10 年级
事件与概率
一个结果发生的可能性,用一个介于 0 和 1 之间的数来衡量。
直观直觉:发生的可能性有多大?
掷一枚硬币、掷一颗骰子,或转一个转盘:这些都是随机试验,其确切结果无法提前预知,但所有可能结果组成的集合——样本空间 Ω ——是事先已知的。一个可能出现的结果称为一个结果,而我们关心的任意一组结果,例如“骰子出现偶数”,称为一个事件 A。概率给它赋一个数 P(A),它介于 0 和 1 之间,用来衡量该事件发生的可能性,其中 P(A)=0 表示不可能,而 P(A)=1 表示必然。
一个被分成若干相等圆弧的转盘被转动,指针停在从顶端量起的某个角度 θ 处。如果事件 A 是全部 90 度中占 360 度的一段弧,那么由对称性 P(A)=36090=41,恰好等于该弧所占圆周的比例。中学样本空间与古典概率
定义: 样本空间与事件
样本空间 Ω 是随机试验中所有可能结果组成的集合。事件是样本空间的任意子集 A⊆Ω; 当试验的实际结果落在 A 中时,称该事件“发生”。
P(A)=∣Ω∣∣A∣ 这里 ∣A∣ 表示事件 A 中所含结果的个数(假设 Ω 是有限的),而 ∣Ω∣ 表示样本空间中结果的总数。这个公式——有时称为古典(或拉普拉斯)概率定义——只有当 Ω 中每个结果都等可能时才适用;例如一枚均匀骰子的全部 6 个面,或一副洗匀纸牌的全部 52 张牌。
P(A∪B)=P(A)+P(B)−P(A∩B) 对两个事件 A 和 B,这条加法法则考虑到 A∩B 中的结果在 P(A) 中被计一次、在 P(B) 中又被计一次,因此重叠部分 P(A∩B) 必须减去一次以避免重复计数。当 A 与 B 不能同时发生时,A∩B=∅,于是 P(A∩B)=0,法则简化为 P(A∪B)=P(A)+P(B)。另一种关系——独立性——是指知道一个事件不会给另一个事件提供任何信息;代数上定义为 P(A∩B)=P(A)⋅P(B)。
两个事件之间的特殊关系| 关系 | 定义条件 | 所得公式 |
|---|
| 互斥 | A∩B=∅ | P(A∪B)=P(A)+P(B) |
| 独立 | P(A∩B)=P(A)⋅P(B) | P(A∪B)=P(A)+P(B)−P(A)P(B) |
| 一般事件 | — | P(A∪B)=P(A)+P(B)−P(A∩B) |
大学严格表述与证明
在有限样本空间中,对任意两个事件 A,B⊆Ω,有 P(A∪B)=P(A)+P(B)−P(A∩B)。
为什么成立?
简单地把 P(A) 与 P(B) 相加,会把同时属于两个事件的每个结果计两次——一次在 P(A) 中,一次在 P(B) 中——因此必须恰好减去一次重叠部分 P(A∩B) 以修正计数。
证明
第一步(把并集分成互不相交的部分):把 A∪B 拆成三个两两不相交的部分:A∖B(A 中独有的结果),A∩B(A∩B 中共有的结果),以及 B∖A(B 中独有的结果)。 A∪B 中的每个结果都恰好落入这三个部分中的一个。
第二步(用不相交集合的加法原理数并集):由于这三部分两两不相交,结果的个数满足 ∣A∪B∣=∣A∖B∣+∣A∩B∣+∣B∖A∣。
第三步(用同样的三部分表示 ∣A∣ 与 ∣B∣):同样地,∣A∣=∣A∖B∣+∣A∩B∣(按 A 是否与 B 重叠来拆分)以及 ∣B∣=∣B∖A∣+∣A∩B∣(用同样的方式拆分 B)。把这两个等式相加,得到 ∣A∣+∣B∣=∣A∖B∣+∣B∖A∣+2∣A∩B∣。
第四步(合并并除以 ∣Ω∣):比较第二步和第三步,得到 ∣A∣+∣B∣−∣A∩B∣=∣A∖B∣+∣B∖A∣+∣A∩B∣=∣A∪B∣。两边同除以 ∣Ω∣,并对每一项应用古典概率公式 P(A)=∣Ω∣∣A∣,恰好得到 P(A∪B)=P(A)+P(B)−P(A∩B)。
设 Ω=Ω1×Ω2 是由两个独立的有限等可能样本空间构成的样本空间,其中 m 是第一个空间的结果数,n 是第二个空间的结果数。对事件 A⊆Ω1 与 B⊆Ω2,记 A∩B 表示第一个结果落在 A 中且第二个结果落在 B 中的事件,则 P(A∩B)=P(A)⋅P(B)。
为什么成立?
选出一个同时满足 A 与 B 的结果,是一个两步计数过程(计数的乘法原理),因此有利结果对的个数就是每个分量中有利结果个数的乘积。
证明
第一步(设置计数):设 ∣A∣=a 与 ∣B∣=b。样本空间 Ω=Ω1×Ω2 中同时满足两个条件的一个结果是一对 (ω1,ω2) 满足 ω1∈A 与 ω2∈B。
第二步(应用计数的乘法原理):选取 ω1 有 a 种方式,与此选择独立地,选取 ω2 有 b 种方式,于是由计数的乘法原理,共有 a⋅b 个有利的组合。
第三步(除以结果总数):整个样本空间共有 m⋅n 个等可能的结果,因此 P(A∩B)=mnab。
第四步(把分式分解因子):改写为 mnab=ma⋅nb=P(A)⋅P(B),这是因为由古典概率公式, P(A)=a/m 且 P(B)=b/n 由古典概率公式给出,这就证明了结论。
大学实际应用与典型例题
古典概率以及加法法则与乘法法则,是质量控制(一批产品含有缺陷的可能性)、金融(若干独立投资中至少有一项亏损的可能性)、遗传学(从独立的等位基因中继承某性状的可能性)以及计算机科学(发生哈希冲突或随机测试失败的可能性)中日常用到的运算。下面两个例子把加法法则和乘法法则应用到具体数字上。
例题: 语言课程调查
一所学校共有 200 名学生,其中有 120 人学法语,有 80 人学西班牙语,还有 30 人两种语言都学。求随机选出的一名学生学法语或西班牙语的概率。
解答
第一步:设 A 为“学法语”,B 为“学西班牙语”,于是 ∣Ω∣=200,∣A∣=120,∣B∣=80,∣A∩B∣=30。
第二步:由于“法语或西班牙语”就是事件 A∪B,由加法法则得 P(A∪B)=P(A)+P(B)−P(A∩B)。
第三步:代入古典概率,得 P(A∪B)=200120+20080−20030=200170,化简为 2017=0.85。
例题: 对两道独立测验题的随机猜测
一名学生对两道相互独立的选择题随机猜测。第1题有 4 个选项且恰好一个正确,第2题有 5 个选项且恰好一个正确。求该学生两题都猜对的概率。
解答
第一步:设 A 为“猜对第1题”,B 为“猜对第2题”;由于每个选项被选中的可能性相等,P(A)=41 且 P(B)=51。
第二步:两道题的猜测互不影响,因此 A 与 B 独立,可以应用乘法法则:P(A∩B)=P(A)⋅P(B)。
第三步:代入第一步的值,得 P(A∩B)=41⋅51=201,所以两题都猜对的概率只有 5%。
掷一次均匀的六面骰子。求结果为素数的概率 P(A)(其中 A={2,3,5})。
在 40 名学生中,有 18 人下国际象棋,15 人下围棋,还有 6 人两种都下。随机选出一名学生下国际象棋或围棋的概率是多少?
掷一枚均匀硬币两次。设 A 为“第一次正面朝上”,B 为“第二次正面朝上”。由于两次投掷互不影响,P(A∩B) 是多少?
一家工厂有两台完全独立运作的机器。每台机器在一次生产中产生次品的概率为 10%。两台机器都不产生次品的概率是多少?