统计 - 概率乘法定理

2018-12-28 10:08 更新

独立活动

该定理说明,两个独立的事件的同时发生的概率由它们的单独概率的乘积给出。

${P(A\ and\ B) = P(A) \times P(B) \\[7pt] P (AB) = P(A) \times P(B)}$

定理可以扩展到三个或更多独立事件

${P(A \cap B \cap C) = P(A) \times P(B) \times P(C) P (A,B\ and\ C) = P(A) \times P(B) \times P(C) }$

例子

问题陈述:

学院必须任命一个讲师,他必须是B.Com。,MBA和Ph。D,其概率为$ {\\ frac {1} {20}} $,$ {\\ frac {1} {25} } $和$ {\\ frac {1} {40}} $。 找到让这样的人被大学任命的概率。

解决方案:

一个人成为B.Com.P(A)= $ {\\ frac {1} {20}} $的概率

一个人是MBA的概率P(B)= $ {\\ frac {1} {25}} $

一个人成为博士P(C)= $ {\\ frac {1} {40}} $的概率

使用乘法定理独立事件

${ P (A,B\ and\ C) = P(A) \times P(B) \times P(C) \\[7pt] = \frac{1}{20} \times \frac{1}{25} \times \frac{1}{40} \\[7pt] = .05 \times .04 \times .025 \\[7pt] = .00005 }$

对于依赖事件(条件概率)

如前所述,依赖事件是一个事件的发生或不发生影响下一个事件的结果的事件。 对于这种事件,先前所述的乘法定理不适用。 与这样的事件相关的概率被称为条件概率并且由

P(A / B)= $ {\\ frac {P(AB)} {P(B)}} $或$ {\\ frac {P

当事件B已经发生时,将P(A / B)读作事件A的发生概率。

类似地,给定A的B的条件概率为

P(B / A)= $ {\\ frac {P(AB)} {P(A)}} $或$ {\\ frac {P(A \\ cap B)} {

例子

问题陈述:

一枚硬币被抛出2次。 折腾导致一个头和一个尾巴。 第一次投掷导致尾巴的概率是多少?

解决方案:

投掷两次的硬币的样本空间被给出为S = {HH,HT,TH,TT}

让事件A是导致尾部的第一次投掷。

事件B是一个尾部和一个头部发生。

${ P(A) = \frac{P(TH,TT)}{P(HH,HT,TH,TT)} = \frac{2}{4} =\frac {1}{2} \\[7pt] P(A \cap B) = \frac{P(TH)}{P(HH,HT,TH,TT)} =\frac{1}{4} \\[7pt] So\ P (A/B) = \frac{P(A \cap B)}{P(A)} \\[7pt] = \frac{\frac{1}{4}}{\frac{1}{2}} \\[7pt] = \frac{1}{2} = 0.5 }$

以上内容是否对您有帮助:
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号