1.5 条件概率
本章目录 · 1 节
本章导读
【1.5 条件概率】在P(A)>0时,定义。竖线右边是已经知道的条件;P(B|A)与P(A|B)一般不同。固定A后,P(·|A)也满足非负、规范及可列可加,因此补事件、加法等公式仍适用,只须各项条件保持同一个A。
【例1 两次抛币】S={HH,HT,TH,TT},A:至少一次H,B:两次同面。A含3个等可能点,AB={HH},所以P(B|A)=1/3;原来的P(B)=1/2。也可用P(AB)/P(A)=(1/4)/(3/4)。(例完)
【例2 不放回产品】4件中3件一等品,连续抽2件。A:第一件一等,B:第二件一等。12个有序样本点中,A有9个、AB有6个,P(B|A)=6/9=2/3;直接在剩余3件中数一等品也得到2/3。(例完)
【乘法定理】P(A)>0时P(AB)=P(A)P(B|A)。若P(A₁…Aₙ₋₁)>0,则
各分母正由交集包含保证。没有独立假设时,不能把右侧所有条件概率改成边缘概率。
【例3 加球模型】原有r红t白,每次取一球后放回,再加入a只同色球,a为非负整数。连续“红红白白”的概率为。第三次取白前白球仍t只,第四次才变t+a;不能沿用固定袋子比例。(例完)
【例4 透镜三次未碎】首次碎概率1/2;在此前未碎条件下第二次碎概率7/10、第三次碎概率9/10。三次均未碎概率(1/2)(3/10)(1/10)=3/200。另法按首次破碎时间分成三个互斥事件,概率1/2、7/20、27/200,相加197/200,再取补。Aᵢ若记“第i次首次打碎”,必须保留前面未碎的条件。(例完)
【划分、全概率与贝叶斯】B₁,…,Bₙ两两互斥、并为S且P(Bᵢ)>0。A=⋃ᵢABᵢ为不交并,故
再要求P(A)>0,由条件概率定义得到
划分可放宽为并的概率为1;概率为0的块应略去,不能为它硬定义上述比值。两块B、B̄时,P(A)=P(B)P(A|B)+P(B̄)P(A|B̄),后验分子取其中相应项、分母取总和。
【例5 三家供货】份额依次0.15、0.80、0.05,次品率0.02、0.01、0.03。次品总概率0.003+0.008+0.0015=0.0125;已知次品,来自各厂后验为0.24、0.64、0.12,和为1。份额最大不是唯一原因,后验由份额与次品率共同决定。(例完)
【例6 全概率反求】原书练习设吸烟比例0.20、某病总概率0.001、吸烟条件下概率0.004;这些是计算题的给定数,不当作当前人群数据。代入0.001=0.20×0.004+0.80q,得到不吸烟条件下q=0.00025。(例完)
【例7 机器状态】B:调整良好,A:首件合格。P(B)=0.95,P(A|B)=0.98,P(A|B̄)=0.55,则P(B|A)=0.931/(0.931+0.0275)≈0.971309。0.95为先验,观察首件合格后更新为约0.9713;不是机器从95%“修好了”到97%,而是信息改变了判断。(例完)
【例8 诊断试验模型】沿用原题设定:C:患病,A:阳性,P(C)=0.005,灵敏度P(A|C)=0.95,特异度P(Ā|C̄)=0.95。因此P(A|C̄)=0.05,P(C|A)=0.00475/(0.00475+0.04975)=19/218≈0.087156。此处8.7%是阳性预测值,不能称为整个试验的“正确性只有8.7%”;按本题模型整体分类正确概率为0.95×0.005+0.95×0.995=0.95。低基率使假阳性人数可多于真阳性人数,不能将两个方向的条件概率混淆。(例完)
