機率論 機率的描述 機率論簡介 條件機率及獨立 貝氏定理
機率的描述
Pr { 明天淡水不下雨 } = 0.7 明天在淡水有30%的可能性會下雨 Pr { 明天淡水下雨 } = 0.3 機率量度 A:事件 A’:A事件的對立事件
所有的可能結果 { 人頭,10圓 } { 正面,反面 } { 1 , 0 } { 1 , -1 }
所有的可能結果 一些機率值 { 1,2,3,4,5,6 } { 紅,黑 } Pr{ 出現3點 } = ? Pr{ 出現6點 } = ?
機率論簡介 有關「機率」的一些定義 一些用來描述機率值的方式 機率公設
有關「機率」的一些定義 實驗(Experiment) 試驗(Trial) 結果(Outcome) 確定性實驗(Deterministic experiment) 隨機實驗(Random experiment) 樣本空間(Sample space) 事件(Event) 對立事件(Complementary event) 互斥事件(Mutually exclusive)
一些用來描述機率值的方式 古典機率方式 相對次數方式 主觀的測度或判斷 Pr( A ) = #(A) / #(S) Pr( A ) = lim M∞ m(A)/M 主觀的測度或判斷
機率公設 在一個給定的實驗,其樣本空間為S,A1、A2、A3、、、為實驗可能的事件,機率量度Pr是一組函數,其滿足: (1) Pr( Ai ) ≧ 0 (2) Pr( S ) = 1 (3) Ai為互斥事件(i=1,2,3….)
事件機率 事件機率 聯合機率 邊際機率 條件機率 獨立
範例 有一個木箱中有100個微晶片,分別是由工廠I及工廠II所生產, 工廠I 工廠 II Total 不良品 15 5 20 良品 45 35 80 60 40 100
由箱子裡隨機抽取1個微晶片並且測試它的品質 事件機率 P(A) = P(不良品) = 20/100 = 0.2 P(B) = P(工廠 I 生產) = 60/100 = 0.6 聯合機率 P(A∩B) = P(工廠 I 生產的不良品) = 15/100 =0.15 邊際機率 P(A) = P(不良品) = P(A∩B) + P(A∩B’) = P(工廠 I 生產的不良品) + P(工廠 II 生產的不良品) = 0.15 + 0.05 = 0.2
條件機率及獨立 定義: 定理: 定理(乘法律): 在給定事件B的條件下,A事件發生的條件機率,可定義為:P(A|B) = P(A∩B) / P(B) , P(B) > 1 定理: P(A∩B) = P(B) P(A|B) if P(B) > 0 = P(A) P(B|A) if P(A) > 0 定理(乘法律):
範例 承上例 P(工廠 I 生產的不良品) = P(A∩B) = 0.15 P(已知為不良品,是自工廠 I 生產) = P(B|A) = n(A∩B) / n(A) = 15/20 = 0.75 P(已知為工廠 I 生產,是不良品) = P(A|B) = n(A∩B) / n(B) = 15/60 = 0.25
範例 一個桶子內有5個黑球、3個紅球、2個白球,由桶子內隨機抽機4個球(抽出後不放回),試求第1個球為黑球,笫2個球為紅球,笫3個球為白球,第4個球為黑球的機率。 A1為第1個球為黑球之事件 A2為第2個球為紅球之事件 A3為笫3個球為白球之事件 A4為第4個球為黑球之事件
事件的性質 獨立事件 相依事件 互斥事件
獨立事件 定義: A,B兩個事件稱為獨立事件,如果:P(A∩B)=P(A)P(B) 說明: 係指一事件的發生不影響其他事件發生
範例 有一雙引擎飛機,已知其引擎損壞的機率為0.01,請問該飛機因引擎損壞而無法飛行的機率為何: Pr(兩個引擎同時損壞) = 0.01 * 0.01 = 0.0001
相依事件 定義: 說明: A,B兩個事件稱為相依事件,如果:P(A∩B)≠P(A)P(B) 且 P(A∩B)不為空集合 係指一事件的發生會影響其他事件發生
互斥事件 定義: A,B兩個事件稱為互斥事件,如果:P(A∩B)為空集合 說明: 係指事件間的沒有共同的元素
貝氏定理 分割與全機率 樹狀圖 全機率 貝氏定理
分割與全機率 樣本空間 B2 B1 Bk B3 分割 A事件
樹狀圖 A1 P(A1|B1) P(A1|B1)+P(A2|B1)=1 B1 A2 P(A2|B1) P(B1) P(A1|B2) A1 P(B1)+P(B2)+P(B3)=1
全機率
貝氏定理
範例 承上例 已知抽出的微晶片是不良品,請問該微晶片是由工廠I所生產的機率為: Pr(B) = n(B)/n(S) = 0.6 Pr(A) = n(A)/n(S) =0.2 Pr(A|B) = n(A∩B) / n(B) = 0.25 已知抽出的微晶片是不良品,請問該微晶片是由工廠I所生產的機率為: Pr( B | A ) = ( Pr( B )Pr( A | B) ) / Pr(A) =0.6*0.25/0.2 = 0.75
範例 林先生每日開不同的車(福特或BMW)上班,已知開BMW和福特的機率分別為: 又開BMW和福特上班遲到的機率分別為: 遲到的機率為何? Pr(開BMW) = 0.8 , Pr(開福特) = 0.2 又開BMW和福特上班遲到的機率分別為: Pr(遲到|開BMW) = 0.2 , Pr(遲到|開福特) = 0.5 遲到的機率為何? Pr(遲到) = Pr(開BMW) Pr(遲到|開BMW) + Pr(開福特) Pr(遲到|開福特) = 0.26 當上班遲到時,開BMW的機率為何? Pr(開BMW|遲到) = Pr(開BMW)Pr(遲到|開BMW) / Pr(遲到) = 0.16/0.26 = 0.6154
範例 經調查後可以得到下列的機率值: 吃檳榔的機率(全機率)為: 現有一人吃檳榔,其得到口腔癌的機率(P(B1|A1))為: 在有關吃檳榔是否會得到口腔癌的相關研究中,有下列四個事件: B1:患口腔癌 P(B1)=0.02 B2:沒有口腔癌 P(B2)=0.98 A1:吃檳榔 A2:沒吃檳榔 經調查後可以得到下列的機率值: P(A1|B1)=0.1 (患口腔癌有吃檳榔的機率) P(A1|B2)=0.0082 (沒有患口腔癌有吃檳榔的機率) 吃檳榔的機率(全機率)為: P(A1)=P(B1)P(A1|B1)+ P(B1)P(A1|B1)= 0.1*.002+0.0082*0.98=0.01 現有一人吃檳榔,其得到口腔癌的機率(P(B1|A1))為: P(B1|A1)=(0.1*0.002)/(0.1*.002+0.0082*0.98)=0.2
範例 A1 P(A1|B1)=0.1 B1 A2 P(B1)=0.02 P(A1|B2)=0.0082 A1 B2 A2 P(B2)=0.98 P(B1)+P(B2)=1 全機率 P(A1)=0.02*0.1+0.98*00082=0.01 事後機率 P(B1|A1)=(0.1*0.002)/0.01=0.2