刘涛--全概率公式与贝叶斯公式--教学设
计
概率论与数理统计教学设计
1.引导课题…………3分钟
钟）
（i ）,,,1,2,i j B B i j i j n φ=≠=L （ii ）1n
i i B S =?=
则称1,2,n B B B L 为样本空间S 的一个划分。 若1,2,n B B B L 是样本空间的一个划分，那么，对每次试验，事件1,2,n B B B L 中必有一个且仅有一个发生。
在新的结论下，划分（完备事件组）
可以不这样要求，只要满足如下即可：
（1）1n
i i B A ==U
（2）B 发生当且仅当B 与1,2,...n A A A 之
一同时发生，此处并不要求1n
i i A S ==U
事实上，只要1n i i B A =?U 即可。
2.全概率公式 设试验E 的样本空间为S ，A 为E 的事
件，1,2,n B B B L 为S 的一个划分，且()0(1,2,),i P B i n >=L 则1()(|)()n
i i i P A P A B P B ==∑ 称为全概率公式。 证明：因为
1212()n n A AS A B B B AB AB AB ==???=??L L 由假设()0(1,2,),i P B i n >=L 且
()(),,,1,2,i j AB AB i j i j n φ=≠=L 故：1()(|)()n
i i i P A P A B P B ==∑
再次回到体育彩票问题，使用全概率公式具体
求解第一人和第二人分别摸到奖卷的概率。
教师给予引导，回归到刚提出的问题上，对日常生活中买体育彩票这个事件的样本空间进行划分。为给出全概率公式做准备。
通过对概率公式的讲
解，具体解
贝叶斯公式的经验之谈 一、综述 在日常生活中，我们会遇到许多由因求果的问题，也会遇到许多由果溯因的问题。比如某种传染疾病已经出现．寻找传染源；机械发生了故障，寻找故障源就是典型的南果溯因问题等。在一定条件下，这类由果溯因问题可通过贝叶斯公式来求解。以下从几个的例子来说明贝叶斯公式的应用。 文【1】主要应用贝叶斯公式的简单情形，从“疾病诊断”，“说谎了吗”，“企业资质评判”，“诉讼”四个方面讨论其具体应用。文【2】用市场预测的实例，介绍了贝叶斯公式在市场预测中的应用。贝叶斯市场预测能对信息的价值是否需要采集新的信息做出科学的判断。文【3】、文【4】介绍贝叶斯过滤技术的工作原理及技术原理，讨论了邮件过滤模块，通过分析研究该模块中垃圾邮件关键词的统计概率分布，提出了基于贝叶斯概率模型的邮件过滤算法，并对该算法的合理性和复杂度进行了分析。可以根据垃圾邮件内容的特征，建立贝叶斯概率模型，计算出一封邮件是垃圾邮件的概率，从而判断其是否为垃圾邮件。文【5】基于贝叶斯公式中概率统计的重要性与在日常生活中应用的广泛性，概述了贝叶斯统计的基本思想及其与其他统计学派的争论，并对作为贝叶斯统计基石的贝叶斯公式进行了归纳。 二．内容 1.疾病诊断. 资料显示, 某项艾滋病血液检测的灵敏度( 即真有病的人检查为阳性) 为95%, 而对没有得病的人，种检测的准确率( 即没有病的人检查为阴性) 为99%. 美国是一个艾滋病比较流行的国家, 估计大约有千分之一的人患有这种病. 为了能有效地控制、减缓艾滋病的传播, 几年前有人建议对申请新婚登记的新婚夫妇进行这种血液检查. 该计划提出后, 征询专家意见, 遭到专家的强烈反对, 计划
单位代码：005 分类号：o1 西安创新学院本科毕业论文设计 题目：全概率公式和贝叶斯公式 专业名称：数学与应用数学 学生姓名：行一舟 学生学号：0703044138 指导教师：程值军 毕业时间：二0一一年六月
全概率公式和贝叶斯公式 摘要:对全概率公式和贝叶斯公式,探讨了寻找完备事件组的两个常用方法,和一些实际的应用.全概率公式是概率论中的一个重要的公式,它提供了计算复杂事件概率的一条有效的途径,使一个复杂事件的概率计算问题化繁就简.而贝叶斯公式则是在乘法公式和全概率公式的基础上得到的一个著名的公式. 关键词:全概率公式;贝叶斯公式;完备事件组
The Full Probability Formula and Bayes Formula Abstract：To the full probability formula and bayes formula for complete,discusses the two commonly used methods of events,and some practical applications.Full probability formula is one of the important full probability formula of calculation,it provides an effective complex events of the way the full probability of a complex events,full probability calculation problem change numerous will Jane.And the bayes formula is in full probability formula multiplication formula and the basis of a famous formula obtained. Key words：Full probability formula;Bayes formula;Complete event group;
班级：___ 姓名：________ 一、新知导学 1．互斥事件、事件的并、对立事件 不可能同时发生的两个事件叫做__________ (或称为_________事件)。由事件A 和B 至少有一个发生(即A 发生，或B 发生，或A 、B 都发生)所构成的事件C ，称为____________ (或和)。记作_________(或C=A+B)。 事件A B 是由事件A 或B 所包含的基本事件所组成的集合。 不能同时发生且必有一个发生的两个事件叫做互为__________。 事件A 的对立事件记作A 。 2.若A 、B 是互斥事件。在n 次试验中，事件A 出现的频数是n 1，事件B 出现的次数是n 2，则事件A B 出现的频数为________，所以事件A B 的频率为_________。 用n μ表示在n 次试验中事件出现的频率，则总有n μ(A B)=_____________，由概率的统计定义可知P(A B)=____________。 3.如果事件n A A A ,,,21 两两互斥，那么事件12n A A A 发生(是指事件n A A A ,,,21 中至少有一个发生)的概率，等于这n 个事件分别发生的_______，即P(12n A A A )=______________，称为互斥事件的概率加法公式。 4.一般地，两个事件对立，则两个事件必是互斥事件；反之，两个事件是互斥事件，但未必是对立事件。对立事件的概率公式为__________________________。 二、课前自测 1、判断下列各对事件是否为互斥事件。 某小组有3名男生和5名女生,从中任选2名同学去参加英语竞赛, (1)恰有1名男生与恰有2名男生；______；(2)至少有1名女生与全是女生。 _______ 2、给出以下四个命题： (1)将一枚硬币抛掷二次，设事件A ：“二次都出现正面”，事件B ：“二次都出现反面”．则事件A 与事件B 是对立事件；(2)在命题(1)中，事件A 与事件B 是互斥事件； (3)在10件产品中有3件是次品，从中任取3件．事件A ：“所取3件中最多有2件是次品”．事件B ：“所取3件中至少有2件是次品”．则事件A 与事件B 是互斥事件． 其中真命题的个数是（ ）. A ．0 B ．1 C ．2 D ．3
全概率公式、贝叶斯公式推导过程 （1）条件概率公式 设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： P(A|B)=P(AB)/P(B) （2）乘法公式 1.由条件概率公式得： P(AB)=P(A|B)P(B)=P(B|A)P(A) 上式即为乘法公式； 2.乘法公式的推广：对于任何正整数n≥全概率公式、贝叶斯公式推导过程 （1）条件概率公式 设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： P(A|B)=P(AB)/P(B) （2）乘法公式 1.由条件概率公式得： P(AB)=P(A|B)P(B)=P(B|A)P(A) 上式即为乘法公式； 2.乘法公式的推广：对于任何正整数n≥2，当P(A1A2...A n-1) > 0 时，有： P(A1A2...A n-1A n)=P(A1)P(A2|A1)P(A3|A1A2)...P(A n|A1A2...A n-1) （3）全概率公式 1. 如果事件组B1，B2，.... 满足 1.B1，B 2....两两互斥，即B i ∩ B j = ?，i≠j ，i,j=1，2，....，且P(B i)>0,i=1,2,....; 2.B1∪B2∪....=Ω ，则称事件组B1,B2,...是样本空间Ω的一个划分 设 B1,B2,...是样本空间Ω的一个划分，A为任一事件，则： 上式即为全概率公式（formula of total probability) 2.全概率公式的意义在于，当直接计算P(A)较为困难,而P(B i),P(A|B i) (i=1,2,...)的计算较为简单时，可以利用全概率公式计算P(A)。思想就是，将事件A分解成几个小事件，通过求小事件的概率，然后相加从而求得事件A的概率，而将事件A进行分割的时候，不是直接对A进行分割，而是先找到样本空间Ω的一个个划分B1,B2,...B n,这样事件A就被事
全概率公式与贝叶斯公式解题归纳 来源：文都教育 在数学一、数学三的概率论与数理统计部分，需要用到全概率公式及其贝叶斯公式来解题. 这类题目首先要区分清楚是“由因导果”，还是“由果索因”，因为全概率公式是计算由若干“原因”引起的复杂事件概率的公式，而贝叶斯公式是用来计算复杂事件已发生的条件下，某一“原因”发生的条件概率. 它们的定义如下： 全概率公式：设n B B B ,,,21 为样本空间Ω的一个划分，如果()0,i P B > 1,2,,i n =L ，则对任一事件A 有 )|()()(1 i n i i B A P B P A P ∑==. 贝叶斯公式 ：设n ,B ,,B B 21 是样本空间Ω的一个划分，则 .,,2,1,)|()() |()()|(1n i B A P B P B A P B P A B P n j j j i i i ==∑= 例1 从数字1, 2, 3, 4中任取一个数，记为X ，再从1，…，X 中任取一个数，记为Y ，则(2)P Y == . 解 由离散型随机变量的概率分布有： (1)(2)(3)(4)14P X P X P X P X ========. 由题意，得 (21)0,(22)12,P Y X P Y X ====== (23)13,(24)14P Y X P Y X ======,则根据全概率公式得到
(2)(1)(21)(2)(22)P Y P X P Y X P X P Y X =====+=== (3)(23)(4)(24)P X P Y X P X P Y X +===+=== 111113(0).423448 =?+++= 例2 12件产品中有4件次品，在先取1件的情况下，任取2件产品皆为正品，求先取1件为次品的概率. 解 令A={先取的1件为次品}，则,A A 为完备事件组，12(),(),33 P A P A = =令B={后取的2件皆为正品}，则2821128(),55C P B A C ==2721121(),55C P B A C == 由贝叶斯公式得 128()()()2355().128221()()()()()5 355355 P A P B A P AB P A B P B P A P B A P A P B A ?====+?+? 若随机试验可以看成分两个阶段进行，且第一阶段的各试验结果具体结果怎样未知，那么：（1）如果要求的是第二阶段某一个结果发生的概率，则用全概率公式；（2）如果第二个阶段的某一个结果是已知的，要求的是此结果为第一阶段某一个结果所引起的概率，一般用贝叶斯公式，类似于求条件概率. 熟记这个特征，在遇到相关的题目时，可以准确地选择方法进行计算，保证解题的正确高效.
贝叶斯公式应用案例 贝叶斯公式的定义是： 若事件B1 ,B2 , …,Bn 是样本空间Ψ的一个划分, P(B i)>0 (i =1 ,2 , …, n ),A 是任一事件且P(A)>0 , 则有 P(B|A)= P(B j )P(A| B j ) / P(A) (j =1 ,2 , …, n ) 其中, P(A)可由全概率公式得到.即 n P(A)=∑P(B i)P(A|B i) i =1 在我们平时工作中，对于贝叶斯公式的实际运用在零件质量检测中有所体现。 假设某零件的次品率为0.1%，而现有的检测手段灵敏度为95%（即发现零件确实为次品的概率为95%），将好零件误判为次品零件的概率为1%。此时假如对零件进行随机抽样检查，检测结果显示该零件为次品。对我们来说，我们所要求的实际有用的检测结果，应当是仪器在检测次品后显示该零件为次品的几率。 现在让我们用贝叶斯公式分析一下该情况。 假设，A=【检查为次品】，B=【零件为次品】，即我们需要求得的概率为P(B|A) 则实际次品的概率P(B)=0.1%, 已知零件为次品的前提下显示该零件为次品的概率P(A|B)= 95%, P(B)=1-0.001=0.999 所以，P(A)=0.001X0.95+0.999X0.01=0.01094 P(B|A)=P(B)P(A|B)/P(A)=0.1%*95%/0.01094=0.0868 即仪器实际辨别出该次品并且实际显示该零件为次品的概率仅为8.68%。 这个数字看来非常荒谬且不切合实际，因为这样的结果告诉我们现有对于次品零件的检测手段极其不靠谱，误判的概率极大。 仔细分析，主要原因是由于实际零件的次品率很低，即实际送来的零件中绝大部分都是没有质量问题的，也就是说，1000个零件中，只有1个零件是次品，但是在检测中我们可以看到，仪器显示这1000个零件中存在着10.94个次品（1000*0.01094），结果相差了10倍。所以，这就告诉我们，在实际生产制造过程中，当一个零件被检测出是次品后，必须要通过再一次的复检，才能大概率确定该零件为次品。 假设，两次检测的准确率相同，令 A=【零件为次品】B=【第一次检测为次品】C=【第二次检测为次品】 则为了确定零件为次品，我们所需要的是P(A|BC)
3．2.1 & 3.2.2 古典概型 概率的一般加法公式(选学) 预习课本P102～107，思考并完成以下问题 (1)古典概型的特征是什么？ (2)古典概型的概率计算公式是什么？ [新知初探] 1．古典概型的概念 (1)定义：如果一个概率模型满足： ①试验中所有可能出现的基本事件只有有限个； ②每个基本事件发生的可能性是均等的． 那么这样的概率模型称为古典概率模型，简称古典概型． (2)计算公式：对于古典概型，任何事件A 的概率 P (A )＝事件A 包含的基本事件数试验的基本事件总数. 2．概率的一般加法公式(选学) (1)事件A 与B 的交(或积)： 由事件A 和B 同时发生所构成的事件D ，称为事件A 与B 的交(或积)，记作D ＝A ∩B (或D ＝AB )． (2)概率的一般加法公式： 设A ，B 是Ω的两个事件，则有P (A ∪B )＝P (A )＋P (B )－P (A ∩B )． [小试身手] 1．下列关于古典概型的说法中正确的是( ) ①试验中所有可能出现的基本事件只有有限个；②每个事件出现的可能性相等；③每个基本事件出现的可能性相等；④基本事件的总数为n ，随机事件A 若包含k 个基本事件，则P (A )＝k n . A ．②④ B ．①③④ C ．①④ D ．③④
解析：选B 根据古典概型的特征与公式进行判断，①③④正确，②不正确，故选B. 2．下列试验是古典概型的是( ) A ．口袋中有2个白球和3个黑球，从中任取一球，基本事件为{}取中白球和{}取中黑球 B ．在区间[－1,5]上任取一个实数x ，使x 2－3x ＋2＞0 C ．抛一枚质地均匀的硬币，观察其出现正面或反面 D ．某人射击中靶或不中靶 解析：选C A 中两个基本事件不是等可能的；B 中基本事件的个数是无限的；D 中“中靶”与“不中靶”不是等可能的；C 符合古典概型的两个特征，故选C. 3．从甲、乙、丙三人中任选两人担任课代表，甲被选中的概率为( ) A.1 2 B.1 3 C.2 3 D ．1 解析：选C 从甲、乙、丙三人中任选两人有：(甲、乙)、(甲、丙)、(乙、丙)共3种情况，其中，甲被选中的情况有2种，故甲被选中的概率为P ＝2 3 . 4．两个骰子的点数分别为b ，c ，则方程x 2＋bx ＋c ＝0有两个实根的概率为( ) A.12 B.1536 C.1936 D.56 解析：选C (b ，c )共有36个结果，方程有解，则Δ＝b 2－4c ≥0，∴b 2≥4c ，满足条件的数记为(b 2,4c )，共有(4,4)，(9,4)，(9,8)，(16,4)，(16,8)，(16,12)，(16,16)，(25,4)，(25,8)，(25,12)，(25,16)，(25,20)，(25,24)，(36,4)，(36,8)，(36,12)，(36,16)，(36,20)，(36,24)，19个结果，P ＝19 36 . 基本事件的计数问题 [典例] (1)42张，则取出的2张卡片上的数字之和为奇数的所有基本事件数为( ) A ．2 B ．3 C ．4 D ．6 (2)连续掷3枚硬币，观察这3枚硬币落在地面上时是正面朝上还是反面朝上．
12．3．1 概率的加法公式 2．任意事件概率的加法公式 任意事件概率的加法公式为 P （A ∪B ）=P （A ）+P （B ）－P （AB ） 公式可以推广到有限个事件的情形。下面给出三个事件的并的概率加法公式： P （A ∪B ∪C ）=P （A ）+P （B ）+P （C ）－P （AB ）－P （AC ）－P （BC ）+P （ABC ） 例2 如图12-6（课本）所示的线路中，元件a 发生故障的概率为0.08,元件b 发生故 障的概率为0.05,元件a,b ，同时发生故障的概率为0.004,求线路中断的概率。 解 设A={元件a 发生故障}，B={元件b 发生故障}，C={线路中断}，根据电学知识 可知 C=A ∪B 。根据题意可知，P （A ）=0.08, P(B)=0.05, P(AB)=0.004. 由公式12-4得 P(C)=P （A ∪B ）=P （A ）+P （B ）－P （AB ）=0.08+0.05－0.004=0.126. 课堂练习 12．3．2概率的乘法公式 1．条件概率 定义 在事件A 发生的条件下发事件B 发生的概率叫条件概率，记作P （B ︱A ）。 例3 五个球中有三个白球，二个红球，每次任取一个，不放回抽取两次，试求在第 一次取到红球的条件下第二次取到白球的概率。 解 设A={第一次取到红球}，B={第二次取到白球}。 由于事件A 已经发生，而且取出的球不放回，所以5个球中只剩下4个，其中白球仍 有三个，于是由古典概型可知 P （B ︱A ）= 43 条件概率有以下计算公式： P （B ︱A ）=)()(A P AB P P （A ）≠0 P （A ︱B ）=) ()(B P AB P P （B ）≠0。 （12-6） 课堂练习 2．乘法公式 由条件概率的计算公式可得 P （AB ）=P （A ）P （B ︱A ）=P （B ）P （A ︱B ） （12-7） 公式（12-7）称为概率的乘法公式。 例4 设在一个盒子中装有10只晶体管，4只是次品，6只是正品，从中接连取两次， 每次任取一只，取后不再放回。问两次都取到正品管子的概率是多少？ 解 设A={第一次取到的是正品管子}，B={第二次取到的是正品管子}。 则AB={两次都取到正品管子}。 因为 P （A ）=106， P （B ︱A ）=9 5， 所以，由公式（12-7）得 P （AB ）=P （A ）P （B ︱A ）= 3195106=?。 概率的乘法公式，可以推广到有限个积事件的情形，下面给出三个事件积的概率公式： P （ABC ）=P （A ）P （B ︱A ）P （C ︱AB ）。 12．3．3 事件的独立性 定义 如果事件A （或B ）的发生不影响事件B （或A ）发生的概率，即P （B ︱A ） =P （B ）或P （A ︱B ）=P （A ），那么事件A 、B 叫做相互独立事件。 如果事件A 、B 相互独立，那么两事件的积AB 的概率等于两个事件概率的乘积，即
贝叶斯定理及应用 中央民族大学 孙媛
一贝叶斯定理 一、贝叶斯定理 贝叶斯定理（Bayes‘ theorem）由英国数学家托马斯贝叶斯（Thomas Bayes） ·Thomas Bayes 在1763年发表的一篇论文中，首先提出了这个定理。用来描述两个条件概率之间的这个定理 关系，比如P(A|B) 和P(B|A)。
一、贝叶斯定理 一贝叶斯定理 所谓的贝叶斯定理源于他生前为解决一个“逆概”问题写的一篇文章，而这篇文章是在他死后才由他的一位朋友发表出来的。 在贝叶斯写这篇文章之前，人们已经能够计算“正向概率”，如假设袋子里面有N 个白球，M 个黑球，你伸手进去摸一如“假设袋子里面有N个白球M个黑球你伸手进去摸一把，摸出黑球的概率是多大”。而一个自然而然的问题是反过来：“如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一个（或好几个）球，观察这些取出来的球的颜色之后，那么我们可以就此对袋子里面的黑白球的比例作出什么样的推测。这个问题，就是所谓的逆向概率问题。 样的推测”。这个问题就是所谓的逆向概率问题。
一、贝叶斯定理 一贝叶斯定理 ←实际上就是计算"条件概率"的公式。 p y， ←所谓"条件概率"（Conditional probability），就是指在事件B发生的情况下，事件A发生的概率，用P(A|B)来表示。 的先验概率之所以称为先验是因为它不考虑任何←P(A)是A的先验概率，之所以称为先验是因为它不考虑任何B 的因素。 ←P(A|B)是在B发生时A发生的条件概率，称作A的后验概率。←P(B)是B的先验概率。 ←P(B|A)是在A发生时B发生的条件概率，称作B的后验概率。
1.设某工厂有两个车间生产同型号家用电器，第一车间的次品率为0.15，第二车间的次品率为0.12，两个车间的成品都混合堆放在一个仓库，假设第1,2车间生产的成品比例为2:3，今有一客户从成品仓库中随机提一台产品，求该产品合格的概率。 解：设B={从仓库中随机提出的一台是合格品} A i ={提出的一台是第i 车间生产的}，i=1,2 则有分解B=A 1B ∪A 2B 由题意P(A1)=2/5,P(A2)=3/5,P(B|A1)=0.85,P(B|A2)=0.88 由全概率公式P(B)= P(A 1) P(B|A 1)+ P(A 2) P(B|A 2)=0.4*0.85+0.6*0.88=0.868. 2. 盒中有a 个红球，b 个黑球，今随机地从中取出一个，观察其颜色后放回，并加上同色球c 个，再从盒中第二次抽取一球，求第二次抽出的是黑球的概率。 解：设A={第一次抽出的是黑球}，B={第二次抽出的是黑球}，则B AB AB =+， 由全概率公式()()()()()P B P A P B A P A P B A =+， 由题意(),(|),(),(|)b b c a b P A P B A P A P B A a b a b c a b a b c +====++++++ 所以()()()()()()b b c ab b P B a b a b c a b a b c a b +=+=+++++++ 3. 设某公路上经过的货车与客车的数量之比为2:1，货车中途停车修理的概率为0.02，客车为0.01，今有一辆汽车中途停车修理，求该汽车是货车的概率。 解：设B={中途停车修理}，A1={经过的是货车}，A2={经过的是客车}，则B=A 1B ∪A 2B ，由贝叶斯公式有 111112220.02()()3()0.80.21()()()()0.020.0133P A P B A P A B P A P B A P A P B A ?===+?+? 4．已知甲袋中有6只红球，4只白球；乙袋中有8只红球，6只白球。求下列事件的概率： (1) 随机取一只袋，再从该袋中随机取一球，该球是红球； (2) 合并两只袋，从中随机取一球，该球是红球。 解 (1) 记=B {该球是红球}，=1A {取自甲袋}，=2A {取自乙袋}，已知10/6)|(1=A B P ，14/8)|(2=A B P ，所以
2．1 古典概型的特征和概率计算公式 整体设计 教学分析 本节课是高中数学(必修3)第三章“概率”的第二节“古典概型”的第一课时，是在随机事件的概率之后，几何概型之前，尚未学习排列组合的情况下教学的．古典概型是一种特殊的数学模型，也是一种最基本的概率模型，在概率论中占有相当重要的地位．学好古典概型可以为其他概率的学习奠定基础，同时有利于理解概率的概念，有利于计算一些事件的概率，有利于解释生活中的一些问题．根据本节课的内容和学生的实际水平，通过模拟试验让学生理解古典概型的特征：试验结果的有限性和每一个试验结果出现的等可能性，观察类比各个试验，归纳总结出古典概型的概率计算公式，体现了化归的重要思想，掌握列举法，学会运用数形结合、分类讨论的思想解决概率的计算问题．概率教学的核心问题是让学生了解随机现象与概率的意义，加强与实际生活的联系，以科学的态度评价身边的一些随机现象．适当地增加学生合作学习交流的机会，尽量地让学生自己举出生活和学习中与古典概型有关的实例．使得学生在体会概率意义的同时，感受与他人合作的重要性以及初步形成实事求是的科学态度和锲而不舍的求学精神．三维目标 1．根据本节课的内容和学生的实际水平，通过模拟试验让学生理解古典概型的特征：试验结果的有限性和每一个试验结果出现的等可能性，观察类比各个试验，正确理解古典概型的两大特点；树立从具体到抽象、从特殊到一般的辩证唯物主义观点，培养学生用随机的观点来理性地理解世界，使得学生在体会概率意义的同时，感受与他人合作的重要性以及初步形成实事求是的科学态度和锲而不舍的求学精神． 2．鼓励学生通过观察、类比，提高发现问题、分析问题、解决问题的能力，归纳总结出古典概型的概率计算公式，掌握古典概型的概率计算公式；注意公式：P(A)＝事件A包含的可能结果数 的使用条件——古典概型，体现了化归的重要思想．掌握列举法，试验的所有可能结果数 学会运用分类讨论的思想解决概率的计算问题，增强学生数学思维情趣，形成学习数学知识的积极态度． 重点难点 教学重点：理解古典概型的概念及利用古典概型求解随机事件的概率． 教学难点：如何判断一个试验是否是古典概型，分清在一个古典概型中某随机事件包含的基本事件的个数和试验中基本事件的总数． 课时安排 1课时 教学过程 导入新课 思路1.(1)掷一枚质地均匀的硬币，结果只有2个，即“正面朝上”或“反面朝上”，它们都是随机事件．
浅谈贝叶斯公式及其应用 摘要 贝叶斯公式是概率论中很重要的公式，在概率论的计算中起到很重要的作用。本文通过对贝叶斯公式进行分析研究，同时也探讨贝叶斯公式在医学、市场预测、信号估计、概率推理以及工厂产品检查等方面的一些实例，阐述了贝叶斯公式在医学、市场、信号估计、推理以及产品检查中的应用。为了解决更多的实际问题，我们对贝叶斯公式进行了推广，举例说明了推广后的公式在实际应用中所适用的概型比原来的公式更广。从而使我们更好地了解到贝叶斯公式存在于我们生活的各个方面、贝叶斯公式在我们的日常生活中非常重要。 关键词：贝叶斯公式应用概率推广
第一章引言 贝叶斯公式是概率论中重要的公式，主要用于计算比较复杂事件的概率,它实质上是加法公式和乘法公式的综合运用。贝叶斯公式出现于17世纪，从发现到现在，已经深入到科学与社会的许多个方面。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生活中有广泛的应用，它可以帮助人们确定某结果（事件B）发生的最可能原因。 目前，社会在飞速发展，市场竞争日趋激烈，决策者必须综合考察已往的信息及现状从而作出综合判断，决策概率分析越来越显示其重要性。其中贝叶斯公式主要用于处理先验概率与后验概率，是进行决策的重要工具。 贝叶斯公式可以用来解决医学、市场预测、信号估计、概率推理以及产品检查等一系列不确定的问题。本文首先分析了贝叶斯公式的概念，再用贝叶斯公式来解决实际中的一些问题。然后将贝叶斯公式推广，举例说明推广后的贝叶斯公式在实际应用中所适用的概型。
第二章 叶斯公式的定义及其应用 2.1贝叶斯公式的定义 给出了事件B 随着两两互斥的事件12,,...,n A A A 中某一个出现而出现的概率。如果反 过来知道事件B 已出现，但不知道它由于12,,...,n A A A 中那一个事件出现而与之同时出现， 这样，便产生了在事件B 已经出现出现的条件下，求事件(1,2,...)i A i n =出现的条件概率的问题，解决这类问题有如下公式： 2.1.1定义 设12,...,n B B B 为Ω 的一个分割，即12,...,n B B B 互不相容，且 1n i i B ==Ω，如果 P( A ) > 0 ，()0i P B = (1,2,...,)i n = ,则1()(/) (/),1,2,...,()(/)i i i n j j j P B P A B P B A i n P B P A B ===∑。 证明 由条件概率的定义（所谓条件概率，它是指在某事件B 发生的条件下，求另一事件A 的概率，记为(/)P A B ） ()(/)() i i P AB P B A P A = 对上式的分子用乘法公式、分母用全概率公式, ()()(/)i i i P AB P B P A B = 1()()(/)n i i j P A P B P A B ==∑ 1()(/) (/),1,2,...,()(/)i i i n j j j P B P A B P B A i n P B P A B ===∑ 结论的证。
§3.1.3 概率的基本性质 一、教材分析 教科书通过掷骰子试验,定义了许多事件,及其事件之间的关系,事件的包含、并事件、交事件、相等事件,以及互斥事件、对立事件的概念. 教科书通过类比频率的性质,利用频率与概率的关系得到了概率的几个基本性质,要注意这里的推导并不是严格的数学证明,仅仅是形式上的一种解释,因为频率稳定在概率附近仅仅是一种描述,没有给出严格的定义,严格的定义,要到大学里的概率统计课程中才能给出. 二、教学目标 1、知识与技能： （1）正确理解事件的包含、并事件、交事件、相等事件，以及互斥事件、对立事件的概念； （2）概率的几个基本性质：1）必然事件概率为1，不可能事件概率为0，因此0≤P(A)≤1；2）当事件A与B互斥时，满足加法公式：P(A∪B)= P(A)+ P(B)；3）若事件A与B为对立事件，则A∪B为必然事件，所以P(A∪B)= P(A)+ P(B)=1，于是有P(A)=1—P(B) （3）正确理解和事件与积事件，以及互斥事件与对立事件的区别与联系. 2、过程与方法： 通过事件的关系、运算与集合的关系、运算进行类比学习，培养学生的类化与归纳的数学思想。 3、情感态度与价值观： 通过数学活动，了解教学与实际生活的密切联系，感受数学知识应用于现实世界的具体情境，从而激发学习数学的情趣。 三、重点难点 教学重点：概率的加法公式及其应用. 教学难点：事件的关系与运算.
四、课时安排 1课时 五、教学设计 （一）导入新课 思路1 体育考试的成绩分为四个等级：优、良、中、不及格,某班50名学生参加了体育考试,结果如下： 在同一次考试中,某一位同学能否既得优又得良？ 从这个班任意抽取一位同学,那么这位同学的体育成绩为“优良”（优或良）的概率是多少？ 为解决这个问题,我们学习概率的基本性质,教师板书课题. 思路2 （1）集合有相等、包含关系,如{1,3}={3,1},{2,4} {2,3,4,5}等； （2）在掷骰子试验中,可以定义许多事件如：C1={出现1点},C2={出现2点},C3={出现1点或2点},C4={出现的点数为偶数}……. 师生共同讨论：观察上例,类比集合与集合的关系、运算,你能发现事件的关系与运算吗？这就是本堂课要讲的知识概率的基本性质. 思路3 全运会中某省派两名女乒乓球运动员参加单打比赛,她们夺取冠军的概率分别是2/7和1/5,则该省夺取该次冠军的概率是2/7+1/5,对吗？为什么？为解决这个问题,我们学习概率的基本性质. （二）推进新课、新知探究、提出问题
例题讲解: 例题 1.市场上某产品由三家厂家提供，根据以往的记录，这三个厂家的次品率分别为，0.020.,0.01,0.03，三个厂家生产的产品所占的市场份额分别0.15,0.8,0.05.产品出厂后运到仓库，见面后再进入市场，设这三个厂家的产品在仓库是均匀混合 （1）在仓库中随机的取一个产品，求它的次品的概率。 （2）在仓库中随机的取一个产品，发现为次品，如果你是管理者，该如何追究三个厂家的责任？ 例题2 保险公司把被保险人分成三类”谨慎的”,”一般的”和”冒险的”，统计资料表明，上述三种人在一年内发生事故的概率依次为，0. 5. 0.15. 和0.30. 如果”谨慎的”被保险人占20%”一般的”，被保险人占50%，”冒失的”被保险人占30%，确认一个被保险人在一年内出事故的概率。
练习: 1.设某工厂有两个车间生产同型号家用电器，第一车间的次品率为0.15，第二车间的次品率为0.12，两个车间的成品都混合堆放在一个仓库，假设第1,2车间生产的成品比例为2:3，今有一客户从成品仓库中随机提一台产品，求该产品合格的概率。 解：设B={从仓库中随机提出的一台是合格品} A i ={提出的一台是第i 车间生产的}，i=1,2 则有分解B=A 1B ∪A 2B 由题意P(A1)=2/5,P(A2)=3/5,P(B|A1)=0.85,P(B|A2)=0.88 由全概率公式P(B)= P(A 1) P(B|A 1)+ P(A 2) P(B|A 2)=0.4*0.85+0.6*0.88=0.868. 2. 盒中有a 个红球，b 个黑球，今随机地从中取出一个，观察其颜色后放回，并加上同色球c 个，再从盒中第二次抽取一球，求第二次抽出的是黑球的概率。 解：设A={第一次抽出的是黑球}，B={第二次抽出的是黑球}，则B AB AB =+， 由全概率公式()()()()()P B P A P B A P A P B A =+， 由题意(),(|),(),(|)b b c a b P A P B A P A P B A a b a b c a b a b c +====++++++ 所以()()()()()()b b c ab b P B a b a b c a b a b c a b +=+=+++++++ 3. 设某公路上经过的货车与客车的数量之比为2:1，货车中途停车修理的概率为0.02，客车为0.01，今有一辆汽车中途停车修理，求该汽车是货车的概率。 解：设B={中途停车修理}，A1={经过的是货车}，A2={经过的是客车}，则B=A 1B ∪A 2B ，由贝叶斯公式有 111112220.02()()3()0.80.21()()()()0.020.0133 P A P B A P A B P A P B A P A P B A ?===+?+? 4．已知甲袋中有6只红球，4只白球；乙袋中有8只红球，6只白球。求下列事件的概率： (1) 随机取一只袋，再从该袋中随机取一球，该球是红球； (2) 合并两只袋，从中随机取一球，该球是红球。 解 (1) 记=B {该球是红球}，=1A {取自甲袋}，=2A {取自乙袋}，已知10/6)|(1=A B P ，14/8)|(2=A B P ，所以 70411482110621)|()()|()()(2211=?+?= +=A B P A P A B P A P B P (2) 12 72414)(== B P
贝叶斯公式的经验之谈-CAL-FENGHAI.-(YICAI)-Company One1
贝叶斯公式的经验之谈 一、综述 在日常生活中，我们会遇到许多由因求果的问题，也会遇到许多由果溯因的问题。比如某种传染疾病已经出现．寻找传染源；机械发生了故障，寻找故障源就是典型的南果溯因问题等。在一定条件下，这类由果溯因问题可通过贝叶斯公式来求解。以下从几个的例子来说明贝叶斯公式的应用。 文【1】主要应用贝叶斯公式的简单情形，从“疾病诊断”，“说谎了吗”，“企业资质评判”，“诉讼”四个方面讨论其具体应用。文【2】用市场预测的实例，介绍了贝叶斯公式在市场预测中的应用。贝叶斯市场预测能对信息的价值是否需要采集新的信息做出科学的判断。文【3】、文【4】介绍贝叶斯过滤技术的工作原理及技术原理，讨论了邮件过滤模块，通过分析研究该模块中垃圾邮件关键词的统计概率分布，提出了基于贝叶斯概率模型的邮件过滤算法，并对该算法的合理性和复杂度进行了分析。可以根据垃圾邮件内容的特征，建立贝叶斯概率模型，计算出一封邮件是垃圾邮件的概率，从而判断其是否为垃圾邮件。文【5】基于贝叶斯公式中概率统计的重要性与在日常生活中应用的广泛性，概述了贝叶斯统计的基本思想及其与其他统计学派的争论，并对作为贝叶斯统计基石的贝叶斯公式进行了归纳。 二．内容 1.疾病诊断. 资料显示, 某项艾滋病血液检测的灵敏度( 即真有病的人检查为阳性) 为95%, 而对没有得病的人，种检测的准确率( 即没有病的人检查为阴性) 为99%. 美国是一个艾滋病比较流行的国家, 估计大约有千分之一的人患有这种病. 为了能有效地控制、减缓艾滋病的传播, 几年前有人建议对申请新婚登记的新婚夫妇进行这种血液检查. 该计划提出后, 征询专家意见, 遭到专家的强烈反对, 计划没有被通过.
3．1．3概率的基本性质 【课题】：概率的基本性质 【教学目标】： 1、知识与技能：（1）正确理解事件的包含、并事件、交事件、相等事件，以及互斥事件、对立事件的概念； （2）概率的几个基本性质： ①、必然事件概率为1，不可能事件概率为0，因此0≤P(A)≤1； ②、当事件A与B互斥时，满足加法公式：P(A∪B)= P(A)+ P(B)； ③、若事件A与B为对立事件，则A∪B为必然事件，所以P(A∪B)= P(A)+ P(B)=1，于是有P(A)=1—P(B) （3）利于用集合观点研究事件的关系。 2、过程与方法：在具体教学过程中，教师可在教材的基础上适当拓展，使得内容更为丰富．教师可以运用和学生共同探究式的教学方法，学生可以采取自主探讨式的学习方法． 3、情感态度与价值观：培养学生共同探究式的学习能力． 【教学重点】：概率的基本性质 【教学难点】：概率的加法公式 【课前准备】：课件，Powerpoint或投影片 【教学过程设计】： 教学环节教学活动设计意图 一、复习引入复习相关重要概念，加深对随机事件概率的定义的理解为引入事件的关系 和运算作准备 二、探究新知、例题讲解一、探究新知 （1）集合有相等、包含关系，如{1，3}={3，1}，{2，4}С{2，3，4，5} 等； （2）在掷骰子试验中，可以定义许多事件如：C1={出现1点}，C2={出现 2点}，C3={出现1点或2点}，C4={出现的点数为偶数}…… 师生共同讨论：观察上例，类比集合与集合的关系、运算，你能发现事件 的关系与运算吗？ 教师和学生总结基本本概念如下： 二、基本概念： （1）事件的包含、并事件、交事件、相等事件见课本P112； （2）若A∩B为不可能事件，即A∩B=ф，那么称事件A与事件B互斥； （3）若A∩B为不可能事件，A∪B为必然事件，那么称事件A与事件B 引导学生类比集合 与集合的关系、运 算，总结出事件
全概率公式贝叶斯公式 推导过程 Standardization of sany group #QS8QHH-HHGX8Q8-GNHHJ8-HHMHGN#
全概率公式、贝叶斯公式推导过程 （1）条件概率公式 设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： P(A|B)=P(AB)/P(B) （2）乘法公式 1.由条件概率公式得： P(AB)=P(A|B)P(B)=P(B|A)P(A) 上式即为乘法公式； 2.乘法公式的推广：对于任何正整数n≥ （1）条件概率公式 设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： P(A|B)=P(AB)/P(B) （2）乘法公式 1.由条件概率公式得： P(AB)=P(A|B)P(B)=P(B|A)P(A) 上式即为乘法公式； 2.乘法公式的推广：对于任何正整数n≥2，当P(A 1A 2 ...A n-1 ) > 0 时， 有： P(A 1A 2 ...A n-1 A n )=P(A 1 )P(A 2 |A 1 )P(A 3 |A 1 A 2 )...P(A n |A 1 A 2 ...A n-1 ) （3）全概率公式 1. 如果事件组B 1，B 2 ，.... 满足 ，B 2....两两互斥，即 B i ∩ B j = ，i≠j ， i,j=1，2，....，且 P(B i )>0,i=1,2,....; ∪B 2∪....=Ω，则称事件组 B 1 ,B 2 ,...是样本空间Ω的一个划分 设B 1,B 2 ,...是样本空间Ω的一个划分，A为任一事件，则： 上式即为全概率公式（formula of total probability) 2.全概率公式的意义在于，当直接计算P(A)较为困难,而P(B i ),P(A|B i ) (i=1,2,...)的计算较为简单时，可以利用全概率公式计算P(A)。思想就是，
2．2．1条件概率 寿阳县第一职业中学` 付慧萍 教学目标： 知识与技能：通过对具体情景的分析，了解条件概率的定义。 过程与方法：掌握一些简单的条件概率的计算。 情感、态度与价值观：通过对实例的分析，会进行简单的应用。 教学重点：条件概率定义的理解 教学难点：概率计算公式的应用 授课类型：新授课 课时安排：1课时 教具：多媒体 教学设想：引导学生形成“自主学习”与“合作学习”等良好的学习方式。 教学过程： 一、复习引入： 探究: 三张奖券中只有一张能中奖,现分别由三名同学无放回地抽取,问最后一名同学抽到中奖奖券的概率是否比前两名同学小. 若抽到中奖奖券用“Y ”表示，没有抽到用“Y”，表示，那么三名同学的抽奖结果共有三种可能：Y Y Y，Y Y Y和Y Y Y．用B 表示事件“最后一名同学抽到中奖奖券”, 则B 仅包含一个基 本事件Y Y Y．由古典概型计算公式可知，最后一名同学抽到中奖奖券的概率为 1 () 3 P B=. 思考:如果已经知道第一名同学没有抽到中奖奖券，那么最后一名同学抽到奖券的概率又是多少？ 因为已知第一名同学没有抽到中奖奖券，所以可能出现的基本事件只有Y Y Y和Y Y Y．而“最后一名同学抽到中奖奖券”包含的基本事件仍是Y Y Y.由古典概型计算公式可知．最后一名同学抽到中奖 奖券的概率为1 2 ，不妨记为P（B|A ) ，其中A表示事件“第一名同学没有抽到中奖奖券”. 已知第一名同学的抽奖结果为什么会影响最后一名同学抽到中奖奖券的概率呢？ 在这个问题中，知道第一名同学没有抽到中奖奖券，等价于知道事件A 一定会发生，导致可能出现的基本事件必然在事件A 中，从而影响事件B 发生的概率，使得P ( B|A ）≠P ( B ) . 思考:对于上面的事件A和事件B，P ( B|A）与它们的概率有什么关系呢？ 用Ω表示三名同学可能抽取的结果全体，则它由三个基本事件组成，即Ω=｛Y Y Y, Y Y Y,Y Y Y｝．既然已知事件A必然发生，那么只需在A={Y Y Y, Y Y Y}的范围内考虑问题，即只有两个基本事件Y Y Y和Y Y Y．在事件A 发生的情况下事件B发生，等价于事件A 和事件B 同时发生，即AB 发生．而事件AB 中仅含一个基本事件Y Y Y，因此 (|) P B A=1 2 = () () n AB n A .