全概率公式与贝叶斯公式的应用.docx
- 文档编号:23676165
- 上传时间:2023-05-19
- 格式:DOCX
- 页数:23
- 大小:97.63KB
全概率公式与贝叶斯公式的应用.docx
《全概率公式与贝叶斯公式的应用.docx》由会员分享,可在线阅读,更多相关《全概率公式与贝叶斯公式的应用.docx(23页珍藏版)》请在冰豆网上搜索。
全概率公式与贝叶斯公式的应用
分类号:
单位代码:
10452
毕业论文(设计)
全概率公式与贝叶斯公式的应用
2013年04月20R
在古典概率中,全概率公式及贝叶斯公式占有重要的地位,这是LU于它们能将比较复杂事件的概率通过简单事件的概率计算出来•这两个公式看起来简单,但在自然领域中的应用极其广泛•本文首先介绍了全概率公式和贝叶斯公式的定义,然后乂通过具体的例子阐述了全概率公式和贝叶斯公式在医学.经济、概率推理、侦破案件等方面的应用•并在文献:
2]的基础上将这两个公式推广到原因事件用〃维随机变量取值表示的情形,通过特例说明了该公式在概率论中的具体应用•最后说明了全概率公式和贝叶斯公式的联系及其综合运用,应用了一个简单的例子说明了这两个公式的综合运用在解决复杂事件概率的重要作用.
矢键词:
全概率公式;贝叶斯公式;随机变量
ABSTRACT
Inclassicalprobability,thetotalprobabilityformulaandBayesformulaoccupyanimportantposition,thisisbecausetheycanreduceprobabilityofcomplexeventsandwecancalculatethecomplexeventsbysimpleeventprobability•Thesetwoformulasseemsimple,buttheyarewidelyappliedinthefiledofnatural.Atfirst,thispaperintroducesthedefinitionofthetotalprobabilityformulaandBayesfoiinula.ThispaperanalysistheapplicationofthetotalprobabilityformulaandBayesformulabytheconcreteexample,suchasniedicaLeconomic,probabilityreasoningandsolvecases・Andonthebasisoftheliterature[2],weextendsthemwiththehelpofthecauseeventexpressedbyandimensionrandomvariable•Theexplicitapplicationsoftheformulainthetheoryofprobabilityandstochasticprocessaregivenbysomespecialexamples•Finallyitaccounttheconnectionandintegrateduseofthem.Thisthesisapplicatesasimpleexampletoillustratethecombinationofthetwoformulasinsolvingcomplexeventprobability.
Keywords:
Totalprobabilityformula;Bayesformula;Randomvariable
1引言1
2全概率公式的应用及其推广1
2・1全概率公式的定义1
2.2全概率公式的应用2
2.2.1在敬感性问题调查中的应用2
2.2.2在求概率的递推法中的应用4
2.2.3在医疗诊断中的应用5
2.3全概率公式的推广6
2.3.1原因事件用八维离散型随机变量取值表示的全概率公式6
2.3.2原因事件用”维连续型随机变量取值表示的全概率公式7
2.3.3应用举例7
3贝叶斯公式的应用及其推广8
3.1贝叶斯公式的定义8
3.2贝叶斯公式的应用9
3.2.1在概率推理中的应用9
3.2.2在破案中的应用10
3.2.3在经济中的应用10
3・3贝叶斯公式的推广13
3.3.1贝叶斯公式与全概率公式的联系13
3.3.2贝叶斯公式的推广13
3・4全概率公式与贝叶斯公式的综合运用13
4结论16
参考文献18
致谢19
1引言
我们都知道这样一个数学思想:
当遇到一个比较复杂、抽象不容易下手的事件时,往往需要把这个复杂事件分解为若干个互不相容的简单事件的和,通过分别计算简单事件的概率,来帮助我们求解这个复杂事件的概率•而全概率公式正是运用了这个思想.
全概率公式和贝叶斯公式本身蕴含着深刻的思想,对于初学者而言,它们的应用是难点之一,虽然公式本身简单易懂,但是要想应用自如,还是需要再下一番功夫的•现如今在工程和科技中的许多交义领域里面很容易找到这两个公式的众多研究者,并且在统计学领域内,它们在很多方面取得了进展•在概率的决策中,有一类决策就叫做贝叶斯决策,它的原理是根据贝叶斯公式进行概率的判断.
文献[2]将一般的概率论或概率统计教材中的全概率公式推广到了原因事件用一维随机变量取值表示的情形•而本文则是在文献[2]的基础上对全概率公式进行再一次的推广,将一般概率论中的全概率公式推广到了原因事件用“维离散随机变量及”维连续型随机变量取值表示的情形,并同理给出贝叶斯公式的推广.最后通过特列说明了这个公式在概率论中的具体应用.
2全概率公式的应用及其推广2.1全概率公式的定义
引理2.17】设…是一列互不相容的事件,且有
P(3j>0,心1,2,…
则对任一事件A有
(2-1)
AB)£P(M)
-1-1
P(A)=£P(即p(aoj.
人1
证明P(A)=P(AplQ)P人仃Qfi
<=1
下面,我们对应用全概率公式解题的一般步骤进行总结:
1)确定题中所要求的事件,并且根据题意对所求的事件进行正确剖分;
2)列出已知的数据;
3)将已知的数据代入到全概率公式中,求出P(B)・
此外,也应该注意在解题过程中,我们千万不要被问题的表象所迷惑•有的也不只是单单将全概率公式往题里一代即可•在全概率公式的问题中,有许多相似的情况,如合格产品、口球等代表正因素,不合格产品,黑球代表反因素,一定的产品盒子、袋子代表因素集合或操作范围等•在该类问题中,总是在一个范围内取出正的或反的因素,或在一个范围中取出正(反)因素放入另一个范围中,我们进行这样的操作一次或多次后,求得从最终操作结束的某个范围内取出一个正(反)因素的概率.
解这样较抽象问题时,首先要把复杂抽象的问题具体化,这样才可达到解题简单的L1地•就这样,应用以上的总结的解题方法,可解决更为复杂的应用概率公式的问题.
2.2全概率公式的应用
2.2.1在敏感性问题调査中的应用
全概率公式可以应用到敬感性调查中,所谓的敬感性调查就是指我们所调查的内容中可能会涉及到被调查者的高度机密或隐私(比如,你是否吸过毒、考试中是否做过弊、你的是否看过黃色影集等等),众所周知,遇到这样的问题时我们是不喜欢回答的,因而常常会发生被调查者拒绝回答或回答的不真实的情况.
我们都知道运动会是一项竞争激烈的比赛项U,不仅体现了运动员们的自身素质和顽强的毅力,同时运动员们也可以通过贏得比赛展示出自己的能力,为祖国和自己增加光彩•但有些运动员,为了荣耀,不惜在比赛前服用兴奋剂,不仅对其他运动员来说是极其不公平的,对自己身体的伤害也是非常大的•因此世界颁布了有矢法令,严禁运动员服用兴奋剂.
例2.2.1沃纳(Warner)于1965年提出了一个随机化回答的方法,可以消除被调查者的顾虑,并可以使调查者如实回答•下面就用这种方法来调查在一次运动会中运动员是否服用了兴奋剂.
解首先为调查者设定了两个问题:
A:
您在这次运动会中服用兴奋剂了吗?
A:
您没在这次运动会中服用兴奋剂吗?
假定被调查者回答上述哪个问题都是随机的,并且只有被调查者本人知道他
(她)回答的是哪一个问题其他人包括调查人也不知道他们所回答的问题答案.现在采取如下抓阉的方法:
发给被调查者一个不透明的盒子,里面装有三个质地大小完全相同的小球,其中2个红球1个口球,被调查者随机取出一球观察颜色后放回
(要求这个球的颜色只被调查者本人知道)•当取到红球时回答问题人,否则,就回答问题州•要求答案只能回答“是”或者“不是”•
下面来求这次运动会中服用兴奋剂的运动员人数的比例•山于抓闹的结果对他人来说是保密的,因此被调查者会毫无顾虑的给出真实答案•不妨令
回答为“是”;
B2:
回答为“不是”
山于我们认为被调查者都是如实的做出回答,因此被调查者在运动会中服用兴奋剂的概率为
P=P(引4)*(场肉)
根据概率公式,有
P(g)二P(B“)P(4)+P個肉)P&)
因为
p(b_|a2)=I-P(b2|a2)=i—p,
则有
21,
PW二(\-p),
从而有
P=3P(3J-1.
设被调查的人数为〃,其中回答厂是”的人数为加,则当“很大时,有因此这次运动会中服用过兴奋剂的运动员的人数比例近似值为
3m<.
T———
n
般的,如果
p(4)=?
P(A)=|-/A
那么有
P(Bj=pP+(l_p)(LP)・
当Q冷时,可以由上式得
进而得到服用了兴奋剂人数比例的近似值为
2.2.2在求概率的递推法中的应用
全概率公式是概率论前期发展中的一个重要里程碑,它的意义和价值远远超出了时间的局限,在求概率的递推法中也有着一定的应用•它的要点是在。
中引入一个适当的分划,把概率条件化,以达到化难为易的U的,这就为利用递推方法解答概率问题提供了途径.
例2.2.2甲乙二人轮流抛掷一枚均匀的骰子•甲先掷,一直到掷出了1点,然后再交给乙掷,而到乙掷出了1点,再交给中掷,并如此一直下去•试求第“次抛掷时由甲掷的概率.
解以观表示第〃次抛掷时由甲掷的事件,记几=P(4)•我们以Ai和A:
作为对0的一个分划,易知
P(如心)€,卩(4)氐)专
于是由全概率公式得
几二P(A“)
二珂仏)卩(如心)+叫岛)卩(A,)
认+扣■叽)
21
=3'v+6-
经过整理,将上式化为易于递推的形式
反复利用该式,并注意门=1,即得
所以就有
2.2.3在医疗诊断中的应用
同时全概率公式也可以应用于考虑病人患病的确诊问题.人们为了完全确诊某些疾病,我们知道要对病患进行检查,而有的检查是非常昂贵且浪费时间的,更有的检查是对人体造成一定的伤害•因此,利用一些有矢的容易获得的临床指标进行辅助性的概率推断是十分重要的.
例2.2.3禽流感患者的临床表现为发热、干咳、流涕、头痛•已知人群中具有以上所有症状的病人患有禽流感的概率为0.5%,仅发热的病人患禽流感的概率为0.4%,仅干咳的病人患禽流感的概率为0.1%,仅流涕的病人患禽流感的概率为0.3%,仅头痛的病人患禽流感的概率为0.2%,无上述现象而被确诊为禽流感的概率为0.001%.现对某疫区30000人进行检查,其中具有所有症状的人为300人,仅发热的病人为500人,仅干咳的病人为1000人,仅流涕的病人为800人,仅头痛的病人为450人•试求该疫区某人患禽流感的概率.
“具有所有症状的病人”,
B=“仅发热的病人”,
C二“仅干咳的病人”,
D=“仅流涕的病人”,
E=“仅头痛的病人”,
F=“无明显症状的人”,
G二“确诊患有禽流感的病人”.
由全概率公式得
P(G)=P(A)P(GIA)+P(B)P(GIB)+P(C)P(GIC)
+P(D)P(GID)+P(E)P(GIE)+P(F)P(GIF)
3005001000
x0.5%+x0.4%+xO.l%
300003000030000
-8°°-xO.3%+-45°-x0.2%+x0.001%
300003000030000
=0.0002699
2.3全概率公式的推广
在一般的概率论或概率统计教材中,主要是运用全概率公式来计算一些复杂事件槪率,却很少涉及导致结果事件的原因事件用随机变量取值表示的情形,这使得这个公式的重要性还无法真正得到体现•文献[2]将一般的概率论或概率统讣教材中的全概率公式推广到了原因事件用一维随机变量取值表示的情形,作者乂举例说明了这个公式或这种分解方法能解决些复杂事件的概率问题.本文在文献[2]的基础上进行了再推广,将一般概率论或概率统计•教材中的全概率公式推广到了原因事件用n维离散型随机变量和n维连续型随机变量取值表示的情形,然后乂通过一个特例说明了这个公式在概率论和随机过程中的具体应用•从而看出了它的重要性.
在公式(2・1)中久坊,…,耳,…通常看成为原因事件,A看成由原因事件,B〕厲’…,导致的结果事件.
23.1原因事件用“维离散型随机变量取值表示的全概率公式
山于〃维离散型随机变量取可能值表示的事件是两两互不相容的,并且取所有可能值表示的事件的并事件为必然事件,因此就可以将上述结果推广到原因事件用H维离散型随机变量取值表示的情形.
定理2.3.2设n维离散型随机变量&层…6)的联合分布律(列)为卩(不二q・,
冬=»・・・总严Ck\i、j、k二12…则对任意的事件A,有
300C
P(A)=s—*s"(A\A=ai4i=bjs=q)p(4i二“•疋2二b门…、3=a)(2-1)
2.3.2原因事件用“维连续型随机变量取值表示的全概率公式
由定理2的结果,类似于文献[2]定理4的证明,可推广得到原因事件用川维连续型随机变量取值表示的情形.
定理2.3.1设n维连续型随机变量(乳徐…,&)的联合概率密度为/(西內兀),则对任意的事件A,有
”A险二兀詁2二厂'…境=©)/(坷宀兀)厶”兀…%(2-2)
2.3.3应用举例
下面通过一个例子来说明推广的全概率公式在概率论和随机过程中的具体应用,尽管解题方法不一定是唯一的,但仍然可以看到,应用全概率公式处理问题时,还是比较简单容易的.
例2.3.1设彳爲相互独立且有共同的儿何分布
P($i=k)二pqi,(p+g=1;i=1,2;R=1,2,.)
求
(1)〃二max(备歹2)的分布;
(2)鼻〃的联合分布.
解
(1)根据定理2的全槪率公式8X
PQ二工工P(//
j-ij-i
注意到,当ij均不等于上时,卩(
j=m=1,2,…一1时,
(2-2),得
«P1二広2FPG二活2=J)
“二£呂二话2二刀二0;当/=kJ=1,2、…山
P(fj=kIA=iAj=j)=I.
再111占刍的独立t生知
P(洽i,§=j)=PG=i)PG=j)=p2q“2
于是
P(n=k)=F戶丿“tPA=A=j)
壬闷心+计I=(3)F■产)
r-1J-l
(2)根据定理232的全概率公式(2・2),得§,〃的联合分布
i>k
通过上述例子当中原因事件用一维、二维及〃维随机变量取值表示时全概率公式的应用,可以看到全概率公式在概率论中的重要作用•并且在可靠性模型、存储模型、风险模型等研究中都大量使用过全概率公式,特别是原因事件用一维、二维及〃维随机变量取值表示时全概率公式的应用.
3贝叶斯公式的应用及其推广3・1贝叶斯公式的定义
引理3丄何若久坊,…为一列互不相容的事件,且屛G
/=1
P(BJ>O,21,2,…
则对任一事件A,有
(3-1)
P(耳IA)=乙巩即卩⑺憾)i=l,2,…
i?
(d)p(w),
贝叶斯公式为我们提供了科学的决策和推断的方法.已知实验后的“结果”
(A)要求推断哪种“原因”(色)产生的可能性大,它的方法步骤是:
1)首先计算出每一个这是实验前产生的概率叫做先验概率,它反应了各种“原
因”发生的可能性大小;
2)计算P(AI3j,它表示“原因”(妨)发生的条件下产生“结果”(A),从而由贝叶斯公式反推出“结果”(幻已经发生的条件下“原因”(勾)发生的概率P
(B,IA),它是实验后确定的概率称为后验概率:
3)最后比较各个P(BjA)的大小,若P(BjA)是各个P(〃M)(iT,2,・・・)中最
大的一个,这就表明了产生“结果”(A)最可能的“原因”是
证明由条件概率的定义及乘法公式有
P(B)运用全概率公式并代入这个式子,即得贝叶斯公式
i=1,2,…
由证明可以知道贝叶斯公式其实就是全概率公式的一种变形,它与全概率公式是互逆应用的•并且它与全概率公式一样在实际生活中也有着特别广泛的应用,下面来探讨贝叶斯公式在以下儿个方面的应用.
3.2贝叶斯公式的应用3.2.1在概率推理中的应用
例3.2.1已知一个位于英国的发报台分别以概率0.6和0.4发出信号“(F和T”,
由于通讯系统收到了某些信号的干扰,当发出信号“(T时,收报台未必收到信号
“0=而是分别以0.8和0.2的概率收到“(T和“:
T;同样,发出信号“:
T时分别以0.9和0.1的概率收到“:
T和“(F.如果收报台收到“(T,求它没收错的概率是多少?
解设A二“发报台发出信号9”,灭二“发报台发出信号
B二“收报台收到信号'(T,B=“收报台收到信号1".于是
P(A)=0.6,P(可二0.4,P(BIA)=0.8卩(引可二0」.
由贝叶斯公式(3・1),得
P(45)-P(4)P(呼)
P(A)P(BIA)+P(A)P(B可一06x0.8-
0.923
06x0R4-04x0I
即收报台没收错信号的概率为0.923.
[11此可见,通过贝叶斯公式计算可以帮助我们从接收的结果中,分析信号传递的
错误性大小.
3.2.2在破案中的应用
例3.2.2在一个大雾天的下午五点左右发生了一起交通事故,肇事车是本市一辆出租车,该车早已逃逸•有一个忖击者认定是一辆绿色出租车,假定经调查该市有红、绿两种颜色的出租车,其中绿色占17%,红色占83%我们假定通过测试可知,LI击者将红色看成红色的概率为0.&将红色看成绿色的概率为0.2,将绿色看成绿色的概率为0.9,将绿色的看成红色的概率为0.1•若你是交警,你能确信目击者的证言吗?
解设A二“该出租车确实是绿色的”,B二孩出租车确实是红色的”,
C二“目击者看到的是绿色的D二“目击者看到的是红色的”由贝叶斯公式得
P(A)P(CIA)_0.17x0.90
P(A)P(CIA)+P(B)P(CIB)-0.17x0.90+0.83x0.2
心0.480
根据计算,在这种悄形下目击者尽管说的是真话,但他判断正确的概率也只有0.
480,所以交警要想破案,还得收集其它方面的数据,不能仅凭LI击者的话来破案.
3.2.3在经济中的应用
当今概率统计与经济息息相矢,儿乎任何一项经济学的研究、决策都离不开它的应用,实践证明,概率统计是对经济学问题进行量的研究的有效工具,为经济预测和决策提供了新的手段•在概率决策中,有一类决策就是贝叶斯决策,也就是根据贝叶斯公式进行概率判断,特别在信息不完全的情况下应用贝叶斯公式解决应用问题是非常有效的.
生产管理是现代企业管理的重要一环,但是在生产管理过程中很多企业根据主观判断进行,难以准确度量,利用贝叶斯公式可以很好的解决这一问题.
例3.2.3(贝叶斯公式与生产管理的矢系)
假设某个工厂有4个车间生产同一件农用产品,其产量占总产量的比例分别为0.15、0.2、0.3和0.35,且已知各车间生产的次品率分别为0.05>0.04、0.03和0.02•现有一农户购买了该厂的农用产品,其中1件产品是次品叹寸该农户造成了重大的损失,因此工厂按规定进行了索赔•现在厂长要追究生产车间的责任,但是该产品是哪个车间生产的标志已经脱落,问厂长应该如何追究生产车间的责任?
解由于不知该产品是由哪个车间生产的,因此每个车间都要负责任•各车间所负
责任的大小应该正比与该产品由各个车间生产的概率.
设舛二“该产品是由第丿•个车间生产的”,)二123,4;
B二“从该厂的产品中任取1件恰好取到次品”.
则第丿•个车间所负责任的大小为条件概率
P(A”)J=1,2,3,4.
由贝叶斯公式得
P(®IB)=斗丄J—P-帥4,丿二1,2,34工P(4)P(BIA)
又因为
二0.3,P(£)二0.35
P(A,)=0.15,P(A2)=0.2,
P(B州)=0.058,P(BIA2)=0.04,P(BIA3)=0.03,P(BIA»)=0.02从而
P(A,IB)=•妞二0.238
工P⑷p(b|4)
P(讣)「⑷心LLT222.
工P(A)P(B|A)
即第1、第2、第3、第4车间所负责任的百分比分别为0.238、0.254、0.286、0.222,显然可见,第3车间负的责任应该最大为0.286•根据后验概率进行判断,对追究责任和索取赔偿具有一定的理论依据.
我们知道营销的成功与信誉度有很大的矢系,信誉度越高,一个公司成功的概率就越大,而相反一个公司总是做一些让消费者失信的事情,那么可想而知,久而久之这样的公司在消费者心中就会留下信誉不好、不诚信的不良影响.
下面利用贝叶斯公式考察如果一家公司多次不讲究信誉会有怎么样的结果.例3.
2.4(贝叶斯公式与营销信誉度的尖系)
经过大量的调查我们知道现有一家公司的可信度为0.&不可信度为0.2,问该公司多次失信后客户对其相信度变为多少?
解现在用贝叶斯公式来分析此问题中的可信度是如何下降的•首先记
事件A二“不可信”,
事件B二“可信”
不妨设客过去对该公司的印象为
P(B)=O.&P(B)=0.2
现在可以用贝叶斯公式来求P(B\A),即该公司失信一次后,客户对可信程度的改变
•不妨设P(AIB)=0.1,P(AI可二0.5•则客户根据这丿卜信息对这家公司的可信程度改变为
这就表明了客户经过一次上当受骗后,对这家公司的可信度由原来的0.8下降为了0.444,故在此前提下,我们可以对这家公司的可信程度再一次用贝叶斯公式来计算即为该公司第一次不诚信后,客户对它的可信程度的概率
从中可以看出客户经过再次上当,对这家公司的可信程度已经从0.8下降到T0.13&如此低的可信度,该公司乂怎能奢望对客户进行笫三次营销的时候会成功,并且顾客乂怎能再轻易上这家公司的当,顾客乂怎么会相信且愿意去继续购买这家公司的产品呢?
进而必然严重影响了该公司的营销业绩.
3・3贝叶斯公式的推广3.3.1贝叶斯公式与全概率公式的联系
若把全概率公式中的q视作“果”,而把g的每一划分色视作“因”,则全概
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 概率 公式 贝叶斯 应用
![提示](https://static.bdocx.com/images/bang_tan.gif)