4.3 KiB
题型五:全概率公式与贝叶斯公式 ⭐⭐⭐
识别特征
- 全概率:题目有多阶段结构("原因 → 结果")
- 例如:3 台机器生产产品,已知产量占比和次品率,求总次品率
- 贝叶斯:已知结果,求原因的概率
- 例如:已知产品是次品,求"它来自第几台机器"
- 题干必有完备事件组($B_1, B_2, \ldots, B_n$)作为"原因"
解题流程
flowchart TD
A[识别:多阶段问题] --> B{求什么?}
B -->|"原因已知, 求结果"| C[全概率公式]
B -->|"结果已知, 求原因"| D[贝叶斯公式]
C --> E[1. 识别完备事件组 Bi]
E --> F[2. 写先验 P Bi 和似然 P A|Bi]
F --> G[3. P A = Σ P Bi P A|Bi]
D --> H[1. 先用全概率求 P A]
H --> I[2. P Bi|A = P Bi P A|Bi / P A]
通法步骤
一、全概率公式
前提:\{B_1, B_2, \ldots, B_n\} 是 \Omega 的完备事件组(两两互斥 + 穷尽),$P(B_i) > 0$。
P(A) = \sum_{i=1}^n P(B_i) \cdot P(A | B_i)
应用步骤:
- 识别原因:找出"原因"的完备事件组 $B_i$(往往是"按某种标准分类")
- 写先验:$P(B_i)$(各原因的概率)
- 写似然:$P(A | B_i)$(每种原因下结果
A的概率) - 加权求和:
P(A) = \sum P(B_i) P(A | B_i)
二、贝叶斯公式
P(B_i | A) = \frac{P(B_i) \cdot P(A | B_i)}{P(A)} = \frac{P(B_i) \cdot P(A | B_i)}{\sum_{j=1}^n P(B_j) \cdot P(A | B_j)}
应用步骤:
- 先用全概率算
P(A) - 套贝叶斯公式:分子 $= P(B_i) P(A | B_i)$,分母
= P(A)
常见陷阱
- 完备事件组漏项:
B_1, B_2, \ldots, B_n必须穷尽\Omega - 混淆全概率和贝叶斯:前者正向(原因→结果),后者逆向(结果→原因)
- 贝叶斯公式的分子分母不对应:分母是 $P(A)$(全概率公式的结果),不是某个
P(A|B_j) - 多阶段问题(嵌套):每层都需识别完备事件组
经典母题
题目:某厂有三台机床生产同种产品,产量分别占 $45%$、$35%$、$20%$。各机床的次品率分别为 $4%$、$2%$、3%$。现随机取一件产品,
(1) 求它是次品的概率; (2) 若发现是次品,求它最有可能是哪台机床生产的。
解析:
设 $B_i = $"第 i 台机床生产"($i=1,2,3$),$A = $"次品"。
- 先验:
P(B_1) = 0.45, P(B_2) = 0.35, P(B_3) = 0.20 - 似然:
P(A | B_1) = 0.04, P(A | B_2) = 0.02, P(A | B_3) = 0.03
(1) 全概率公式:
P(A) = 0.45 \times 0.04 + 0.35 \times 0.02 + 0.20 \times 0.03 = 0.018 + 0.007 + 0.006 = 0.031
(2) 贝叶斯公式(比较三个 $P(B_i | A)$):
P(B_1 | A) = \frac{0.018}{0.031} \approx 0.581, \quad
P(B_2 | A) = \frac{0.007}{0.031} \approx 0.226, \quad
P(B_3 | A) = \frac{0.006}{0.031} \approx 0.194
结论:
- 次品率
P(A) = 3.1\% - 次品最可能来自第 1 台机床(58.1%)
复盘:本题完整演示了"全概率 → 贝叶斯"的两步流程。核心要义:先算"边际概率"(全概率),再做"后验推断"(贝叶斯)。
变式 1:假设工厂每天生产的次品来自白天或夜班。白天产量 60%,次品率 1%;夜班产量 40%,次品率 2%。求随机取一件为次品的概率,以及该次品来自白天的概率。
解:
P(\text{白天}) = 0.6, P(\text{夜班}) = 0.4P(\text{次品} | \text{白天}) = 0.01, P(\text{次品} | \text{夜班}) = 0.02- 全概率:
P(\text{次品}) = 0.6 \times 0.01 + 0.4 \times 0.02 = 0.006 + 0.008 = 0.014 - 贝叶斯:
P(\text{白天} | \text{次品}) = 0.006 / 0.014 \approx 0.429
变式 2:选择题(概念辨析)
设 B_1, B_2 是 \Omega 的完备事件组,$P(B_1) = 0.6, P(A | B_1) = 0.1, P(A | B_2) = 0.3$。下列哪个是 $P(B_2 | A)$?
(A) \dfrac{0.4 \times 0.3}{0.6 \times 0.1 + 0.4 \times 0.3} (正确)
(B) \dfrac{0.6 \times 0.1}{0.6 \times 0.1 + 0.4 \times 0.3}
(C) \dfrac{0.4 \times 0.3}{0.6 + 0.4 \times 0.3}
(D) \dfrac{0.6 \times 0.1}{0.4 \times 0.3}
答案:(A)。常见错选 (D)——分子分母搞反。
口诀速记:
- "先原因,后结果 → 全概率"
- "先结果,后原因 → 贝叶斯"
- "贝叶斯公式 = 分子 / 分母(分母是全概率公式结果)"