条件概率小例子 | 学习笔记

简介: 快速学习条件概率小例子

开发者学堂课程【人工智能必备基础:概率论与数理统计:条件概率小例子】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/545/detail/7406


条件概率小例子

内容介绍

一、例题1

二、例题2

 

一、例题1

1.甲乙两地都位于长江下游,根据一百多年的气象记录,知道甲乙两地一年中雨天所占的比例分别为 20% 和 18%,两地同时下雨的比例为 12%,问:

(1) 乙地为雨天时甲地也为雨天的概率是多少?

(2)甲地为雨天时乙地也为雨天的概率是多少?

2.设 A={甲为雨天},B={乙为雨天} 则 P(A)=20%,P(B)=18%,P(AB)=12%

(1)乙地为雨天时甲地也为雨天的概率是

image.png

(2) 甲地为雨天时乙地也为雨天的概率是

image.png

 

二、例题2

某厂生产的产品能直接出厂的概率为 70%,余下的 30% 的产品要调试后再定,已知调试后有 80% 的产品可以出厂,20% 的产品要报废。求该厂产品的报废率。

设 A={生产的产品要报废}

B={生产的产品要调试}

image.png

相关文章
|
Ubuntu 数据安全/隐私保护 Windows
Vagrant快速搭建Ubuntu虚拟机环境
Vagrant快速搭建Ubuntu虚拟机环境
1250 0
Vagrant快速搭建Ubuntu虚拟机环境
|
Kubernetes 网络协议 数据安全/隐私保护
Kubernetes 的核心概念:Pod、Service 和 Namespace 解析
Kubernetes 的核心概念:Pod、Service 和 Namespace 解析
1009 1
|
人工智能 自然语言处理 物联网
中文LLaMA模型和指令精调的Alpaca大模型:中文数据进行二次预训练,进一步提升了中文基础语义理解能力
中文LLaMA模型和指令精调的Alpaca大模型:中文数据进行二次预训练,进一步提升了中文基础语义理解能力
中文LLaMA模型和指令精调的Alpaca大模型:中文数据进行二次预训练,进一步提升了中文基础语义理解能力
|
1月前
|
人工智能 Cloud Native 前端开发
详细教程 PhpStorm 2025.1 安装+ 激活中文配置,附安装包
PhpStorm 2025.1 全新升级,深度支持 PHP 8.3+/8.4,强化 AI 助手、Xdebug 调试与 .env 嵌套变量,提升全栈开发效率,打造现代化 PHP 开发利器。
339 0
详细教程 PhpStorm 2025.1 安装+ 激活中文配置,附安装包
|
3月前
|
安全 网络协议 网络安全
2025年第十六届蓝桥杯网络安全CTF国赛总决赛真题详解Writeup(Web漏洞挖掘、Crypto密码学、Misc杂项、Reverse逆向、Pwn二进制漏洞)
2025年第十六届蓝桥杯网络安全CTF国赛总决赛真题详解Writeup(Web漏洞挖掘、Crypto密码学、Misc杂项、Reverse逆向、Pwn二进制漏洞)
2025年第十六届蓝桥杯网络安全CTF国赛总决赛真题详解Writeup(Web漏洞挖掘、Crypto密码学、Misc杂项、Reverse逆向、Pwn二进制漏洞)
|
存储 人工智能 前端开发
搭建企业内部的大语言模型系统
该内容主要介绍了开源大语言模型及其管理方法。首先对比了商业大模型(如ChatGPT)与支持私有部署的开源大模型(如Mistral、Meta Llama),强调了开源模型在安全和隐私方面的优势。接着详细列出了多种大语言模型管理工具,如HuggingFace、Ollama等,并展示了Ollama的快速部署和使用方法。此外,还介绍了大语言模型的应用前端,包括开源平台Ollama-chatbot、PrivateGPT等,以及它们的具体部署步骤和配置示例。最后提供了非私有OpenAI-powered部署方案及其API调用示例。
|
9月前
|
人工智能 Java API
Java 也能快速搭建 AI 应用?一文带你玩转 Spring AI 可观测性
Java 也能快速搭建 AI 应用?一文带你玩转 Spring AI 可观测性
554 4
|
9月前
|
Web App开发 人工智能 JavaScript
Nanobrowser:开源版OpenAI Operator!AI自动操控浏览器,复杂网页任务一键搞定
Nanobrowser 是一款开源的 Chrome 扩展工具,基于多智能体系统实现复杂的网页任务自动化,支持多种大型语言模型,完全免费且注重隐私保护。
1379 1
WK
|
算法 决策智能
粒子群算法的缺点是什么
粒子群算法(PSO)虽具优点,但存在明显缺点:易陷局部最优、收敛精度低、难解离散及组合优化问题、缺乏精密搜索方法、理论基础薄弱、参数选择困难、收敛速度受问题复杂度影响。为克服这些问题,研究者提出引入动态惯性权重、调整学习因子、混合算法等改进策略,提高算法性能与适用范围,但仍需进一步研究以应对更复杂多样的问题。
WK
925 0
|
存储 缓存 NoSQL
Redis性能优化问题之优化 Redis fork 耗时严重的问题,如何解决
Redis性能优化问题之优化 Redis fork 耗时严重的问题,如何解决