 故要求
为P(A1 ∪ A2 ∪ A3 ).
已知P(A1 ) = 1/5, P(A2 ) = 1/3, P(A3 ) = 1/4, 所以
P(A1 ∪ A2 ∪ A3 ) = 1 − P(A1 A2 A3 )
= 1 − [1 − P(A1 )][1 − P(A2 )][1 − P(A3 )]
4 2 3 3
=1− × × = .
5 3 4 5
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
利用独立性计算复杂事件的概率
例1.5.5
三人独立地去破译一份密码,各人能译出的概率分别为1/5, 1/3,
1/4, 问其中至少有一人能将密码译出的概率是多少?
解:
记Ai ={第i个人破译出密码}, i = 1, 2, 3, 它们相互独立. 故要求
为P(A1 ∪ A2 ∪ A3 ).
已知P(A1 ) = 1/5, P(A2 ) = 1/3, P(A3 ) = 1/4, 所以
P(A1 ∪ A2 ∪ A3 ) = 1 − P(A1 A2 A3 )
= 1 − [1 − P(A1 )][1 − P(A2 )][1 − P(A3 )]
4 2 3 3
=1− × × = .
5 3 4 5
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
利用独立性计算复杂事件的概率
例1.5.5
三人独立地去破译一份密码,各人能译出的概率分别为1/5, 1/3,
1/4, 问其中至少有一人能将密码译出的概率是多少?
解:
记Ai ={第i个人破译出密码}, i = 1, 2, 3, 它们相互独立. 故要求
为P(A1 ∪ A2 ∪ A3 ).
已知P(A1 ) = 1/5, P(A2 ) = 1/3, P(A3 ) = 1/4, 所以
P(A1 ∪ A2 ∪ A3 ) = 1 − P(A1 A2 A3 )
= 1 − [1 − P(A1 )][1 − P(A2 )][1 − P(A3 )]
4 2 3 3
=1− × × = .
5 3 4 5
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
利用独立性计算复杂事件的概率
例1.5.5
三人独立地去破译一份密码,各人能译出的概率分别为1/5, 1/3,
1/4, 问其中至少有一人能将密码译出的概率是多少?
解:
记Ai ={第i个人破译出密码}, i = 1, 2, 3, 它们相互独立. 故要求
为P(A1 ∪ A2 ∪ A3 ).
已知P(A1 ) = 1/5, P(A2 ) = 1/3, P(A3 ) = 1/4, 所以
P(A1 ∪ A2 ∪ A3 ) = 1 − P(A1 A2 A3 )
= 1 − [1 − P(A1 )][1 − P(A2 )][1 − P(A3 )]
4 2 3 3
=1− × × = .
5 3 4 5
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
利用独立性计算复杂事件的概率
例1.5.5
三人独立地去破译一份密码,各人能译出的概率分别为1/5, 1/3,
1/4, 问其中至少有一人能将密码译出的概率是多少?
解:
记Ai ={第i个人破译出密码}, i = 1, 2, 3, 它们相互独立. 故要求
为P(A1 ∪ A2 ∪ A3 ).
已知P(A1 ) = 1/5, P(A2 ) = 1/3, P(A3 ) = 1/4, 所以
P(A1 ∪ A2 ∪ A3 ) = 1 − P(A1 A2 A3 )
= 1 − [1 − P(A1 )][1 − P(A2 )][1 − P(A3 )]
4 2 3 3
=1− × × = .
5 3 4 5
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第一章
随机事件及其运算
两个事件的独立性
事件的概率
多个事件的独立性
概率的性质
试验的独立性
条件概率
n重贝努里试验
独立性
n个独立事件和的概率公式
n个独立事件Ai , i = 1, 2, · · · , n的和常记为A1 + A2 + · · · + An ;
n个独立事件和的概率公式
n个独立事件Ai , i = 1, 2, · · · , n的和常记为A1 + A2 + · · · + An ;
n个独立事件和的概率公式
n个独立事件Ai , i = 1, 2, · · · , n的和常记为A1 + A2 + · · · + An ;
例1.5.6
例1.5.6
两射手轮流对同一目标进行射击,甲先射,谁先击中则得胜. 每
次射击中,甲、乙命中目标的概率分别为α和β,求甲得胜的概
率.
解:
P(甲胜) = α + (1 − α) × (1 − β) × P(甲胜);
α
P(甲胜) = 1−(1−α)(1−β) .
例1.5.6
例1.5.6
两射手轮流对同一目标进行射击,甲先射,谁先击中则得胜. 每
次射击中,甲、乙命中目标的概率分别为α和β,求甲得胜的概
率.
解:
P(甲胜) = α + (1 − α) × (1 − β) × P(甲胜);
α
P(甲胜) = 1−(1−α)(1−β) .
例1.5.6
例1.5.6
两射手轮流对同一目标进行射击,甲先射,谁先击中则得胜. 每
次射击中,甲、乙命中目标的概率分别为α和β,求甲得胜的概
率.
解:
P(甲胜) = α + (1 − α) × (1 − β) × P(甲胜);
α
P(甲胜) = 1−(1−α)(1−β) .
例1.5.6
例1.5.6
两射手轮流对同一目标进行射击,甲先射,谁先击中则得胜. 每
次射击中,甲、乙命中目标的概率分别为α和β,求甲得胜的概
率.
解:
P(甲胜) = α + (1 − α) × (1 − β) × P(甲胜);
α
P(甲胜) = 1−(1−α)(1−β) .
1.5.3 试验的独立性
n个试验Ei , i = 1, · · · , n的独立性:
E1 的任一结果, E2 的任一结果, · · · , E2 的任一结果都相互独立.
n重独立重复试验:
一个试验独立地重复n次.
例子:
掷n枚硬币; 掷n颗骰子; 检查n个产品.
1.5.3 试验的独立性
n个试验Ei , i = 1, · · · , n的独立性:
E1 的任一结果, E2 的任一结果, · · · , E2 的任一结果都相互独立.
n重独立重复试验:
一个试验独立地重复n次.
例子:
掷n枚硬币; 掷n颗骰子; 检查n个产品.
1.5.3 试验的独立性
n个试验Ei , i = 1, · · · , n的独立性:
E1 的任一结果, E2 的任一结果, · · · , E2 的任一结果都相互独立.
n重独立重复试验:
一个试验独立地重复n次.
例子:
掷n枚硬币; 掷n颗骰子; 检查n个产品.
1.5.3 试验的独立性
n个试验Ei , i = 1, · · · , n的独立性:
E1 的任一结果, E2 的任一结果, · · · , E2 的任一结果都相互独立.
n重独立重复试验:
一个试验独立地重复n次.
例子:
掷n枚硬币; 掷n颗骰子; 检查n个产品.
1.5.4 n重贝努里试验
贝努里试验:
试验E 仅有二个可能的结果:成功(记为A)和失败(记为A).
例子:
成功、失败; 黑球、白球; 正面、反面;
n重贝努里试验:
将试验E 独立地重复n次, 记为E n .
1.5.4 n重贝努里试验
贝努里试验:
试验E 仅有二个可能的结果:成功(记为A)和失败(记为A).
例子:
成功、失败; 黑球、白球; 正面、反面;
n重贝努里试验:
将试验E 独立地重复n次, 记为E n .
1.5.4 n重贝努里试验
贝努里试验:
试验E 仅有二个可能的结果:成功(记为A)和失败(记为A).
例子:
成功、失败; 黑球、白球; 正面、反面;
n重贝努里试验:
将试验E 独立地重复n次, 记为E n .
n重贝努里试验中成功k次数的概率
设P(A) = p;
记Bn,k =“n重贝努里试验中A出现k次”;
则P(Bn,k ) = kn p k (1 − p)n−k , k = 0, 1, 2, · · · , n.
若记“X=n”表示n重贝努里试验中成功的次数, 则上式可
表示为
n k
P(X = k) = p (1 − p)n−k , k = 0, 1, 2, · · · , n.
k
n重贝努里试验中成功k次数的概率
设P(A) = p;
记Bn,k =“n重贝努里试验中A出现k次”;
则P(Bn,k ) = kn p k (1 − p)n−k , k = 0, 1, 2, · · · , n.
若记“X=n”表示n重贝努里试验中成功的次数, 则上式可
表示为
n k
P(X = k) = p (1 − p)n−k , k = 0, 1, 2, · · · , n.
k
n重贝努里试验中成功k次数的概率
设P(A) = p;
记Bn,k =“n重贝努里试验中A出现k次”;
则P(Bn,k ) = kn p k (1 − p)n−k , k = 0, 1, 2, · · · , n.
若记“X=n”表示n重贝努里试验中成功的次数, 则上式可
表示为
n k
P(X = k) = p (1 − p)n−k , k = 0, 1, 2, · · · , n.
k
n重贝努里试验中成功k次数的概率
设P(A) = p;
记Bn,k =“n重贝努里试验中A出现k次”;
则P(Bn,k ) = kn p k (1 − p)n−k , k = 0, 1, 2, · · · , n.
若记“X=n”表示n重贝努里试验中成功的次数, 则上式可
表示为
n k
P(X = k) = p (1 − p)n−k , k = 0, 1, 2, · · · , n.
k
想一想?
思考题:推广的n重贝努里试验
试验E 有m个基本结果:A1 , AP 2 , · · · , Am , 且
设P(Ai ) = pi , i = 1, 2, ·, m, m i=1 pi = 1. 将试验E 独立的重
复n次(称为推广的n重贝努里试验), 问其中A1 出现k1 次, A2 出
现k2 次,· · · , Am 出现km 次的概率是多少?
提示:
将n个不同的球分成二组, 第一组k个, 第二组n-k个, 共
n n!
有 k = k!(n−k)! ;
将n个不同的球分成m组, 第i组有ki , i = 1, 2, · · · , m个,共有
多少种分法?
想一想?
思考题:推广的n重贝努里试验
试验E 有m个基本结果:A1 , AP 2 , · · · , Am , 且
设P(Ai ) = pi , i = 1, 2, ·, m, m i=1 pi = 1. 将试验E 独立的重
复n次(称为推广的n重贝努里试验), 问其中A1 出现k1 次, A2 出
现k2 次,· · · , Am 出现km 次的概率是多少?
提示:
将n个不同的球分成二组, 第一组k个, 第二组n-k个, 共
n n!
有 k = k!(n−k)! ;
将n个不同的球分成m组, 第i组有ki , i = 1, 2, · · · , m个,共有
多少种分法?
想一想?
思考题:推广的n重贝努里试验
试验E 有m个基本结果:A1 , AP 2 , · · · , Am , 且
设P(Ai ) = pi , i = 1, 2, ·, m, m i=1 pi = 1. 将试验E 独立的重
复n次(称为推广的n重贝努里试验), 问其中A1 出现k1 次, A2 出
现k2 次,· · · , Am 出现km 次的概率是多少?
提示:
将n个不同的球分成二组, 第一组k个, 第二组n-k个, 共
n n!
有 k = k!(n−k)! ;
将n个不同的球分成m组, 第i组有ki , i = 1, 2, · · · , m个,共有
多少种分法?
想一想?
思考题:推广的n重贝努里试验
试验E 有m个基本结果:A1 , AP 2 , · · · , Am , 且
设P(Ai ) = pi , i = 1, 2, ·, m, m i=1 pi = 1. 将试验E 独立的重
复n次(称为推广的n重贝努里试验), 问其中A1 出现k1 次, A2 出
现k2 次,· · · , Am 出现km 次的概率是多少?
提示:
将n个不同的球分成二组, 第一组k个, 第二组n-k个, 共
n n!
有 k = k!(n−k)! ;
将n个不同的球分成m组, 第i组有ki , i = 1, 2, · · · , m个,共有
多少种分法?
补充: 几何概型
补充: 几何概型
补充: 几何概型
例1.5.7
例1.5.7
两人相约在7点到8点会面, 先到者等候另一人10分钟, 过时就离
去, 求两人能会面的概率?
解:
设A={两个在7点到8点能会面};
Ω = {(x, y )| 0 ≤ x, y ≤ 60};
A = {(x, y )| |x − y | ≤ 10};
SA 602 −502 11
P(A) = SΩ = 602
= 36 .
例1.5.7
例1.5.7
两人相约在7点到8点会面, 先到者等候另一人10分钟, 过时就离
去, 求两人能会面的概率?
解:
设A={两个在7点到8点能会面};
Ω = {(x, y )| 0 ≤ x, y ≤ 60};
A = {(x, y )| |x − y | ≤ 10};
SA 602 −502 11
P(A) = SΩ = 602
= 36 .
例1.5.7
例1.5.7
两人相约在7点到8点会面, 先到者等候另一人10分钟, 过时就离
去, 求两人能会面的概率?
解:
设A={两个在7点到8点能会面};
Ω = {(x, y )| 0 ≤ x, y ≤ 60};
A = {(x, y )| |x − y | ≤ 10};
SA 602 −502 11
P(A) = SΩ = 602
= 36 .
例1.5.7
例1.5.7
两人相约在7点到8点会面, 先到者等候另一人10分钟, 过时就离
去, 求两人能会面的概率?
解:
设A={两个在7点到8点能会面};
Ω = {(x, y )| 0 ≤ x, y ≤ 60};
A = {(x, y )| |x − y | ≤ 10};
SA 602 −502 11
P(A) = SΩ = 602
= 36 .
例1.5.7
例1.5.7
两人相约在7点到8点会面, 先到者等候另一人10分钟, 过时就离
去, 求两人能会面的概率?
解:
设A={两个在7点到8点能会面};
Ω = {(x, y )| 0 ≤ x, y ≤ 60};
A = {(x, y )| |x − y | ≤ 10};
SA 602 −502 11
P(A) = SΩ = 602
= 36 .
例1.5.7
例1.5.7
两人相约在7点到8点会面, 先到者等候另一人10分钟, 过时就离
去, 求两人能会面的概率?
解:
设A={两个在7点到8点能会面};
Ω = {(x, y )| 0 ≤ x, y ≤ 60};
A = {(x, y )| |x − y | ≤ 10};
SA 602 −502 11
P(A) = SΩ = 602
= 36 .
课堂练习
课堂练习(一题多解)
从5双不同的鞋子中任取4只, 求此4只鞋子中至少有两只鞋子配
成一双的概率?
解:
13
P(A) = 21
你是如何解的, 请解释.
课堂练习
课堂练习(一题多解)
从5双不同的鞋子中任取4只, 求此4只鞋子中至少有两只鞋子配
成一双的概率?
解:
13
P(A) = 21
你是如何解的, 请解释.
课堂练习
课堂练习(一题多解)
从5双不同的鞋子中任取4只, 求此4只鞋子中至少有两只鞋子配
成一双的概率?
解:
13
P(A) = 21
你是如何解的, 请解释.
§1.5 习题/P40
§1.5 习题:
3, 4, 9, 13, 16, 19, 22, 28