概率论与数理统计第一章 第4节 等可能概型(古典概型)
概率论与数理统计-古典概型

{12 ,13,14 ,15 ,23,24 ,25 ,34 ,35 ,45}, A {12 ,13 ,23},
从而,
P( A) 3 0.3. 10
表达方法:
样本空间中基本事件总数: N
设 Ak 表示第k 次取得次品,则 Ak 包含的基本事件
总数为: M PNk11 M (N 1)(N 2)(N k 1),
于是,P( Ak
)
M
P k 1 N 1
PNk
M N
(N (N
1)( N 1)( N
2)(N 2)(N
k k
1) 1)
第一章 随机事件及其概率
§1.4 概率的古典定义
一、古典概型的定义
定义 设E是随机试验, 若E满足下列条件: 1。试验的样本空间只包含有限个元素; 2。试验中每个基本事件发生的可能性相同. 则称E为等可能概型. 等可能概型的试验大量存在, 它在概率论发 展初期是主要研究对象. 等可能概型的一些概念 具有直观、容易理解的特点, 应用非常广泛.
M N
.
P(Ak ) 与 k 无关!
* 2.几何概型
假设随机试验包含无穷多个基本事件,且每个基 本事件都是等可能的.
定义 假设试验的样本空间 包含无穷多个基本
事件,其总量可用某种几何特征进行度量;事件A包含 的基本事件可用同样的几何特征度量. 事件A的概率定 义为:
P( A) A的的度度量量.
29876 10 9 8 7 6
1 5
这就是抽签的公正性
[例4] 一批产品共有N 件,其中有M 件次品.每次从
1-4 等可能概型(古典概型)

n
1
证:从n个不同的元素中取出n1个元素有 n n !( n n )! 种取法;
1 1
n!
(n n1 )! 再从剩下的n-n1个元素中取出n2个元素有 n !(n n n )! 2 1 2
组合分析的两条基本原理
火车2次 火车
成都
汽车3次
重庆
成都
汽车
重庆
火车 飞机 轮船
武汉
共有23=6种方法 共有2+3=5种方法 1.加法原理 若完成一件事有两种方式,第一种方式有n1种方法, 第二种方式有n2种方法,无论通过哪种方法都可以完成这件事,
则完成这件事总共有n1+n2种方法。 2.乘法原理 若完成一件事有两个步骤,第一个步骤有n1种方法,
种分法。
例题7
例7 将15名新生随机地平均分配到三个班级中去,这15名新生中
种取法;„
从最后剩下的n-(n1+n2+„+nk-1)个元素中取出nk个元素有
[n (n1 n2 nk 1 )]! 种取法。 nk ![n (n1 n2 nk )]!
按乘法原理,n个不同的元素,分成k组,每组分别有n1,n2,„,nk 个元素,应该有
[n (n1 n2 nk 1 )]! n! (n n1 )! n! n1!(n n1 )! n2!(n n1 n2 )! nk !0! n1!n2! nk !
P ( A) kA 16 4 , n 36 9
kB 4 1 . n 36 9 5 8 P( A B) P( A) P( B) , P(C ) P( B) 1 P( B) 9 9 P( B)
概率论与数理统计:1.4等可能概型(古典概型)

解 假设接待站的接待时间没有规定,且各来
访者在一周的任一天中去接待站是等可能的,
那么,12次接待来访者都是在周二、周四的概
率为
212 p 0.0000003
712
小概率事件在实际中几乎是不可能发生的, 从而可知接待时间是有规定的.
例5 将4只球随机地放入6个盒子中去,试求 每个盒子至多有一只球的概率.
故所求概率为
P( AB) 83 . 2000
P( AB) 1 P( A) P(B) P( AB)
1
333 2000
250 2000
83 2000
3 4
.
例3 将一枚硬币抛掷三次.(i)设事件A1为"恰有一 次出现正面",求 P( A1 ). (ii)设事件A2为"至少有一 次出现正面",求P( A2 ). 解 设H 为出现正面,T 为出现反面.
故
PA
43
2 .
65 5
(2) 有放回地摸球
问题2 设袋中有4只红球和6只黑球,现从袋 中有放回地摸球3次,求前2 次摸到黑球、第3 次 摸到红球的概率.
解 设 A 前2次摸到黑球,第三次摸到红球
第3次摸到红球 4种 第12次摸到黑球 6种
第123次摸球 10种
故
PA
664 103
0.144
基本模型之二球放入杯子模型
8 2
5 2
140
请思考: 还有其它解法吗?
3、许多表面上提法不同的问题实质上属于同一类型:
有n个人,每个人都以相同的概率 1/N (N≥n) 被分在 N 间房的每一间中,求指定的n间房中各有 一人的概率.
人 房
3、许多表面上提法不同的问题实质上属于同一类型:
高等数学概率论与数理统计知识点总结(详细)

《概率论与数理统计》第一章 概率论的基本概念§2.样本空间、随机事件1.事件间的关系 B A ⊂则称事件B 包含事件A ,指事件A 发生必然导致事件B 发生B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件,指当且仅当A ,B 中至少有一个发生时,事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件,指当A ,B 同时发生时,事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件,指当且仅当A 发生、B 不发生时,事件B A —发生φ=⋂B A ,则称事件A 与B 是互不相容的,或互斥的,指事件A 与事件B 不能同时发生,基本事件是两两互不相容的且S =⋃B A φ=⋂B A ,则称事件A 与事件B 互为逆事件,又称事件A 与事件B 互为对立事件2.运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃)( ))(()( C A B A C B A ⋂⋂=⋃⋂ 徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3.频率与概率定义 在相同的条件下,进行了n 次试验,在这n 次试验中,事件A 发生的次数A n 称为事件A 发生的频数,比值n n A 称为事件A 发生的频率概率:设E 是随机试验,S 是它的样本空间,对于E 的每一事件A 赋予一个实数,记为P (A ),称为事件的概率1.概率)(A P 满足下列条件:(1)非负性:对于每一个事件A 1)(0≤≤A P (2)规范性:对于必然事件S 1)S (=P(3)可列可加性:设n A A A ,,,21 是两两互不相容的事件,有∑===nk kn k kA P A P 11)()( (n 可以取∞)2.概率的一些重要性质: (i ) 0)(=φP(ii )若n A A A ,,,21 是两两互不相容的事件,则有∑===nk kn k kA P A P 11)()((n 可以取∞)(iii )设A ,B 是两个事件若B A ⊂,则)()()(A P B P A B P -=-,)A ()B (P P ≥ (iv )对于任意事件A ,1)(≤A P(v ))(1)(A P A P -= (逆事件的概率)(vi )对于任意事件A ,B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型(古典概型)等可能概型:试验的样本空间只包含有限个元素,试验中每个事件发生的可能性相同 若事件A包含k个基本事件,即}{}{}{2]1k i i i e e e A =,里个不同的数,则有中某,是,,k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑= §5.条件概率(1) 定义:设A,B 是两个事件,且0)(>A P ,称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率(2) 条件概率符合概率定义中的三个条件1。
概率论第一章 概率论的基本概念

P( A1 A2 An ) = P( A1) P( A2) P( An ).
概率的有限可加性
证明 令 An1 = An2 = = , Ai Aj = , i j, i, j = 1,2,.
由概率的可列可加性得
P(A1
A2
An )
=
P(
Ak
)
=
P( Ak ) =
n
P( Ak ) 0
概率论
第一章 概率论的基本概念
第一节 随机试验 第二节 样本空间、随机事件 第三节 频率与概率 第四节 等可能概型(古典概型) 第五节 条件概率 第六节 独立性
概率论
第一节 随机试验
几个具体试验 随机试验 小结
概率论
上一讲中,我们了解到,随机现象有其偶 然性的一面,也有其必然性的一面,这种必然 性表现在大量重复试验或观察中呈现出的固有 规律性,称为随机现象的统计规律性.而概率 论正是研究随机现象统计规律性的一门学科.
nH
f
22 0.44
n = 500 nH f
251 0.502
15124
123 4 5 6 7
随3 n的增0.6大, 频率25 f 呈现0.5出0 稳定24性9 0.498
0.2 21 0.42 256 0.512
1.0
25 0.50 247 0.494
ห้องสมุดไป่ตู้
0.2
24 0.48 251 0.502
0.4
(3) 若 A1, A2, , Ak 是两两互不相容的事件,则 f ( A1 A2 Ak ) = fn( A1) fn( A2 ) fn( Ak ).
实例 将一枚硬币抛掷 5 次、50 次、500 次, 各做
7 遍, 观察正面出现的次数及频率.
概率论1-4

n
C3 100
k C926C41
P(C) C926C41 C3
100
练习:设在N 件产品中,有 D件次品,其余均为正 品.任取n件,问其中恰有k(k≤D)件次品的概率。
解:所求的概率为
P
C C k nk D ND CNn
上式为超几何分布的概率公式。
练习、课后习题第五题
古典概率的计算:投球入盒
分析 此问题可以用投球入盒模型来模拟
50个学生
50个小球
365天
365个盒子
P( A)
C 50 365
50!
36550
0.03
至少有两人生日相同的概率为
P( A) 1 0.03 0.97
例:一单位有5个员工,一星期共七天,
老板让每位员工独立地挑一天休息,
求不出现至少有2人在同一天休息的
概率。
b
----------与k无关
10
例、从5双不同的鞋子中任取4只,问这4只鞋子中 至少有两只配成一双的概率是多少?
解、考虑4只鞋子是有次序是有次序一只一只取出
令A=“4只鞋子中至少有两只配成一双”
则 A “所取4只鞋子无配对” P( A) 1 P( A) 1 108 6 4 13 1098 7 21
抛掷一颗匀质骰子,观察出现的点数 , 求“出现的 点数是不小于3的偶数”的概率.
试验 抛掷一颗匀质骰子,观察出现的点数
样本空间
S ={1,2,3,4,5,6}
n=6
事件A
A=“出现的点数是不小于3的偶数”={4,6} m=2
事件A的概率
P( A) m 2 1 n 63
例、掷一枚硬币三次,(1)设事件A1为“恰有一 次出现正面”,求P(A1 );(2)设事件A2为“至少 有一次出现正面” ,求P(A2 )
理学概率论与数理统计浙江大学第四版盛骤概率论部分

例:
✓ ✓ ✓ ✓
抛一枚硬币,观察试验结果; 对某路公交车某停靠站登记下车人数; 对某批电子产品测试其输入电压; 对听课人数进行一次登记;
9
§2 样本空间·随机事件
(一)样本空间
定义:随机试验E的所有结果构成的集合称为E的 样本空间,记为S={e},
例:
➢ ➢
称S中的元素e为基本事件或样本点.
一枚硬币抛一次 S={正面,反面}; 记录一城市一日中发生交通事故次数
概率论与数理统计是研究随机现象 数量规律的一门学科。
1
第一章 概率论的基本概念
• 1.1 随机试验 • 1.2 样本空间 • 1.3 概率和频率 • 1.4 等可能概型(古典概型) • 1.5 条件概率 • 1.6 独立性
第二章 随机变量及其分布
• 2.1 随机变量 • 2.2 离散型随机变量及其分布 • 2.3 随机变量的分布函数 • 2.4 连续型随机变量及其概率密度 • 2.5 随机变量的函数的分布
第十二章 平稳随机过程
• 12.1 平稳随机过程的概念 • 12.2 各态历经性 • 12.3 相关函数的性质 • 12.4 平稳过程的功率谱密度
5
概率论
第一章概率论的基本概念
6
第一章 概率论的基本概念
关键词: 样本空间 随机事件 频率和概率 条件概率 事件的独立性
7
§1 随机试验
确定性现象
解:假设接待站的接待时间没有规定,而各来访者在一周 的任一天中去接待站是等可能的,那么,12次接待来 访者都是在周二、周四的概率为 212/712 =0.000 000 3.
人们在长期的实践中总结得到“概率很小的事件在一次 试验中实际上几乎是不发生的”(称之为实际推断原理)。 现在概率很小的事件在一次试验中竟然发生了,因此有理由 怀疑假设的正确性,从而推断接待站不是每天都接待来访者, 即认为其接待时间是有规定的。
概率论与数理统计--第一章 概率论的基本概念(2)

利用软件包进行数值计算
3 超几何概率
设有 N 件产品, 其中有 D 件次品, 今从中任取 n 件,问其中恰有 k ( k D ) 件次品的概率是多少 ?
解
在N件产品中抽取n件的取法数
C
n N
在 N 件产品中抽取n件,其中恰有k 件次品的取法数
C
nk N D
C
k D
于是所求的概率为
p
C
nk N D n N
7 12
周ቤተ መጻሕፍቲ ባይዱ 周四 周五 周六 周日
故一周内接待 12 次来访共有 712 种.
2 1
2
2 3
2 4
2 12
周一 周二 周三 周四 周五 周六 周日
12 次接待都是在周二和周四进行的共有 212 种. 故12 次接待都是在周二和周四进行的概率为
212 p 12 0.0000003 . 7
(1) 每一个班级各分配到一名特长生的分法共有
( 3!12! ) (4! 4! 4! ) 种.
因此所求概率为
25 3!12! 15! . p1 4! 4! 4! 5! 5! 5! 91
(2)将3名特长生分配在同一个班级的分法共有3种, 12! 种. 对于每一种分法,其余12名新生的分法有 2! 5! 5! 因此3名特长生分配在同一个班级的分法共有
例4 将 15 名新生随机地平均分配到三个班级中 去,这15名新生中有3名是特长生.问 (1) 每一个班 级各分配到一名特长生的概率是多少? (2) 3 名特长生分配在同一个班级的概率是多少?
解 15名新生平均分配到三个班级中的分法总数:
15 10 5 15! . 5 5 5 5! 5! 5!
概率论与数理统计

概率论与数理统计概率论与数理统计概率论与数理统计是研究随机现象数量规律的一门学科。
◆第一章概率论的基本概念1.1 随机试验1.2 样本空间1.3 概率和频率1.4 等可能概型(古典概型)1.5 条件概率1.6 独立性◆第二章随机变量及其分布2.1 随机变量2.2 离散型随机变量及其分布2.3 随机变量的分布函数2.4 连续型随机变量及其概率密度2.5 随机变量的函数的分布◆第三章多维随机变量及其分布3.1 二维随机变量3.2 边缘分布3.3 条件分布3.4 相互独立的随机变量3.5 两个随机变量的函数的分布◆第四章随机变量的数字特征4.1 数学期望4.2 方差4.3 协方差及相关系数4.4 矩、协方差矩阵◆第五章大数定律和中心极限定理5.1 大数定律5.2 中心极限定理◆第六章数理统计的基本概念6.1 总体和样本6.2 常用的分布◆第七章参数估计7.1 参数的点估计7.2 估计量的评选标准7.3 区间估计◆第八章假设检验8.1 假设检验8.2 正态总体均值的假设检验8.3 正态总体方差的假设检验8.4 置信区间与假设检验之间的关系8.5 样本容量的选取8.6 分布拟合检验8.7 秩和检验概率论第一章概率论的基本概念关键词:样本空间随机事件频率和概率条件概率事件的独立性概率统计中研究的对象:随机现象的数量规律确定性现象:结果确定不确定性现象:结果不确定对随机现象的观察、记录、试验统称为随机试验。
它具有以下特性:可以在相同条件下重复进行事先知道可能出现的结果进行试验前并不知道哪个试验结果会发生§2 样本空间?¤随机事件(一)样本空间定义:随机试验E的所有结果构成的集合称为E的样本空间,记为S={e},称S中的元素e为基本事件或样本点.(二) 随机事件一般我们称S的子集A为E的随机事件A,当且仅当A 所包含的一个样本点发生称事件A发生。
(三)事件的关系及运算事件的关系(包含、相等)例:记A={明天天晴},B={明天无雨}记A={至少有10人候车},B={至少有5人候车}一枚硬币抛两次,A={第一次是正面},B={至少有一次正面}事件的运算交换律:§3频率与概率(一)频率定义:记其中—A发生的次数(频数);n?a总试验次数。
概率论与数理统计-《概率论》第1章§4等可能概型-文档资料

l
l
概率论的基本概念
19/16
蒲丰投针试验
例 1777年,法国科学家蒲丰(Buffon)提出了投针 试验问题.平面上画有等距离为a(>0)的一些平行直 线,现向此平面任意投掷一根长为b( <a )的针,试求 针与任一平行直线相交的概率.
解: 以x表示针投到平面上时, a 针的中点M 到最近的一条平行 直线的距离, 表示针与该平行直线的夹角.
第一章
概率论的基本概念
22/16
蒲丰投针试的验应用及意义
根据频率的稳定性,当投针试验次数n很大时, m 算出针与平行直线相交的次数m, 则频率值 即可 n 作为P( A)的近似值代入上式, 那么
2b P ( A) aπ
m 2b 2bn , π . am n aπ
利用上式可计算圆周率 π 的近似值.
M x
那么针落在平面上的位置可由( x, )完全确定.
第一章 概率论的基本概念
20/16
投针试验的所有可能结果 与矩形区域 a S {( x, ) | 0 x , 0 } 2 中的所有点一一对应. 由投掷的任意性可知, 这是一个几何概型问题. 所关心的事件
a
3/16
抛两枚硬币,求出现一个正面一个反面的概率 该试验的样本空间为
S {HH, HT, TH, TT} 这是一个古典概型,事件 A : “一个正面一个反面”的有利 场合是 HT, TH P( A) 2 1 4 2
18世纪著名的法国数学家达朗贝尔 取样本空间为
S {HH, HT, TT}
14/16
(约会问题) 两人相约7点到8点在某地会面,先 到者等候另一人20分钟,过时离去。试求这两人能会面 的概率。 设 x, y分别表示两人达到的时间, 则两人能会面的充要条件是
等可能概型(古典概型)

概率的加法原理
概率的加法原理是指对于任意两个事 件A和B,有P(A∪B)=P(A)+P(B)P(A∩B)。
当事件A和B互斥时,即A∩B=∅,概 率的加法原理可以简化为 P(A∪B)=P(A)+P(B)。
概率的乘法原理
01
概率的乘法原理是指对于任意两个事件A和B,有 P(A∩B)=P(A)×P(B|A)。
条件
样本空间中的样本点数量是有限的,且每个样本点都 是互斥的。
特点
01
02
03
04
等可能性
在古典概型中,每个样 本点被选中的概率是相 等的。
有限性
古典概型的样本空间是 有限的,即样本点的数 量是有限的。
互斥性
样本空间中的样本点是 互斥的,即一个样本点 被选中后,其他样本点 就不能再被选中。
独立性
在古典概型中,各次试 验的结果是相互独立的, 即前一次试验的结果不A|B)。
02
计算公式
$P(A|B) = frac{P(A cap B)}{P(B)}$
03
应用场景
在决策理论、统计学、信息理论等领域中,条件概率都有广泛的应用。
贝叶斯定理
定义
贝叶斯定理是关于条件概率的定理,它提供了从事件B发生的条 件下计算事件A的条件概率的方法。
计算公式
$P(A|B) = frac{P(B|A) times P(A)}{P(B)}$
3
计算步骤
确定样本空间的大小,利用组合数公式计算概率。
公式法
定义
公式法是一种利用概率 的基本公式来计算概率 的方法。
适用范围
适用于样本空间较大, 且样本点之间有顺序的 情况。
概率论与数理统计

E: 球编号, 一次取出 m个球, 记下颜色.
(或 Ab )1) #S P (a ,b)( a
k # A Cm Pak Pbmk ,
m ab
m ab
#b S n C , (a 1)
m ab
k mk # A Ca Cb ,
—— 超几何分布—— 注: 不放回地逐次取 m 个球与一次取 m 个球所得结果相同.
解: A = “取到的数被 6 整除”, B = “取到的数被 8 整除”.
则
P ( A) 333 , 2000 P ( B) 250 , 2000 P( AB) 83 , 2000
所求为:P( A
B ) P ( A B) 1 P ( A B )
1 [ P( A) P( B) P( AB )] 1 ( 333 250 83 ) 3 . 4 2000 2000 2000
1
例1. 一个盒中装有10个大小形状完全相同的球. 依次将球
编号为1-10 . 把球搅匀,蒙上眼睛,从中任取一球 . 1. 样本空间 S = { 1 2 3 4 5 6 7 8 9 10 }?
2. 记 A = “摸到 2 号球”,则 P(A) = ?
A = { 2 },
P( A) # A 1 ; # S 10
5 1 9 4 6 7 2 3 10 8
3. 记 B = “摸到红色球”,则 P(B) = ? B = { 1 2 3 4 5 6 }, P( B) # B 6 . # S 10
第一章 概率论的基本概念
2
例2 (p.13 例6). 在 1~2000 的整数中随机地取一个数,求
该数既不能被 6 整除, 又不能被 8 整除的概率.
(完整版)概率论与数理统计知识点总结(免费超详细版)

《概率论与数理统计》第一章 概率论的基本概念§2.样本空间、随机事件1.事件间的关系 B A ⊂则称事件B 包含事件A ,指事件A 发生必然导致事件B 发生B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件,指当且仅当A ,B 中至少有一个发生时,事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件,指当A ,B 同时发生时,事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件,指当且仅当A 发生、B 不发生时,事件B A —发生φ=⋂B A ,则称事件A 与B 是互不相容的,或互斥的,指事件A 与事件B 不能同时发生,基本事件是两两互不相容的且S =⋃B A φ=⋂B A ,则称事件A 与事件B 互为逆事件,又称事件A 与事件B 互为对立事件2.运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃)( ))(()( C A B A C B A ⋂⋂=⋃⋂ 徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3.频率与概率定义 在相同的条件下,进行了n 次试验,在这n 次试验中,事件A 发生的次数A n 称为事件A 发生的频数,比值n n A 称为事件A 发生的频率概率:设E 是随机试验,S 是它的样本空间,对于E 的每一事件A 赋予一个实数,记为P (A ),称为事件的概率 1.概率)(A P 满足下列条件:(1)非负性:对于每一个事件A 1)(0≤≤A P (2)规范性:对于必然事件S 1)S (=P(3)可列可加性:设n A A A ,,,21 是两两互不相容的事件,有∑===nk kn k kA P A P 11)()( (n 可以取∞)2.概率的一些重要性质: (i ) 0)(=φP(ii )若n A A A ,,,21 是两两互不相容的事件,则有∑===nk kn k kA P A P 11)()((n 可以取∞)(iii )设A ,B 是两个事件若B A ⊂,则)()()(A P B P A B P -=-,)A ()B (P P ≥ (iv )对于任意事件A ,1)(≤A P(v ))(1)(A P A P -= (逆事件的概率)(vi )对于任意事件A ,B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型(古典概型)等可能概型:试验的样本空间只包含有限个元素,试验中每个事件发生的可能性相同 若事件A包含k个基本事件,即}{}{}{2]1k i i i e e e A =,里个不同的数,则有中某,是,,k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑= §5.条件概率(1) 定义:设A,B 是两个事件,且0)(>A P ,称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率(2) 条件概率符合概率定义中的三个条件1。
概率1-4 等可能概型(古典概型)

i 每一个班级各分到一名优秀生的分法为
12 8 4 12! 3! 3! . 4!4!4! 4 4 4
12! 3! 25 4!4!4! p1 . 于是所求概率为 15! 97 5!5!5! ii 三名优秀生分到同一个班级的分法为
注:在用排列组合公式计算古典概率时,必须注意不 要重复计数,也不要遗漏. 例如:从5双不同的鞋子中任取4只,这4只鞋子中 “至少有两只配成一双”(事件A)的概率是多少? 下面的算法错在哪里? 1 3 5 7 9
5 8 2 4 6 8 10 1 2 从5双中取1双,从剩 P ( A) 下的 8只中取2只 10 4 错在同样的“4只配成两双”算了两次.
第四节
等可能概型(古典概型)
古典概型的定义 古典概率的求法举例 小结 布置作业
我们首先引入的计算概率的数学模型, 是在概率论的发展过程中最早出现的研究 对象,通常称为
古典概型
一、古典概型
假定某个试验有有限个可能的结果
e1, e2, …,en ,
假定从该试验的条件及实施方法上去分析, 我们找不到任何理由认为其中某一结果例如 ei,比 任一其它结果,例如 ej, 更有优势,则我们只好认 为所有结果在试验中有同等可能的出现机会,即 1/n的出现机会.
解 设 A 取到的数能被 6 整除 ,
所求概率为 P A B P A B 1 P A B
1 P A P B P AB 333 250 83 , P B , P AB , 又 P A 2000 2000 2000 333 250 83 3 . 故所求概率为 p 1 2000 2000 2000 4
概率论与数理统计(第3版)(谢永钦)第1章 概率论的基本概念

(4)
A∪(B ∩ C)=(A∪B)∩(A∪C)
(5)
概率论与数理统计
02
第2节 概率、古典概率
概率论与数理统计
1. 概率 定义1.1
在相同条件下,进行了n次试验.若随机事件A在这n次试验中发 生了k次,则比值 称为事件A在n次实验中发生的频率,记为
并按其出现的先后排成一行.试求下列事件的概率
概率论与数理统计
P(A2 )
C19 103 104
0.9
P(A3 )
C24 92 104
0.0486
概率论与数理统计
例题
(一个古老的问题)一对骰子连掷25次.问出现双 6与不出现双6的概率哪个大?
概率论与数理统计
4. 几何概型
若试验具有如下特征:
频率具有下列性质:
(1)对于任一事件A,有 (2)
概率论与数理统计
概率论与数理统计
定义1.2 设事件A在n次重复试验中发生了k次, n很大时,频率 k/n稳定在某一数值p的附近波动,而随着试验次数n的增 加,波动的幅度越来越小,则称p为事件A发生的概率, 记为:P(A)=p.
概率论与数理统计
历史上著名的统计学家德·摩根(De Morgan)蒲丰(Buffon)和皮尔逊
对于任意的事件A,B只有如下分解:
概率论与数理统计
AB
A B
AB
AB
A B
AB
A B
AB
A B
概率论与数理统计
A
AB
B
A
A
概率论与数理统计
1-4古典概型

SC I ENCE
问:在多大程度上认为这样的结果
是奇怪的,甚至怀疑是一种魔术?
解 七个字母的排列总数为7!
拼成英文单词SCIENCE 的情况数为
22 4
概率.
解 同时掷两枚硬币有44个个等等可可能能 的结果,即样本
空间为
古典概型
={(正,正), (正,反), (反,正), (反,反)}
又事件A, B, C 分别包含 1个、2个和 1个样本点,
P( A)
1 4
;
P(B)
2 4
1 2
;
P(C )
1 4
.
抽样模型
例4 从有9件正品、3件次品的箱子中任取两次 每次取一件 ,试分别以:
箱中摸球
分球入箱
随机取数
分组分配
是常见的几种模型 . 课下可通过作业进一步掌握.
二、几何概率
定义 当随机试验的样本空间是某个区域,并且
任意一点落在度量(长度, 面积, 体积)相同的 子区域是等可能的,则事件A的概率可定义为
P( A) SA
S
(其中S是样本空间的度量,S
是构成事件A的子区
A
域的度量)这样借助于几何上的度量来合理规定
箱
人 任一天
旅客 车站
某城市每周发生7次车祸, 假设每天发生 车祸的概率相同. 求每天恰好发生一次车祸 的概率.
车祸 天
211
月
波尔克和哈定
的生日
3月 菲尔莫尔和
8 塔夫脱的祭日
12月 杜鲁门和福
26 特
概率论-第一章1.4-古典概型

en }
在古典概型的场合,容易知道概率有以下三个基本性质:
(1) 非负性
(2) 规范性 (3) 可加性
P( A) 0
P( S ) 1
若 事 件 A, B 互 不 相 容 , 则
P( A B) P( A) P( B)
②数清样本空间与随机事件中的样本点数 ③列出比式进行计算。
这样就把求概率问题转化为计数。
需要注意的是:
在应用古典概型时必须注意“等可能性”的条件.
“等可能性”是一种假设,在实际应用中,我们需要根据 实际情况去判断是否可以认为各基本事件或样本点是等可能 的.
古典概率的计算:抛掷骰子 抛掷一颗匀质骰子,观察出现的点数 , 求“出现的点数是不 小于3的偶数”的概率.
5 8 19 4 6 7 3 10
1.定义
一、 等可能概型(古典概型) 生活中有这样一类试验,它们的共同特点是: 样本空间的元素只有有限个; 因具有某种对称性条件 每个基本事件发生的可能性相同。 ,每个样本点发生的可 即“有限等可能”。 能性客观上完全相同 例:E1—抛硬币(均匀),观察哪面朝上
稳定性
1.4 等可能概型(古典概型)
--- (概率的古典定义)
例如,一个袋子中装有10个 大小、形状完全相同的球. 将 球编号为1-10 .把球搅匀,蒙 上眼睛,从中任取一球.
8 5 1 9 4 6 7 2 3 10
1 2 3 4 5 6 7 8 9 10
因为抽取时这些球是完全平 10个球中的任一个被取 等的,我们没有理由认为10 出的机会都是1/10 个球中的某一个会比另一个 更容易取得 .
例: 将n只不同的球随机地放入 N ( N n) 个不同盒子中去,试求 每个盒子至多有一只球的概率(设盒子的容量不限)
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
一、复习排列和组合
二、概率的古典定义 三、小结 思考题
一、复习排列和组合
排列
10 没有重复元素的排列(不放回抽样)
m An n(n 1)(n 2)(n m 1)
20 有重复元素的排列(有放回抽样) 从n个不同的元素中有放回地抽取m个元素, 则不同的排列种数有 n m 种. 事实上, 说明 n × n × n× ×n
(3)
( A3=―两次取得的球为红白各一” ; 5红3白)
k 5 3 3 5 15 . P(A3)= 2 8 32 n
(4) A4=―第二次取得红球”.
k 5 5 3 5 5 . P(A4)= 2 8 8 n
补充结论: 将r个不同的球放入n个不同的盒子中(r≤ n, 不限制盒子中球的个数),则不同的放法种数 有 m
n
m
排列都有顺序
组合 10 没有重复元素的组合(不放回抽样) n! m Cn m! ( n m )! 推广 将n个不同的元素分成k(k≥2)组,它们分别 含有m1, m2,…, mk个元素(m1+ m2+…+ mk=n),则 不同的分法种数有
n! 种. m1 ! m2 !mk !
解 每一种取法看作一基本事件,由对称性知
每一种取法出现的可能性都相同,故属古典概型.
(1)
A1=―两次都取得红球”; (5红3白)
k A52 5 P(A1)= 2 . n A8 14
2 k C5 5 或 P(A1)= 2 . n C 8 14
(2) A2=―第一次取得红球”,第二次取得白 球”; 1 1 A5 A3 15 k . P(A2)= 2 A8 56 n
n
7
∵P(A)很小, 故认为接待时间是有规定的. ―概率很小的事件在一次试验中实际上几乎是 不发生”——实际推断原理
例 5 在1~2000的整数中随机地取一数,问取 到的整数既不能被6整除,又不能被8整除的概 率是多少? (随机取数问题) (P.13 例6) 解 设A=―取到的数能被6整除”, B=―取到的数能被8整除” 则所求概率为
(3)
( A3=―两次取得的球为红白各一” ; 5红3白)
1 1 k C5 C 3 15 P(A3)= . 2 n C8 28
(4)
A4=―第二次取得红球”.
1 1 1 1 A4 A3 A5 5 k A5 . P(A4)= 2 n A8 8
或 P(A4)=
1 A5 A7
1
2 A8
事实上,
1
2
3
n
n × n × n × × n nr
r个
(放球问题或分房问题) 说明 分房问题也有顺序
例如: 10 r个人的生日分布问题 r个人—r个球, 一年365天—365个盒子 r 则r个人的生日分布情况有 365 种. 20 r个人的性别分布问题 r个人—r个球, 男 女 则r个人的性别分布情况有 2 种. 30 同时掷r颗骰子问题
(P.13 例7)
20 有重复元素的组合(有放回抽样) (略)
二、概率的古典定义
古典概型的特点:
10 样本空间S={e1, e2,… ,en}; 20 设事件A S且A= { ei1 , ei2 ,, eik} 即
1 P (e1 ) P (e2 ) P (en ) . n
5 . 8
例2 若将上题改为有放回地取两次,求上述 事件的概率.(5红3白) 解 (1) A1=―两次都取得红球”;
k 52 25 . P(A1)= 2 64 n 8
(2) 白球”; A2=―第一次取得红球”,第二次取得
k 51 31 15 . P(A2)= 2 8 64 n
故所求概率为
3 83 333 250 ) . P( A B ) 1 ( 2000 2000 2000 4
三、小结
1.古典概型的特点:
(1) 样本空间S={e1, e2,… ,en};
1 (2) P (e1 ) P (e2 ) P (en ) . n
2.古典概型中事件A概率的计算公式
古典概型中事件A概率的计算公式
例1 一口袋中有5个红球和3个白球,每次取出 一个球不放回,连取二次,求下列事件的概率: (1) A1=―两次都取得红球”; (2) A2=―第一次取得红球,第二次取得白球”;
(3) A3=―两次取得的球为红白各一”;
(4) A4=―第二次取得红球”. (摸球问题或抽签问题)
A {ei1 } {ei2 } {eik }
P ( A) P[{ei } {ei } {ei }] 1 2 k
k P(ei1 ) P(ei2 ) P(eik ) . n
k A所 含 基 本 事 件 数 P ( A) . n S所 含 基 本 事 件 总 数
r
r颗骰子—r个球, 6个点子—6个盒子
则点数出现的情况有 6r 种.
例3 某班有30名学生,试求至少有二人生日 相同的概率(一年按365天计算). 解 A=―至少有二人生日相同”
A ―30人生日全不相同”
P( A )
30 A365
365
30
0.294
P( A) 1 P( A ) 1 0.294 0.706.
P( A B ) P ( A B) 1 P ( A B)
=1–[P(A)+P(B)–P(AB)]
2000 333 334 , 6
333 . ∴P(A)= 2000
2000 250 , 8 2000 83 84 , 24
250 . ∴P(B)= 2000 83 . ∴P(AB)= 2000
k A所 含 基 本 事 件 数 P ( A) . n S所 含 基 本 事 件 总 数
注意 n、 k的一致性
3.古典概型的三大主要类型: (1) 摸球问题 (2) 分房问题 (3) 随机取数问题
例 4 某接待站在某一周曾接待过12次来访, 已知所有这12次接待都是在周二和周四进 行的,问是否可以推断接待时间是有规定的? 解 假定接待时间没有规定,即一周7天每天 都接待来访者(接待时间具有随机性). A=―12次接待都是在周二和周四”小概率事件 k 212 P( A) 12 0.000 0003 (P.14 例8)