概率论课件03

第三节 条件概率与全概率公式先由一个简单的例子引入条件概率的概念.内容分布图示★ 概念引入★ 条件概率的定义 ★ 例1 ★ 例2★ 乘法公式★ 例3 ★ 例4 ★ 例5 ★ 例6★ 全概率公式 ★ 例7 ★ 例8 ★ 例9★ 贝叶斯公式 ★ 例10 ★ 例11 ★ 例12★ 例13 ★ 例14★ 内容小结 ★ 课堂练习★ 习题1-4内容要点：一、 条件概率的概念在解决许多概率问题时,往往需要在有某些附加信息(条件)下求事件的概率. 如在事件A 发生的条件下,求事件B 发生的条件概率,记作)|(A B P .定义1 设B A ,是两个事件, 且0)(>A P , 则称)()()|(A P AB P A B P = (1) 为在事件A 发生的条件下,事件B 的条件概率.相应地，把)(B P 称为无条件概率。

一般地，)|(A B P )(B P ≠.注: 1. 用维恩图表达(1)式.若事件A 已发生,则为使B 也发生,试验结果必须是既在A 中又在B 中的样本点,即此点必属于AB .因已知A 已发生,故A 成为计算条件概率)|(A B P 新的样本空间.2. 计算条件概率有两种方法:a) 在缩减的样本空间A 中求事件B 的概率，就得到)|(A B P ；b) 在样本空间S 中，先求事件)(AB P 和)(A P ，再按定义计算)|(A B P 。

二、乘法公式由条件概率的定义立即得到:)0)(()|()()(>=A P A B P A P AB P (2)注意到BA AB =, 及B A ,的对称性可得到:)0)(()|()()(>=B P B A P B P AB P (3)(2)和(3)式都称为乘法公式, 利用它们可计算两个事件同时发生的概率.三、全概率公式全概率公式是概率论中的一个基本公式。

它使一个复杂事件的概率计算问题，可化为在不同情况或不同原因或不同途径下发生的简单事件的概率的求和问题。

22. 设某种型号的电子管的寿命(以小时计)近似地服从N (160, 202)分布. 随机地选取4只求其中没有一只寿命小于180小时的概率.解: 设X 1, X 2, X 3, X 4为4只电子管的寿命, 它们相互独立, 同分布, 其概率密度为:22202)160(2021)(⨯--⋅=t T e t f π,⎰∞-⨯-==<18022202)160(20121)180(}180{dt t F X f X π ⎰∞--=-======1220160221du e u u t π令 8413.0)2060180(=-Φ=. 设N =min{X 1, X 2, X 3, X 4}, 则P {N >180}=P {X 1>180, X 2>180, X 3>180, X 4>180} =P {X >180}4={1-p [X <180]}4=(0.1587)4=0.00063.23. 对某种电子装置的输出测量了5次, 得到观察值X 1, X 2, X 3, X 4, X 5, 设它们是相互独立的随机变量且都服从参数σ=2的瑞种分布.(1)求Z =max{X 1, X 2, X 3, X 4, X 5}的分布函数;(2)求P (Z >4).解: 由20题知, X i (i =1, 2, ⋅⋅⋅ , 5)的概率密度均为⎪⎩⎪⎨⎧≥=-其他004)(82x e x x f x X , 分布函数为821)(x X ex F --=(x >0).(1) Z =max{X 1, X 2, X 3, X 4, X 5}的分布函数为585m ax )1()]([)(2z e z F z F --== (z ≥0),当z <0时, F max (z )=0.所以Z 的分布函数为⎩⎨⎧<≥-=-000)1()(58m ax 2z z e z F z . (2)P (Z >4)=1-P (Z ≤4)=1-F Z (4)5167.0)1(1)1(1525842=--=--=--e e .24. 设随机变量X , Y 相互独立, 且服从同一分布, 试证明 P (a <min{X , Y }≤b )=[P (X >a )]2-[P (X >b )]2 . 解: 因为X 与Y 相互独立且同分布, 故P (a <min{X , Y }≤b )=P (min{X , Y }≤b )-P (min{X , Y }≤a ) =1-P (min{X , Y }>b )-[1-P (min{X , Y }>a )]=P (min{X , Y }>a )-P (min{X , Y }>b )=P (X >a , Y >a )-P (X >b , Y >b )=P (X >a )P (Y >a )-P (X >b )P (Y >b )=[P (X >a )]2-[P (Y >b )]2 .25. 设X , Y 是相互独立随机变量, 其分布律分别为 P (X =k )=p (k ) (k =0, 1, 2, ⋅⋅⋅ ),P (Y =r )=q (r ) (r =0, 1, 2, ⋅⋅⋅ ).证明随机变量Z =X +Y 的分布律为∑=-==i k k i q k p i Z P 0)()()( (i =0, 1, 2, ⋅⋅⋅ ),证明: 因为X 与Y 独立, 且X 与Y 的分布律分别为 P (X =k )=p (k ) (k =0, 1, 2, ⋅⋅⋅ ),P (Y =r )=q (r ) (r =0, 1, 2, ⋅⋅⋅ ),故Z =X +Y 的分布律为∑==+===ik i Y X k X P i Z P 0) ,()(∑=-===i k k i Y k X P 0) ,(∑=-===i k k i Y P k X P 0)()(∑=-=i k k i q k p 0)()( (i =0, 1, 2, ⋅⋅⋅ ).26. 设X , Y 是相互独立的随机变量, X ~π(λ1), Y ~π(λ2), 证明Z =X +Y ~π(λ1+λ2).证明: 因为X , Y 分别服从参数为λ1, λ2的泊松分布, 故X , Y 的分布律分别为1!)(1λλ-==e k k X P k (λ1>0), 2!)(2λλ-==e r r Y P r (λ2>0), 由25题结论知, Z =X +Y 的分布律为∑=-====i k k i Y P k X P i Z P 0)()()(∑=----⋅=i k k i k e k i e k 02121)!(!λλλλ ∑=-+-⋅-=i k k i k k i k i i e 021)()!(!!!21λλλλ i i e )(!21)(21λλλλ+=+-(i =0, 1, 2, ⋅⋅⋅ ), 即Z =X +Y 服从参数为λ1+λ2的泊松分布.27. 设X , Y 是相互独立的随机变量, X ~b (n 1, p ), Y ~b (n 2, p ), 证明Z =X +Y ~b (n 1+n 2, p ).证明: Z 的可能取值为0, 1, 2, ⋅⋅⋅ , 2n , 因为{Z =i }={X +Y =i }={X =0, Y =0}⋃{X =1, Y =i -1}⋃ ⋅⋅⋅ ⋃{X =i , Y =0}, 由于上述并中各事件互不相容, 且X , Y 独立, 则∑=-====ik k i Y k X P i Z P 0) ,()(∑=-===i k k i Y P k X P 0)()(∑=+-----⋅-=i k k i n k i k i n k n k k n p p C p p C 02211)1()1( ∑=--+⋅-=ik k i n k n k n n i C C p p 02121)1( i n i i n n p p C -+-=2)1(21(i =0, 1, 2, ⋅⋅⋅ , n 1+n 2), 所以 Z =X +Y ~b (n 1+n 2, p ),即Z =X +Y 服从参数为2n , p 的二项分布.提示:上述计算过程中用到了公式i n n ik k i n k n C C C 21210+=-=⋅∑, 这可由比较恒等式2121)1()1()1(n n n n x x x ++=++两边x i 的系数得到.28. 设随机变量(X , Y )的分布律为(1)求P {X =2|Y =2), P (Y =3|X =0);(2)求V =max{X , Y }的分布律;(3)求U =min{X , Y }的分布律;(4)求W =V +U 的分布律.解: (1)由条件概率公式)2()2,2()2|2(======Y P Y X P Y X P 08.005.005.005.003.001.005.0+++++= 2.025.005.0==. 同理 31)0|3(===X Y P . (2)变量V =max{X , Y }.显然V 是一随机变量, 其取值为V : 0, 1, 2, 3, 4, 5. P (V =0)=P (X =0, Y =0)=0,P (V =1)=P (X =1, Y =0)+P (X =1, Y =1)+P (X =0, Y =1) =0.01+0.02+0.01=0.04,P (V =2)=P (X =2, Y =0)+P (X =2, Y =1)+P (X =2, Y =2) +P (Y =2, X =0)+P (Y =2, X =1)=0.03+0.04+0.05+0.01+0.03=0.16, P (V =3)=P (X =3, Y =0)+P (X =3, Y =1)+P (X =3, Y =2)+P (X =3, Y =3)+P(Y=3, X=0)+P(Y=3, X=1)+P(Y=3, X=2),=0.05+0.05+0.05+0.06+0.01+0.02+0.04=0.28 P(V=4)=P(X=4,Y=0)+P(X=4,Y=1)+P(X=4,Y=2)+P (X=4,Y=3)=0.07+0.06+0.05+0.06=0.24,P(V=5)=P(X=5,Y=0)+⋅⋅⋅+P(X=5,Y=3)=0.09+0.08+0.06+0.05=0.28.(3)显然U的取值为0, 1, 2, 3.P(U=0)=P(X=0,Y=0)+⋅⋅⋅+P(X=0,Y=3)+P(Y=0,X=1)+⋅⋅⋅+P(Y=0,X=5)=0.28.同理P(U=1)=0.30,P(U=2)=0.25,P(U=3)=0.17.(4)W=V+U的取值为0, 1,⋅⋅⋅, 8.P(W=0)=P(V=0,U=0)=0,P(W=1)=P(V=0, U=1)+P(V=1,U=0).因为V=max{X,Y}=0又U=min{X,Y}=1不可能上式中的P(V=0,U=1)=0,又P(V=1,U=0)=P(X=1,Y=0)+P(X=0,Y=1)=0.2,故P(W=1)=P(V=0, U=1)+P(V=1,U=0)=0.2,P(W=2)=P(V+U=2)=P(V=2, U=0)+P(V=1,U=1)=P(X=2 Y=0)+P(X=0,Y=2)+P(X=1,Y=1)=0.03+0.01+0.02=0.06,P(W=3)=P(V+U=3)=P(V=3, U=0)+P(V=2,U=1)= P(X=3,Y=0)+P(X=0,Y=3)+P(X=2,Y=1)+P(X=1,Y=2)=0.05+0.01+0.04+0.03=0.13, P(W=4)=P(V=4, U=0)+P(V=3,U=1)+P(V=2,U=2)=P(X=4,Y=0)+ P(X=3,Y=1)+P(X=1,Y=3)+P(X=2,Y=2 =0.19,P(W=5)=P(V+U=5)=P(V=5, U=0)+P(V=5,U=1)+P(V=3,U=2=P(X=5 Y=0)+P(X=5,Y=1)+P(X=3,Y=2)+P(X=2,Y=3) =0.24,P(W=6)=P(V+U=6)=P(V=5, U=1)+P(V=4,U=2) +P(V=3,U=3)=P(X=5,Y=1)+P(X=4,Y=2)+P(X=3,Y=3)=0.19,P(W=7)=P(V+U=7)=P(V=5, U=2)+P(V=4,U=3) =P(V=5,U=2)+P(X=4,Y=3)=0.6+0.6=0.12, P(W=8)=P(V+U=8)=P(V=5, U=3)+P(X=5,Y=3)=0.05.。

现代概率论03：测度空间（1）⽬录第三讲 测度空间(1)2.1 测度的定义及性质2.1.1 测度的公理化定义本节主要讨论测度的定义及性质，在此之前需要引⼊⼏个概念：⾮负集函数：给定空间 X 上的集合系 E ，将定义在 E 上，取值于 [0,∞] 上的函数称为⾮负集函数，常⽤希腊字母 µ,ν,τ,⋯ 来表⽰。

可列可加性：如果对任意可列个两两不交的集合 {A n ∈E,n ≥1} 满⾜ ∞⋃n =1A n ∈E ，均有µ∞⋃n =1An=∞∑n =1µ(An ),则称⾮负集函数 µ 具有可列可加性。

有限可加性：如果对任意有限个两两不交的集合 {A k ∈E,1≤k ≤n } 满⾜ n⋃k =1Ak∈E ，均有µn⋃k =1Ak=n∑k =1µ(Ak ),则称⾮负集函数 µ 具有有限可加性。

可减性：如果对 ∀A ,B ∈E ，满⾜ A ⊂B ，且有 B −A ∈E ，只要 µ(A )<∞ ，就有µ(B −A )=µ(B )−µ(A ),则称⾮负集函数 µ 具有可减性。

本节的核⼼是测度的公理化定义，具体如下：测度的公理化定义：指的是在抽象空间的集合上建⽴的测度。

设 E 是 X 上的集合系，且 ∅∈E 。

若 E 上的⾮负集函数 µ 满⾜：(1) µ(∅)=0 ；(2) 可列可加性，则称 µ 为 E 上的测度。

若 µ(A )<∞, ∀A ∈E ，则称测度 µ 为有限测度。

()()若 ∀A ∈E ，存在 {A n ∈E,n ≥1} ，使得 ∞⋃n =1An⊃A ，则称测度 µ 为 σ 有限测度。

命题 2.1.1：测度具有有限可加性和可减性。

命题 2.1.2：设 X ⊂R, E =Q R ，F 是 R 上⾮降右连续的实值函数。