《概率论与数理统计》第 4 章课堂笔记
记录人：林晓
说明：以下是三次课的原始速记，保留缩写、问号和没有补完的推导。

===== 2026-07-22｜4.1 条件概率 =====

老师开场：条件概率不是“多加一个条件”，而是先把观察范围缩小。

板书：
A = 产品有缺陷
B = 设备报警
P(A|B) 读作：在 B 已经发生的条件下，A 发生的概率。

竖线右边 = 已经知道的事？
所以分母要在 B 里面数。

公式：
P(A|B)=P(A∩B)/P(B)，前提 P(B)>0。

我的疑问：
- P(A|B) 和 P(B|A) 只是字母顺序换了，为什么结果差很多？
- “随机抽到缺陷品时报警”与“报警后发现是缺陷品”听起来很像。

课堂小例：
40 人选修 Python，16 人同时选修 Python 和统计学。
问“已知选了 Python，选统计学的比例”时，分母是 40，不是全班人数。
老师反复说：先圈出条件集合，再在圈内数目标。

我漏记：全班总人数和只选统计学人数。

===== 2026-07-24｜4.2 全概率与贝叶斯公式 =====

贝叶斯不是“把竖线两边交换”，要把基准率一起带回去。

板书（抄得不完整）：
P(A|B)= P(B|A)P(A) / P(B)
P(B)= P(B|A)P(A) + P(B|非A)P(非A)

老师用质检举例：
缺陷率 1%
缺陷品检出率 90%
合格品误报率 5%

如果看 10000 件：
缺陷品 100 件 -> 报警 90 件
合格品 9900 件 -> 误报 495 件
总报警 585 件
报警后真缺陷 = 90/585 ≈ 15.4%

旁边写了一个大大的：
90% 是 P(报警|缺陷)，不是 P(缺陷|报警)！

我当时的困惑：
- 为什么设备看起来“很准”，报警后真的有缺陷却只有 15.4%？
- 如果缺陷率不是 1%，答案会不会变？
- 100 件时会出现 0.9 件，不好理解，老师为什么坚持用 10000 件？

老师解释：误报率看起来只有 5%，但合格品基数非常大，495 个误报会淹没 90 个真报警。这叫基准率影响，不等于设备没用。

课后口头题：
若缺陷率提高到 10%，其余参数不变：
缺陷 1000 -> 真报警 900
合格 9000 -> 假报警 450
报警后真缺陷 = 900/1350 = 2/3

我只记了答案“约 66.7%”，没有记为什么从 15.4% 变到 66.7%。

===== 2026-07-29｜4.3 独立与互斥 =====

互斥：A∩B=空，不可能同时发生。
独立：知道 B 发生，不改变 A 的概率，即 P(A|B)=P(A)（P(B)>0 时）。

老师提醒：
- 互斥说的是“能不能同时发生”。
- 独立说的是“一个发生会不会改变另一个的概率”。
- 如果 A、B 都有正概率且互斥，则它们不独立。

例子：
一次掷骰子，A=点数为偶数，B=点数大于 3。
A 和 B 能同时发生（4、6），不是互斥。
P(A)=1/2，P(A|B)=2/3，所以也不独立。

另一个例子没跟上：
掷两枚公平硬币，A=第一枚正面，B=第二枚正面，独立。

我的错误笔记：
“独立就是互不影响，所以应该也不能同时发生？”
老师在旁边画叉：恰好相反，不能同时发生通常会提供很强的信息。

===== 课后待补 =====

1. 把“条件在竖线右边”改写成三句自然语言，不能只背口诀。
2. 用 10000 件产品重做 4-7，不先写贝叶斯公式。
3. 解释为什么 5% 不能直接和 90% 相加。
4. 给“独立但不互斥”“互斥但不独立”各找一个例子。
5. 检查学习小组转发的旧知识卡，其中“检测准确率可以近似当成报警后真实概率”这句话可能不对。