1.5 条件概率与独立性
条件概率是概率论中的重要概念,它考虑的是事件A发生条件下,事件B发生的概率。
1.5.1 条件概率
设A和B是两个事件,P(A)>0,称事件A发生条件下事件B发生的概率为条件概率,记为P(B|A)。对于条件概率有以下公式:
容易验证,条件概率满足概率定义中的以下3个条件。
(1)非负性:对任何事件B,总有P(B|A)≥0。
(2)整体性:对于必然事件S,有P(S|A)=1。
(3)可列可加性:对两两互斥的事件B1,B2,B3,…,Bn,…,即Bi∩Bj=∅(i≠j),有
这表明,对给定的随机事件A,条件概率P(■|A)也是概率,故对概率成立的结论对条件概率也成立。
【例1-14】 设某机器的使用寿命超过10年的概率为0.8,超过20年的概率为0.5,求该机器在使用10年后,再使用10年损坏的概率。
解:设A={机器使用超过10年},B={机器使用超过20年},则所求的概率为
代码如下:
#第1章/1-7.py PA = 0.8 PB = 0.5 p = 1-PB/PA print('再使用10年损坏的概率为', p)
输出如下:
再使用10年损坏的概率为0.375
由条件概率的定义,可得如下乘法定理。设P(A)>0,则有
容易把乘法定理推广到多个事件。例如3个事件,不妨设A、B和C是随机事件,并且P(AB)>0,则有
一般而言,对于两个随机事件A和B,事先并不能假设A对B没有影响,也就是说P(B|A)不一定等于P(B),但是如果两个事件A和B相互独立,则可以得出P(B|A)=P(B)的结论,这就是下面的随机事件独立性定义。
1.5.2 独立性
设A和B是两个事件,如果满足
则称事件A和B相互独立,简称A和B独立。
如果A和B相互独立,则有下面的结论:
(1)如果事件A和B相互独立,并且P(A)>0,则P(B|A)=P(B)。
(2)事件的独立性具有以下两条性质:
(2.1)必然事件及不可能事件与任意事件互相独立。
(2.2)在四组事件A与与B、A与与中,如果有一组事件相互独立,则其余3组也相互独立。
独立性的概念也可推广到多个事件的情况,下面以3个事件为例加以说明。设A、B和C是3个事件,如果同时满足以下4个等式:
(1)P(A∩B)=P(A)P(B)
(2)P(A∩C)=P(A)P(C)
(3)P(C∩B)=P(C)P(B)
(4)P(A∩B∩C)=P(A)P(B)P(C)
则称事件A、B和C互相独立。
一般来讲,设A1,A2,…,An是n个事件,如果对于其中任意两个,任意三个,…,任意n个事件的积事件的概率都等于各个事件概率之积,则称事件A1,A2,…,An互相独立。由此定义可得如下两个结论:
(1)如果事件A1,A2,…,An互相独立,则其中任意k个事件也是互相独立的。
(2)如果事件A1,A2,…,An互相独立,则将A1,A2,…,An换成它们的对立事件,所得的n个事件也独立。
在解决实际问题的时候,一般凭经验来判断事件的独立性,然后利用定义去求事件的概率。为了研究某些现象需要做一系列试验,例如连续多次投掷同一枚硬币;在一批产品中随机抽取若干测试它们的使用寿命,这样的试验序列往往是相互独立的,称为独立重复试验。再例如,甲乙两人患感冒,如果两人的活动范围没有交集,就认为甲乙相互独立,反之,如果甲乙两人住在同一宿舍,则不能认为两人互相独立。
【例1-15】 甲乙两人进行网球比赛,每局比赛甲获胜的概率为p,p≥1/2。那么对于对甲而言,采用三局两胜有利还是采用五局三胜有利?假设每局比赛相互独立。
解:如果采用三局两胜,则甲获胜的可能性为“甲甲”“乙甲甲”“甲乙甲”3种,而且这3种结局互不相容,那么甲最终获胜的概率为
p1=p2+2p2(1-p)
如果采用五局三胜制,甲要想胜利需要三场胜利,可能的获胜局面是“甲甲甲”“甲乙甲甲”“甲甲乙甲”“乙甲甲甲”“甲甲乙乙甲”“甲乙甲乙甲”“乙乙甲甲甲”“乙甲甲乙甲”“乙甲乙甲甲”“甲乙乙甲甲”,且这10种结局互不相容,那么甲最终获胜的概率为
p2=p3+3p3(1-p)+6p3(1-p)2
比较p1和p2的大小:
p2-p1=p2(6p3-15p2+12p-3)=3p2(p-1)2(2p-1)
当p>1/2时,p2大于p1,故当p>1/2时,对甲来讲采用五局三胜制更有利。
代码如下:
#第1章/1-8.py from sympy import * p = symbols('p') d = p ** 2 * (6 * p ** 3-15 * p ** 2 + 12 * p-3) print('提取公因式为', d.factor())
输出如下:
提取公因式为3 * p ** 2 * (p-1) ** 2 * (2 * p-1)