【概率论】贝叶斯公式的作业

这篇具有很好参考价值的文章主要介绍了【概率论】贝叶斯公式的作业。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

贝叶斯公式的作业

  1. 两台车床加工同样的零件,第一台出现不合格品的概率是 0.03,第二台出现不合格品的概率是 0.06,加工出来的零件放在一起,并且已知第一台加工的零件比第二台加工的零件多一倍.如果取出的零件是不合格品,求它是由第二台车床加工的概率_____; (结果小数点后保留1位)
    【正确答案: 0.5 或 1/2】
    解析:
    两台车床加工同样的零件,第一台出现不合格品的概率是 0.03,第二台出现不合格品的概率是 0.06,加工出来的零件放在一起,并且已知第一台加工的零件比第二台加工的零件多一倍,(1)求任取一个零件是合格品的概率:(2) 如果取出的零件是不合格品,求它是由第二台车床加工的概率。
    解: 设A₁,A₂分别表示“取出的是第一台、第二台车床加工的零件”,B表示“取出的是合格品”.
    (1)所求概率为
    P ( B ) = P ( A 1 ) P ( B ∣ A 1 ) + P ( A 2 ) P ( B ∣ A 2 ) = 23 × 0.97 + 13 × 0.94 = 0.96 ; P(B)=P(A_1)P(B|A_1)+P(A_2)P(B|A_2)=23×0.97+13×0.94=0.96; P(B)=P(A1)P(BA1)+P(A2)P(BA2)=23×0.97+13×0.94=0.96;
    (2)所求概率为
    P ( A 2 ∣ B ‾ ) = P ( A 2 B ‾ ) P ( B ‾ ) = P ( A 2 ) P ( B ‾ ∣ A 2 ) P ( B ‾ ) = 1 3 × 0.06 0.04 = 0.5 P(A_2|\overline{B})=\frac{P(A_2\overline{B})}{P(\overline{B})}=\frac{P(A_2)P(\overline{B}|A_2)}{P(\overline{B})}=\frac{\frac{1}{3}×0.06}{0.04}=0.5 P(A2B)=P(B)P(A2B)=P(B)P(A2)P(BA2)=0.0431×0.06=0.5

  2. 有两箱零件,第一箱装50件,其中20件是一等品;第二箱装30件,其中18件是一等品,现从两箱中随意挑出一箱,然后从该箱中先后任取两个零件, 试求在第一次取出的是一等品的条件下,第二次取出的零件仍然是一等品的概率______(结果小数点后保留4位)
    【 正确答案: 0.5068或1267/2500】
    解析:
    有两箱零件,第一箱装50件,其中20件是一等品;第二箱装 30件,其中18件是一等品,现从两箱中随意挑出一箱,然后从该箱中先后任取两个零件,试求
    (1) 第一次取出的零件是一等品的概率;
    (2) 在第一次取出的是一等品的条件下,第二次取出的零件仍然是一等品的概率.
    解: 设 A 1 A_1 A1 A 2 A_2 A2分别表示“挑出第一箱、第二箱”,B₁,B₂分别表示“第一次、第二次取出的是一等品”
    (1)所求概率为 P ( B 1 ) = P ( A 1 ) P ( B 1 ∣ A 1 ) + P ( A 2 ) P ( B 1 ∣ A 2 ) = 1 2 × 20 50 + 1 2 × 18 30 = 0.5 P(B_1)=P(A_1)P(B_1|A_1)+P(A_2)P(B_1|A_2)=\frac{1}{2}×\frac{20}{50}+\frac{1}{2}×\frac{18}{30}=0.5 P(B1)=P(A1)P(B1A1)+P(A2)P(B1A2)=21×5020+21×3018=0.5
    (2)因 P ( B 1 B 2 ) = P ( A 1 ) P ( B 1 B 2 ∣ A 1 ) + P ( A 2 ) P ( B 1 B 2 ∣ A 2 ) = 1 2 × 20 50 × 19 49 + 1 2 × 18 30 × 17 29 = 3601 14210 P(B_1B_2)=P(A_1)P(B_1B_2|A_1)+P(A_2)P(B_1B_2|A_2)=\frac{1}{2}×\frac{20}{50}×\frac{19}{49}+\frac{1}{2}×\frac{18}{30}×\frac{17}{29}=\frac{3601}{14210} P(B1B2)=P(A1)P(B1B2A1)+P(A2)P(B1B2A2)=21×5020×4919+21×3018×2917=142103601,故所求概率为 P ( B 2 ∣ B 1 ) = P ( B 1 B 2 ) P ( B 1 ) = 3601 / 14210 0.5 = 3601 7105 = 0.5068 P(B_2|B_1)=\frac{P(B_1B_2)}{P(B_1)}=\frac{3601/14210}{0.5}=\frac{3601}{7105}=0.5068 P(B2B1)=P(B1)P(B1B2)=0.53601/14210=71053601=0.5068

  3. 学生在做一道有4个选项的单项选择题时,如果他不知道问题的正确答案时,就作随机猜测,现从卷面上看题是答对了,试在以下情况下求学生确实知道正确答案的概率。
    (1) 学生知道正确答案和胡乱猜测的概率都是 1/2,则学生确实知道答案的概率为:_____ 。
    【正确答案: 0.8或4/5】
    (2) 学生知道正确答案的概率是 0.2.则学生确实知道答案的概率为:_____ 。
    【正确答案: 0.5或1/2】
    解析:
    学生在做一道有 4个选项的单项选择题时,如果他不知道问题的正确答案时,就作随机猜测,现从卷面上看题是答对了,试在以下情况下求学生确实知道正确答案的概率。
    (1)学生知道正确答案和胡乱猜测的概率都是 1/2;
    (2)学生知道正确答案的概率是0.2.
    解:设 A 1 , A 2 A_1,A_2 A1,A2分别表示 “学生知道正确答案、胡乱猜测”,B表示“题答对了”。
    (1)因 P ( A 1 ) = 0.5 , P ( A 2 ) = 0.5 P(A_1)=0.5, P(A_2)=0.5 P(A1)=0.5,P(A2)=0.5
    故所求概率为
    P ( A 1 ∣ B ) = P ( A 1 ) P ( B ∣ A 1 ) P ( A 1 ) P ( B ∣ A 1 ) + P ( A 2 ) P ( B ∣ A 2 ) = 0.5 × 1 0.5 × 1 + 0.5 × 0.25 = 0.5 0.625 = 0.8 P(A_1|B)=\frac{P(A_1)P(B|A_1)}{P(A_1)P(B|A_1)+P(A_2)P(B|A_2)}=\frac{0.5×1}{0.5×1+0.5×0.25}=\frac{0.5}{0.625}=0.8 P(A1B)=P(A1)P(BA1)+P(A2)P(BA2)P(A1)P(BA1)=0.5×1+0.5×0.250.5×1=0.6250.5=0.8
    (2)因 P ( A 1 ) = 0.2 , P ( A 2 ) = 0.8 P(A_1)=0.2, P(A_2)=0.8 P(A1)=0.2,P(A2)=0.8
    故所求概率为
    P ( A 1 ∣ B ) = P ( A 1 ) P ( B ∣ A 1 ) P ( A 1 ) P ( B ∣ A 1 ) + P ( A 2 ) P ( B ∣ A 2 ) = 0.2 × 1 0.2 × 1 + 0.8 × 0.25 = 0.2 0.4 = 0.5 P(A_1|B)=\frac{P(A_1)P(B|A_1)}{P(A_1)P(B|A_1)+P(A_2)P(B|A_2)}=\frac{0.2×1}{0.2×1+0.8×0.25}=\frac{0.2}{0.4}=0.5 P(A1B)=P(A1)P(BA1)+P(A2)P(BA2)P(A1)P(BA1)=0.2×1+0.8×0.250.2×1=0.40.2=0.5

  4. 已知男人中有5%是色盲患者,女人中有0.25%是色盲患者,今从男女比例为 22:21 的人群中随机地挑选一人,发现恰好是色盲患者,问此人是男性的概率是=_____ ; (结果保留小数点后4位)
    【正确答案: 0.9544】
    解析:
    设A₁,A₂分别表示“此人是男性、女性”,B表示“此人是色盲患者”,故所求概率为 P ( A 1 ∣ B ) = P ( A 1 ) P ( B ∣ A 1 ) P ( A 1 ) P ( B ∣ A 1 ) + P ( A 2 ) P ( B ∣ A 2 ) = 22 43 × 0.05 22 43 × 0.05 + 21 43 × 0.0025 = 0.9544 P(A_{1}|B)= \frac {P(A_{1})P(B|A_{1})}{P(A_{1})P(B|A_{1})+P(A_{2})P(B|A_{2})}= \frac { \frac {22}{43} \times 0.05}{ \frac {22}{43} \times 0.05+ \frac {21}{43} \times 0.0025}=0.9544 P(A1B)=P(A1)P(BA1)+P(A2)P(BA2)P(A1)P(BA1)=4322×0.05+4321×0.00254322×0.05=0.9544

  5. 口袋中有一个球,不知它的颜色是黑的还是白的。 现再往口袋中放入一个白球,然后再从口袋中任意取出一个,发现取出的是白球,试问口袋中原来那个球是白球的可能性为=_______;(结果要求用约分数形式表示, 或小数点后保留3位)
    【正确答案: 2/3或 0.667】
    解析:
    设 A₁,A₂ 分别表示 “原来那个球是白球、黑球”,B表示“取出的是白球”,
    故所求概率为 P ( A 1 ∣ B ) = P ( A 1 ) P ( B ∣ A 1 ) P ( A 1 ) P ( B ∣ A 1 ) + P ( A 2 ) P ( B ∣ A 2 ) = 0.5 × 1 0.5 × 1 + 0.5 × 0.5 = 0.5 0.75 = 2 3 P(A_{1}|B)= \frac {P(A_{1})P(B|A_{1})}{P(A_{1})P(B|A_{1})+P(A_{2})P(B|A_{2})}= \frac {0.5 \times 1}{0.5 \times 1+0.5 \times 0.5}= \frac {0.5}{0.75}= \frac {2}{3} P(A1B)=P(A1)P(BA1)+P(A2)P(BA2)P(A1)P(BA1)=0.5×1+0.5×0.50.5×1=0.750.5=32

  6. 将4根绳子的8个头任意两两相接, 求恰好结成4个圈的概率=______ 。
    【正确答案: 1/105】
    解析:
    样本点总数为 N = ( 2 n − 1 ) ( 2 n − 3 ) ⋯ 3 ⋅ 1 = ( 2 n − 1 ) ! ! N=(2n-1)(2n-3) \cdots 3 \cdot 1=(2n-1)!! N=(2n1)(2n3)31=(2n1)!!,事件A=“恰好结成 n个圈”所含样本点个数 K=1,故所求概率为 P ( A ) = 1 ( 2 n − 1 ) ! ! P(A)= \frac {1}{(2n-1)!!} P(A)=(2n1)!!1

  7. 甲、乙两人轮流掷一颗骰子,甲先掷.每当某人掷出1点时,则交给对方掷,否则此人继续掷,试求第一次由甲掷的概率为:_____ 【正确答案:1】,第二次由甲掷的概率为:_____ 【正确答案:5/6】 , 第三次由甲掷的概率为:______ 【正确答案:13/18】 , 第4次有甲掷的概率为:______ 【正确答案: 35/54】;
    解析:
    A k A_k Ak表示“第k次由甲掷骰子”,k=1,2,……,有 P ( A 1 ) = 1 P(A_1)=1 P(A1)=1
    P ( A k ) = P ( A k − 1 ) P ( A k ∣ A k − 1 ) + P ( A ‾ k − 1 ) P ( A k ∣ A ‾ k − 1 ) = P ( A k − 1 ) ⋅ 5 6 + [ 1 − P ( A k − 1 ) ] ⋅ 1 6 = 1 6 + 2 3 P ( A k − 1 ) P(A_k)=P(A_{k-1})P(A_{k}|A_{k-1})+P(\overline A_{k-1})P(A_{k}|\overline A_{k-1})=P(A_{k-1})\cdot\frac{5}{6}+[1-P(A_{k-1})]\cdot \frac{1}{6}= \frac {1}{6}+ \frac {2}{3}P(A_{k-1}) P(Ak)=P(Ak1)P(AkAk1)+P(Ak1)P(AkAk1)=P(Ak1)65+[1P(Ak1)]61=61+32P(Ak1)
    P ( A n ) = 1 6 + 2 3 P ( A n − 1 ) = 1 6 + 2 3 [ 1 6 + 2 3 P ( A n − 2 ) ] = 1 6 + 2 3 ⋅ 1 6 + ( 2 3 ) 2 P ( A n − 2 ) = 1 6 + 2 3 ⋅ 1 6 + ⋯ + ( 2 3 ) n − 2 ⋅ 1 6 + ( 2 3 ) n − 1 ⋅ P ( A 1 ) = 1 6 [ 1 − ( 2 3 ) n − 1 ] 1 − 2 3 + ( 2 3 ) n − 1 = 1 2 + 1 2 ⋅ ( 2 3 ) n − 1 P(A_{n})= \frac {1}{6}+ \frac {2}{3}P(A_{n-1})= \frac {1}{6}+ \frac {2}{3}[ \frac {1}{6}+ \frac {2}{3}P(A_{n-2})]= \frac {1}{6}+ \frac {2}{3} \cdot \frac {1}{6}+\left ( \frac {2}{3} \right )^{2}P(A_{n-2})= \frac {1}{6}+ \frac {2}{3} \cdot \frac {1}{6}+ \cdots + \left ( \frac {2}{3} \right )^{n-2} \cdot \frac {1}{6}+ \left ( \frac {2}{3} \right )^{n-1} \cdot P(A_{1})= \frac { \frac {1}{6}[1- \left ( \frac {2}{3} \right )^{n-1}]}{1- \frac {2}{3}}+ \left ( \frac {2}{3} \right )^{n-1}= \frac {1}{2}+ \frac {1}{2} \cdot \left ( \frac {2}{3} \right )^{n-1} P(An)=61+32P(An1)=61+32[61+32P(An2)]=61+3261+(32)2P(An2)=61+3261++(32)n261+(32)n1P(A1)=13261[1(32)n1]+(32)n1=21+21(32)n1文章来源地址https://www.toymoban.com/news/detail-513804.html

附:系列文章

序号 概率论 直达链接
1 几何概率、条件概率及全概率公式作业 https://want595.blog.csdn.net/article/details/131453732
2 条件概率与独立性题目 https://want595.blog.csdn.net/article/details/131445673
3 全概率与贝叶斯公式作业 https://want595.blog.csdn.net/article/details/131453510
4 贝叶斯公式的作业 https://want595.blog.csdn.net/article/details/131454384
5 独立性作业(一) https://want595.blog.csdn.net/article/details/131473856
6 独立性作业(二) https://want595.blog.csdn.net/article/details/131474088
7 随机变量函数的分布 https://want595.blog.csdn.net/article/details/131487458
8 随机变量的方差与标准差作业 https://want595.blog.csdn.net/article/details/131487036
9 连续型随机变量的分布函数及数学期望(一) https://want595.blog.csdn.net/article/details/131482805
10 连续型随机变量的分布函数及数学期望(二) https://want595.blog.csdn.net/article/details/131482984
11 常用的离散分布 https://want595.blog.csdn.net/article/details/131487115
12 常用连续分布(一) https://want595.blog.csdn.net/article/details/131487232
13 常用连续分布(二) https://want595.blog.csdn.net/article/details/131487306
14 多维随机变量函数的分布(一) https://want595.blog.csdn.net/article/details/131488172
15 多维随机变量函数的分布(二) https://want595.blog.csdn.net/article/details/131488282
16 多维随机变量函数的分布(三) https://want595.blog.csdn.net/article/details/131488391
17 多维随机变量及其联合分布作业 https://want595.blog.csdn.net/article/details/131487796
18 边际分布的作业 https://want595.blog.csdn.net/article/details/131487983
19 大数定律 https://want595.blog.csdn.net/article/details/131006831
20 中心极限定理(一) https://want595.blog.csdn.net/article/details/131020595
21 中心极限定理(二) https://want595.blog.csdn.net/article/details/131047033

到了这里,关于【概率论】贝叶斯公式的作业的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 概率论公式

    方差D(x+y)=D(x)+D(y)+2Cov(x,y)=D(x)+D(y) 协方差Cov(x,y)=E(xy)-E(x)E(y),相互独立的随机变量x,y满足E(xy)=E(x)E(y) 所以随机变量xy相互对立 时,D(x+y)=D(x)+D(y) 转自:多个随机变量运算后的均值与方差计算_爱吃酸菜鱼的汉堡的博客-CSDN博客_多个随机变量的和的方差  

    2024年02月12日
    浏览(34)
  • 第四章 基于概率论的分类方法:朴素贝叶斯

    朴素贝叶斯 优点:在数据较少的情况下仍然有效,可以处理多类别问题。 缺点:对于输⼊数据的准备⽅式较为敏感。 适⽤数据类型:标称型数据。 假设类别为 c 1 , c 2 c_1,c_2 c 1 ​ , c 2 ​ : 如果 p 1 ( x , y ) p 2 ( x , y ) p1(x,y) p2(x,y) p 1 ( x , y ) p 2 ( x , y ) ,那么类别为 c 1 c_1 c

    2024年02月13日
    浏览(44)
  • 【机器学习实战】-基于概率论的分类方法:朴素贝叶斯

    【机器学习实战】读书笔记 **朴素贝叶斯:**称为“ 朴素 ”的原因,整个形式化过程只做最原始、最简单的假设,特征之间没有关联,是统计意义上的独立。 **优点:**在数据较少的情况下仍然有效,可以处理多类别问题。 **缺点:**对于输入数据的准备方式较为敏感。 **适

    2024年03月25日
    浏览(53)
  • 概率论与数理统计常用公式大全

    A − B = A − A B = A B ‾ B = A ‾    ⟺    A B = ∅    且 A ∪ B = Ω ( 1 ) 吸 收 律    若 A ⊂ B , 则 A ∪ B = B , A B = A ( 2 ) 交 换 律    A ∪ B = B ∪ A , A B = B A ( 3 ) 结 合 律    ( A ∪ B ) ∪ C = A ∪ ( B ∪ C ) , ( A B ) C = A ( B C ) ( 4 ) 分 配 律    A ( B ∪ C ) = A B ∪ A C , A ∪ B C = ( A ∪

    2024年02月11日
    浏览(49)
  • 概率论与机器学习:从朴素贝叶斯到深度学习

    概率论和机器学习是计算机科学和人工智能领域的基本概念。概率论是用于描述不确定性和随机性的数学框架,而机器学习则是利用数据来训练计算机程序以进行自动化决策的方法。这两个领域密切相连,因为机器学习算法通常需要使用概率论来描述和处理数据的不确定性。

    2024年02月01日
    浏览(42)
  • 概率论_概率公式中的逗号( , ) 竖线( | ) 分号( ; )及其优先级

    目录 1.概率公式中的分号(;)、逗号(,)、竖线(|) 2.各种概率相关的基本概念 2.1 联合概率 2.2 条件概率(定义) 2.3 全概率(乘法公式的加强版) 2.4 贝叶斯公式 贝叶斯定理的公式推导  ;  分号 代表前后是两类东西,以概率P(x;θ)为例,分号前面是x样本,分号后边是模型参数。 分号

    2024年02月05日
    浏览(45)
  • 概率论作业啊啊啊

    1 数据位置 (Measures of location) 对于数据集: 7 , 9 , 9 , 10 , 10 , 11 , 11 , 12 , 12 , 12 , 13 , 14 , 14 , 15 , 16 7,9,9,10,10,11,11,12,12,12,13,14,14,15,16 7 , 9 , 9 , 10 , 10 , 11 , 11 , 12 , 12 , 12 , 13 , 14 , 14 , 15 , 16 计算加权平均数,其中权重为: 2 , 1 , 3 , 2 , 1 , 1 , 2 , 2 , 1 , 3 , 2 , 1 , 1 , 1 , 1 2,1,3,2,1,1,2,2,1,3,2,1,

    2024年02月11日
    浏览(36)
  • 【考研数学】概率论与数理统计 | 第一章——随机事件与概率(2,概率基本公式与事件独立)

    承接上文,继续介绍概率论与数理统计第一章的内容。 P ( A − B ) = P ( A B ‾ ) = P ( A ) − P ( A B ) . P(A-B)=P(A overline{B} )=P(A)-P(AB). P ( A − B ) = P ( A B ) = P ( A ) − P ( A B ) . 证明: A = ( A − B ) + A B A=(A-B)+AB A = ( A − B ) + A B ,且 A − B A-B A − B 与 A B AB A B 互斥,根据概率的有限可加

    2024年02月12日
    浏览(50)
  • 从二重积分换元法到概率论卷积公式

    二重积分换元公式 (第七版同济书下册P152) 设 f ( x , y ) f(x, y) f ( x , y ) 在 x O y x O y x O y 平面上的闭区域 D D D 上连续,若变换 T : x = x ( u , v ) ,   y = y ( u , v ) T: x=x(u, v), y=y(u, v) T : x = x ( u , v ) ,   y = y ( u , v ) 将 u O v u O v u O v 平面上的闭区域 D ′ D^{prime} D ′ 变为 x O y x O y

    2024年02月04日
    浏览(35)
  • 概率论的学习和整理17:EXCEL的各种期望,方差的公式

    目录 1 总结 1.1 本文目标总结方法 1.2 总结一些中间关键函数 2 均值和期望 2.1 求均值的公式 2.2 求随机变量期望的公式 2.3 求随机变量期望的朴素公式 3 方差 3.1 确定数的方差 3.2 统计数的方差公式 3.3 随机变量的方差公式 3.4 EXCEL提供的直接计算方差的公式 4  期望 和方差的公

    2024年02月16日
    浏览(41)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包