Files
MathNotesVersion1/公式笔记/概率论/Ch01_概率论的基本概念/题型5_全概率与贝叶斯公式.md
T
2026-10-04 11:44:56 +08:00

4.3 KiB
Raw Blame History

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:

  1. 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")
  2. 写先验:$P(B_i)$(各原因的概率)
  3. 写似然:$P(A | B_i)$(每种原因下结果 A 的概率)
  4. 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:

  1. 先用全概率算 P(A)
  2. 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}) = 0.4
  • P(\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)"