概率的定义及其确定方法
概率论与数理统计教程(茆诗松)第1章
SA ∫0 P( A) = = SΩ
27 July 2011
π
l sinϕdϕ 2l 2 = d(π / 2) dπ
华东师范大学
第一章 随机事件与概率
第9页
§1.3 概率的性质
= (3/10)×(2/9)+(7/10)×(3/9) = 3/10
27 July 2011
华东师范大学
第一章 随机事件与概率
第24页 24页
1.4.4
贝叶斯公式
乘法公式是求“几个事件同时发生”的概率； 全概率公式是求“最后结果”的概率； 贝叶斯公式是已知“最后结果” ，求“原因” 的概率.
27 July 2011
第一章 随机事件与概率
第19页 19页
条件概率的三大公式
乘法公式; 全概率公式； 贝叶斯公式.
27 July 2011
华东师范大学
第一章 随机事件与概率
第20页 20页
1.4.2
性质1.4.2
乘法公式
(1) 若 P(B)>0，则 P(AB) = P(B)P(A|B)； 若 P(A)>0，则 P(AB) = P(A)P(B|A). (2) 若 P(A1A2 ······An−1)>0，则 P(A1A2 ······An) = P(A1)P(A2|A1) ······ P(An|A1A2 ······An−1)
古典方法 设 Ω 为样本空间，若
① Ω只含有限个样本点; ② 每个样本点出现的可能性相等， 则事件A的概率为: P(A) = A中样本点的个数 / 样本点总数
概率的基本概念
概率的基本概念概率是数学中一个重要的概念，用于描述某个事件发生的可能性大小。
它在统计学、信息论、金融等多个领域都具有广泛的应用，帮助我们理解和分析随机现象。
本文将介绍概率的基本概念，包括概率的定义、性质以及应用。
一、概率的定义概率是衡量某个随机事件发生可能性的数值。
用P(A)表示事件A 发生的概率，其取值介于0到1之间，0表示事件不会发生，1表示事件必然发生。
在概率论中，我们使用样本空间S来表示所有可能发生的结果，事件A是样本空间的一个子集。
二、概率的性质1. 非负性：概率始终为非负数，即P(A) ≥ 0。
2. 规范性：对于全样本空间S来说，其概率为1，即P(S) = 1。
3. 加法性：对于两个互斥事件A和B来说，它们的概率之和等于它们的并集事件的概率，即P(A∪B) = P(A) + P(B)。
4. 有限可加性：对于一系列两两互斥的事件A1, A2, ... , An，它们的概率之和等于它们的并集事件的概率，即P(A1∪A2∪...∪An) =P(A1) + P(A2) + ... + P(An)。
三、概率的计算方法1. 经典概型：当一个随机事件具有有限等可能性且每个结果的发生概率相等时，可以使用经典概型来计算概率。
例如，从一副标准扑克牌中抽取一张牌，每张牌的概率都是1/52。
2. 相对频率法：通过重复实验来估计概率。
实验次数越多，实验结果接近真实概率的可能性越大。
例如，抛一枚硬币，统计正面出现的频率可以估计正面出现的概率。
3. 几何法：当事件发生的结果空间具有几何结构时，可以使用几何方法计算概率。
例如，从一个正方形中随机抽取一点落在一个圆内的概率可以通过计算圆的面积与正方形的面积之比来得出。
四、概率的应用1. 风险管理：概率在金融领域中被广泛应用于风险管理。
通过计算不同投资组合的预期收益率和风险，可以帮助投资者做出理性的决策。
2. 统计推断：概率统计是统计学的基础，通过对样本进行观察和分析，可以对总体进行推断和估计。
概率的基本概念与计算
概率的基本概念与计算概率是数学中一种重要的概念，用于描述事件发生的可能性大小。
它是统计学的基础，也是决策分析和风险评估的核心工具。
本文将介绍概率的基本概念和计算方法。
一、概率的基本概念概率是一个介于0和1之间的数，表示事件发生的可能性。
在统计学中，我们通常用P(A)来表示事件A发生的概率。
如果事件A一定会发生，那么P(A)等于1；如果事件A一定不会发生，那么P(A)等于0。
如果事件A可能发生，那么0 < P(A) < 1。
二、计算概率的方法1. 经典概率法经典概率法适用于所有可能结果等可能出现的情况。
我们可以通过以下公式计算事件A的概率：P(A) = 事件A的可能结果数 / 所有可能结果数例如，一个标准的骰子有6个面，每个面上的数字从1到6不等。
如果事件A表示掷骰子的结果为偶数，那么事件A的可能结果数是3（2、4、6），所有可能结果数是6。
根据公式计算，P(A) = 3 / 6 = 0.5。
2. 频率概率法频率概率法基于长期观察，通过事件在重复试验中发生的频率来估计概率。
我们可以通过以下公式计算事件A的频率概率：P(A) = 事件A出现的次数 / 重复试验的次数例如，假设我们抛掷一枚硬币，重复抛掷100次，记录事件A（正面朝上）出现的次数为60次。
根据公式计算，P(A) = 60 / 100 = 0.6。
3. 主观概率法主观概率法是基于个人主观判断估计事件发生的概率。
这种方法常用于无法进行实验或观察的情况。
例如，假设某人认为明天下雨的概率为0.3，那么他可以用P(A) = 0.3来表示该事件发生的概率。
三、概率的运算规则1. 互斥事件的概率互斥事件是指两个事件A和B不能同时发生的情况。
在这种情况下，事件A和事件B的概率之和等于它们各自的概率之和。
P(A 或 B) = P(A) + P(B)例如，假设事件A表示掷骰子的结果为偶数，事件B表示掷骰子的结果为3，那么根据互斥事件的概率运算规则，P(A 或 B) = P(A) + P(B) = 0.5 + 1/6 = 0.6667。
概率的基本概念及计算方法
概率的基本概念及计算方法概率是描述不确定性的数学语言,在日常生活中无处不在。
了解概率的基本概念和计算方法,不仅有助于科学研究,也有助于我们更好地认识和应对周围的不确定性。
概率的基本概念1. 样本空间和事件样本空间指一个事件可能发生的所有可能结果的集合。
事件则是样本空间的子集,即某些可能结果的集合。
例如,掷骰子实验的样本空间为{1,2,3,4,5,6},某事件"掷到偶数点数"就是这个样本空间的一个子集{2,4,6}。
2. 概率的定义概率是对事件发生的可能性的量化描述。
根据古典概型,如果一个事件A在n次独立试验中有m种可能结果,那么事件A发生的概率P(A)=m/n。
根据频率概型,如果事件A在n次独立试验中发生了k次,那么事件A的概率P(A)=k/n。
3. 概率的基本性质(1)概率值域在[0,1]之间,P(A)=0表示事件A不可能发生,P(A)=1表示事件A必然发生。
(2)互斥事件的概率之和等于1,即P(A)+P(B)=1,其中A和B是互斥事件。
(3)对于任意事件A,0≤P(A)≤1。
概率的计算方法1. 古典概型计算当样本空间中所有结果是等可能的时,可以使用古典概型公式计算概率:P(A)=m/n,其中m是事件A发生的结果数,n是样本空间中所有可能结果的总数。
例如,掷骰子实验中,事件"掷到3点"的概率为P(3)=1/6。
2. 频率概型计算当无法确定样本空间中结果的等可能性时,可以使用频率概型计算概率。
根据大数定律,事件A在n次独立试验中发生的频率k/n,当n趋于无穷大时,收敛于事件A的概率P(A)。
例如,统计1000次掷硬币实验,正面朝上的次数为501次,则硬币正面朝上的概率为501/1000=0.501。
3. 条件概率计算条件概率描述了在某个事件B发生的前提下,另一个事件A发生的概率。
条件概率用P(A|B)表示,计算公式为:P(A|B)=P(A∩B)/P(B)。
第1章 概率论的基本概念
确定概率的常用方法有： （1）频率方法(统计方法) （2）古典方法 （3）几何方法 （4）公理化方法 （5）主观方法
古典概率
(1) 古典概率的假想世界是不存在的 .对于那些极其罕见的， 定义 1.2.5 如果试验满足下面两个特征，则称其 但并非不可能发生的事情，古典概率不予考虑.如硬币落地后 为古典概型(或有限等可能概型)： 恰好站立，一次课堂讨论时突然着火等. （1 ）有限性：样本点的个数有限； (2) 古典概率还假定周围世界对事件的干扰是均等的 .而在 （2）等可能性：每个样本点发生的可能性相同 . 实际生活中无次序的、靠不住的因素是经常存在的 .
(3) 如果AiAj= (1 i < j k)，则
fn(A1∪A2∪ … ∪Ak ) = fn(A1 ) +fn(A2 ) + … +fn(Ak 着事件在一次试验中发生的可能性就 大，反之亦然. 人们长期的实践表明：随着试验重复次数n的增加， 频率fn(A)会稳定在某一常数a附近，我们称这个常数为频 率的稳定值.这个稳定值就是我们所说的(统计)概率.
互不相容与对立区别 随机事件间的关系与运算
（1）事件A与事件B对立 AB= , A∪B= . （2）事件 A与事件B互不相容 AB= . 关系 运算 包含 相等 互不相容 并 交 差 补
如果属于A的样本点一定 由在 中而不在事件 A 中的样本点 , B没有相同的样本点， 如果事件 A 由事件 如果 A A 与事件 B ，且 A B 中所共有的样本 B，那么 A=B. A中而不在事件B中的样 中所有的样本点 由在事件 属于B，则称 A 包含于 B ， BB.B 组成的新事件，也叫 A的对立 B A A A 则称互不相容 . 记作 A ∩ B= . 点组成的新事件 即B包含 A=B A B, A B A. . 组成的新事件 .记作 A记作 ∪ B.BA 本点组成的新事件 .记作 A-B. 或 A. 记作 B. .
概率论与数理统计1.3
( N )n N! P ( A) n n N N ( N n)!
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.
( 7 )7 7 ! P ( A) 7 7 7 7
车祸 天
例 设100件产品中有5件次品,现从中任意抽出3件，求： 恰有2件是次品被抽出的概率. A 解法一：设样本点为从100件产品抽出3件的组合 次品 5 件 M件 100 总数： 3 正品 95 件件 N-M 计算A的样本点数分两步： 从5件次品中抽出2件，
1 . 2
n 的增大 稳定于
实验结果与主观一致!
例2（新生儿性别）北京妇产医院6年中新生婴儿的
数量和性别统计 年份 1972 1974 1975 1977 1978 1979 总计
实验结果与主观不一致!
2883 2087 2039 1883 2177 2138 13207 2661 1976 1874 1787 2073 1917 12288 0.5200 0.5137 0.5211 0.5131 0.5122 0.5273 0.5180
P(ABC) = P(A)+P(B)+P(C)
( n)r n! P ( A) r r n n ( n r )!
例 （生日问题）假定每个人的生日在一年365天中 的每一天的可能性是均等的。设某宴会上有 n 个人 （ n 365 ），问此 n 个人中至少有两人生日在同 一天的概率为多少？
解： A 表示至少有两人生日在同一天 设 则 A 表示 每个人的生日全不相同
概 率 的 单 调 性
推论 P(AB) = P(A)P(AB).
A
B
B
概率的概念和计算
概率的概念和计算概率，作为数学中的一个重要概念，用于描述事件发生的可能性大小。
在日常生活中，我们经常使用概率来推断和预测各种事件的发生。
通过了解概率的概念和计算方法，我们能够更好地理解事件的随机性，并进行合理的决策。
一、概率的概念概率是指某一事件在重复试验中发生的可能性。
在数学上，概率可以用一个介于0和1之间的数值来表示，其中0代表不可能发生，1代表必然发生。
概率可以用“P(A)”表示，其中“A”是事件的名称。
在某一次试验中，如果事件“A”发生的次数为n，而总的试验次数为N，那么事件“A”发生的概率可以通过计算n/N来得到。
二、概率的计算方法1. 古典概率古典概率也称为经典概率，适用于所有可能结果都等可能且互不影响的情况。
在古典概率中，事件A发生的概率可以通过计算A发生的有利结果数目与总的结果数目之比得到。
例如，抛一枚均匀的硬币，事件“A”为正面朝上的概率为1/2，反面朝上的概率也为1/2。
2. 几何概率几何概率适用于随机试验中的连续结果。
例如，某一点落在一个区域中的概率，或者某一条线与另一条线相交的概率。
几何概率的计算方法是通过计算事件A所对应的区域的面积或者长度与总体区域的面积或者长度之比得到。
使用几何概率时，必须了解事件发生的空间结构以及总体的空间结构。
3. 统计概率统计概率是通过实验或者观察得到的数据进行推断的结果。
通过频率分布和统计学方法，可以估算出事件A发生的概率。
例如，通过抽样调查，我们可以得知某产品的缺陷率为0.05，这就意味着在总体中随机抽取一件产品的缺陷概率为0.05。
三、概率的性质1. 互斥性当两个事件互斥时，它们不能同时发生，概率的和等于两个事件发生的概率之和。
例如，在掷骰子的情况下，事件“A”为出现奇数，事件“B”为出现偶数。
这两个事件是互斥的，因为骰子只有一个点可以同时属于奇数和偶数。
因此，P(A∪B) = P(A) + P(B) = 1/2 + 1/2 = 1。
2. 独立性当两个事件相互独立时，一个事件的发生不会影响另一个事件的概率。
概率的基本概念和计算
概率的基本概念和计算概率是数学中一个重要的概念，在现代科学和社会科学中有着广泛的应用。
概率可以帮助我们预测事件发生的可能性，并且在决策和推理中起着重要的作用。
本文将介绍概率的基本概念和计算方法。
一、概率的概念概率是描述事件发生可能性的数值，通常用0到1之间的实数表示。
当事件的概率接近0时，表示事件极不可能发生；当事件的概率接近1时，表示事件非常可能发生。
在概率论中，我们将样本空间表示为S，事件表示为E，概率表示为P(E)。
二、基本概率规则1. 加法规则：当事件的样本空间不重叠时，两个事件的概率可以通过相加来计算。
即P(A或B) = P(A) + P(B)。
2. 乘法规则：当事件A和B独立时，两个事件同时发生的概率可以通过相乘来计算。
即P(A和B) = P(A) * P(B)。
三、条件概率条件概率是指在已知某一事件发生的条件下，另一事件发生的概率。
用P(A|B)表示事件B发生的条件下，事件A发生的概率。
条件概率可以通过乘法规则计算。
即P(A|B) = P(A和B) / P(B)。
四、独立事件如果两个事件A和B的发生互不影响，即P(A|B) = P(A)，则称事件A和B为独立事件。
对于独立事件，乘法规则可以简化为P(A和B) = P(A) * P(B)。
五、贝叶斯定理贝叶斯定理是用来计算条件概率的重要工具。
根据贝叶斯定理，可以通过已知的先验概率和条件概率来计算后验概率。
贝叶斯定理的公式为：P(A|B) = (P(B|A) * P(A)) / P(B)。
六、随机变量与概率分布随机变量是可以取不同值的变量，而这些不同值是在某种概率分布下发生的。
概率分布描述了随机变量的取值和相应概率之间的关系。
常见的概率分布包括离散概率分布和连续概率分布。
七、期望值与方差期望值是随机变量取值的平均值，表示了随机变量在长期观测中的平均表现。
方差衡量了随机变量取值与期望值的偏离程度，是对随机变量的离散程度的度量。
八、大数定律与中心极限定理大数定律指出，随着样本数量的增加，样本平均值会趋近于期望值。
概率的公理化定义及其确定方法
概率的公理化定义及其确定方法随着中学教材改革的深入，许多原来只在大学教材中才出现的一些概念现在已经出现在中学教材中.但是，由于中学教材的难度的限制，很多概念和方法并没有象大学教材中叙述的那么系统、严格.本文主要针对概率的定义及其确定方法进行归纳总结.1 概率的公理化定义在概率论的发展史上，曾经有过概率的古典定义、概率的几何定义、概率的频率定义和概率的主观定义，这些定义各适合一类随机现象.为了给出适合一切随机现象的概率的最一般的定义，前苏联数学家柯尔莫哥洛夫在1933年提出了概率的公理化定义，该定义既概括了上述几种概率定义的共同特性，又避免了各自的局限性和含混之处.概率的公理化定义刻画了概率的本质，概率是集合（事件）的函数，对给定的样本空间及事件域F，若定义在F上的函数满足上述三个条件，就被称为概率.概率的公理化定义没有告诉人们如何去确定概率，它只是规定了概率应该满足的性质.历史上在公理化定义出现之前的概率的古典定义、几何定义、频率定义和主观定义都在一定的场合下给出了各自的确定概率的方法，因此在有了概率的公理化定义之1/ 7后，把它们看作确定概率的方法是恰当的.2 确定概率的古典方法确定概率的古典方法是概率论历史上最先开始研究的情形，它简单、直观，不需要做大量重复试验，只是在经验事实的基础上，对被考察事件的可能性进行逻辑分析后得出事件的概率.它的基本如下：（1）所涉及的随机现象只有有限个结果，即样本空间中只有有限个样本点，设为n；（2）每个样本点发生的可能性相等（称为等可能性）；（3）若事件A含有k个样本点，则事件A的概率为P(A)=事件A 所含样本点的个数中所有样本点的个数=kn.容易验证，由上述方法确定的概率满足概率的公理化定义，这种概率模型通常称为古典概型.用古典方法求概率的关键是计算样本空间所包含的点的个数和事件A所含的样本点的个数.在我们日常生活中经常遇到可以用古典方法解决的问题，如下例：例1 设有一张电影票，甲、乙、丙三个人都想得到它，现抽签决定三人由谁得到这张电影票.设三张签分别标号为1、2和3，甲、乙、丙三个人各抽取一张，抽到标号为1的人得到电影票.证明这种抽签方法是公平的.证明这是一个典型的古典概型问题.用A表示甲得到这张电2/ 7影票，则甲、乙、丙三人抽签的结果共有6种可能，并且每种结果出现的可能性都是16，满足古典概型的条件.由于事件A含有2个样本点，因此事件A的概率为P(A)=26=13，即甲得到这张电影票的概率为13.同理可得，乙和丙得到这张电影票的概率也都是13，因此，三人得到这张电影票的概率相等，这说明抽签方法是公平的.实际生活中抽签的例子比比皆是，很多人在抽签时都抢着先抽，因为他们知道，一旦前面的人抽到了，后面的人就抽不到或者抽到的机会就变小了，这些人通常不会想到：如果前面的人没有抽到，后面的人抽到的机会会变大，因此，总的机会是相等的，这其中包含着条件概率的.而由前面的例子知道，无论先抽后抽，抽到的概率都是相等的.古典方法的局限是它只适用于样本空间中只有有限个样本点的情形，下面的几何方法适用于样本空间有无限个样本点的情形.3 确定概率的几何方法几何概率是日常生活中另一种常见的概率模型，其基本思想是：由上述方法确定的概率称作几何概率，它也满足概率的公理化定义.求几何概率的关键是对样本空间和事件A用图形描述清楚（一般用平面或者空间图形），然后计算出相关图形的度量3/ 7（一般为面积或者体积）.虽然几何方法能够处理样本空间有无限个样本点的情形，但是它同样要求某种“等可能性”，有时对“等可能性”的不同理解会得到不同的答案，从而会出现自相矛盾的情形，著名的“贝特朗悖论”就是大家熟知的一个例子.下面这个例子是我在教学中遇到的一个类似于“贝特朗悖论”的例子.例2 如图，从等腰直角三角形的直角顶点C任作一条射线交斜边AB于点D，求AD的长度小于AC的长度的概率.解法一由于射线CD可以由点C和∠ACD唯一确定，从直角顶点C任作一条射线可以理解为∠ACD的取值在闭区间[0°,90°]上是“等可能的”，而AD的长度小于AC的长度当且仅当∠ACD的取值落在区间[0°,67.5°)内，从而AD的长度小于AC的长度的概率为P1=67.590=0.75.解法二设三角形ABC的直角边AC长为a，则斜边AB长为2a.由于射线CD可以由点C和D唯一确定，从直角顶点C任作一条射线可以理解为点D在斜边AB上的分布是“均匀的”，即线段AD的长度取值在区间[0,2a]上是“等可能的”，而AD的长度小于AC的长度当且仅当AD的长度取值落在区间[0,a)内，从而AD 的长度小于AC的长度的概率为P2=a2a=22.由例2可以看出，处理几何概率题目的难点是对“等可能性”4/ 7的理解.由于高中学生在初学几何概率时还没有深刻理解“等可能性”的内涵，因此，老师在处理那些类似于“贝特朗悖论”的题目时一定要慎重，最好在开始时避免在学生的练习和作业中出现这类题目，要等到时机成熟以后再讲这类题目，以加深学生对“等可能性”的内涵的理解.4 确定概率的频率方法频率方法也是确定概率的一种常用方法，其基本思想是：（1）与所考察事件A有关的随机试验可以大量重复进行；（2）在n次重复试验中，记n(A)为事件A出现的次数，称n(A)为n次重复试验中事件A的频数，称f n(A)=n(A)n为事件出现的频率；（3）随着试验重复次数n的增加，f n(A)会稳定在某一常数p附近，称这个常数为频率的稳定值，这个频率的稳定值就是所求事件A的概率.根据概率极限理论，当n趋向于无穷时，f n(A)会以概率1收敛到相应的概率p.可以验证，用上述方法确定的概率也满足概率的公理化定义.频率方法的优点是它不需要象古典方法和几何方法那样要求某种“等可能性”，人们只需要多次重复试验即可.但是，由于人们不可能把一个试验无限次的重复下去，因此要精确获得频率的稳定值是困难的，通常只能获得概率的一个近似值.5/ 7例3 抛硬币试验.历史上有不少人做过抛硬币试验，其结果如下表.试验者抛硬币次数出现正面次数频率De Morgan2 0481 0610.518 1Buffon4 0402 0480.506 9Feller10 0004 9790.497 9Pearson12 0006 0190.501 6Pearson24 00012 0120.500 5 在很多概率题目中，会出现“均匀硬币”、“均匀骰子”之类的字样，如：抛掷一枚均匀的硬币5次，求出现2次正面的概率.这类问题可以用古典方法求相应的概率.由于假设硬币是均匀的，因此每抛掷一次硬币，出现正面的概率都是0.5.但是，在现实生活中，“均匀”只是一种理想的假设，不会存在绝对“均匀”的硬币.先不说上面表格中的试验者用的是否是同一枚硬币，即使假设他们用的是同一枚硬币，那么抛掷一次这枚硬币出现正面的概率应该是多少？是0.5，还是平均值（0.5181+0.5069+0.4979+0.5016+0.5005）/5＝0.505，亦或是中位数0.5016呢？通常大家会选0.5作为一个近似值.如果他们用的不是同一枚硬币，那么我们估计这个概率就没有意义了，因为抛掷不同的硬币出现正面的概率通常是不同的，此时我们只能得到抛掷这些硬币得到正面的各自不同的概率的近似值.5 确定概率的主观方法在现实世界里有一些随机现象是不能重复或者不能大量重6/ 7复的，它们也不具有某种“等可能性”，因此不能用上面的三种方法确定有关事件的概率，这时我们应该怎么确定其概率呢？统计界的贝叶斯学派认为：一个事件的概率是人们根据经验对该事件发生的可能性所给出的个人信念.这样给出的概率称为主观概率.如在气象预报中常常会说：“明天下雨的概率是25％”，这是气象专家根据气象专业知识和最近的气象情况给出的主观概率.由于主观给定的概率没有明确的公式，因此，确定主观概率时要使其符合公理化的定义.主观概率和主观臆造有着本质的不同，前者要求当事人对所考察的事件有透彻的了解和丰富的经验，并能对历史和当时的进行仔细分析，如此确定的主观概率是可信的.用主观方法得出的概率本质上是对随机事件概率的一种推断，其精确性有待实践的检验和修正，但结论的可信性在统计意义上是有其价值的.在遇到的随机现象无法大量重复时，用主观方法去做决策和判断是适合的.因此，主观方法是频率方法的一种补充.以上是对概率的公理化定义及其确定方法的总结，应该在教学中与现实生活结合起来，灵活运用，加深学生对概率定义及其确定方法的理解.7/ 7。
排列组合资料
• 直观定义 —— 事件A 出现的可能性大小. • 统计定义 —— 事件A 在大量重复试验下 出现的频率的稳定值称为该事件的概率. • 古典定义；几何定义.
研究随机现象，不仅关心试验中会出现哪 些事件，更重要的是想知道事件出现的可能性大 小，也就是事件的概率.
概率是随机事件 发生可能性大小 的度量
动态 8 5 1 9 4 6 7 2 3 10
当我们要求“摸到红球”的概 率时，只要找出它在静态时相应的 比例.
1.2.4 确定概率的古典方法
古典方法 设 为样本空间，若
① 只含有限个样本点; ② 每个样本点出现的可能性相等， 则事件A的概率为: P(A) = A中样本点的个数 / 样本点总数
你认为哪个 结果出现的 可能性大？
常常把这样的试验结果称为“等可能的”.
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 10个球中的任一个被取 出的机会都是1/10
nA 随机事件A出现的频率 会稳定在某个固定的 n 数p附近摆动, 我们称这个稳定值p为随机事件A 的概率, 即P( A) p, 这个定义也称为概率的 统计定义.
1.2.3 确定概率的频率方法
随机试验可大量重复进行.
进行n次重复试验，记 n(A) 为事件A的 频数，称 f ( A) n( A) 为事件A的频率. n n
事件发生的可能性 越大，概率就 越大！
了解事件发生的可能性即概率的大小，对 人们的生活有什么意义呢？ 先给大家举几个例子
了解来商场购物的顾客人数的各种可能 性大小，合理配置服务人员.
概率常见的方法
试一试:
1、（ （2013年自贡市中考）在四张背面完全相同的卡片
上分别印有等腰三角形、平行四边形、菱形、正五边行、
圆形，印有图案的一面朝下，混合后从中随机抽取一张，
则抽到卡片上印有的图案是轴对称图形的概率为( D )
归纳总结：上述列出的所有可能情况结果图就像个 倒立的台阶一样。故称这种求概率的方法叫台阶法。
8x2 16 0
试一试
在数据1，-1，4，-4中任意选两个数据，均是
一元二次方程x2-3x-4=0的根的概率是( A )
A.1/6
B.1/3
C.1/2
D.1/4
例5（2012.泰安)一个不透明的布袋中有分别标着数字 1，2，3，4的四个乒乓球,先从袋中随机摸出一个乒 乓球,不放回再摸一个，则这两个乒乓球上的数字
A.1/3
B.2/3
C.4/9
ห้องสมุดไป่ตู้
D.5/9
解：小明遇到红、黄、绿三色交通信号灯是三个对 立事件，它们的概率之和为“1”，故P(绿)=1-1/31/9=5/9
归纳总结：在概率问题中，每一个对立事件的概率 和等于1，即P（事件A）+P（事件B）+……=1，此 法简称“和为1法”
试一试
做重复实验：抛掷同一枚啤酒瓶盖1000 次,经过统计得“凸面向上”的频率约为0.44， 则可以由此估计抛掷这枚啤酒瓶盖出现
“凹面向上”的概率约D为（ ）
A.0.22 B.0.44 C.0.50 D.0.56
例4、（2013年河南省中考）现有四张完全相同的卡 片，上面分别标有数字-1，-2，3，4.把卡片背面朝 上洗匀，然后从中随机抽取两张，则这两张卡片上
第一章第二节概率的定义及其确定方法
设试验结果共有n个基本事件ω1，ω2，...，ωn ， 而且这些事件的发生具有相同的可能性
确定事件A包含的基本事件数 事件Ａ由其中的m个基本事件组成
P( A) = A所含的基本事件个数 基本事件总数
= A 所含样本点的数目 样本空间的样本点总数
m n
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．
所求概率为 P(1) 1 , P(2) 2
5
9
所以 P( A) 11 , P(B) 5 .
36
36
4、包括甲，乙在内的10个人随机地排成一行，求甲与 乙相邻的概率。若这10个人随机地排成一圈，又如何呢？
解： 总的基本事件数为 10!
排成行时，事件“甲乙相邻”的基本事件数为 P88C91C21
排成圈时，事件“甲乙相邻”的基本事件数为 P88C91C21 P88C21
0xT，0yT。
（1）则样本空间是由点(x，y)构成的边长为T正 方形。
（2）依题意，收音机受到干扰的充分必要条件是
|x-y|t .
T 由等可能性知，所求
概率为
t
A
P(A) S A S
Ot
T
x
阴影部分面积 正方形面积
T 2 (T t)2 T2
1 1 t T
2
一楼房共15层，假设电梯在一楼启动时有10名乘 客，且乘客在各层下电梯是等可能的。试求下列事件 的概率：A1={10个人在同一层下}；A2={10人在不同 的楼层下}；A3={10人都在第15层下}；A4={10人恰有 4人在第8层下}。 解：
P( A)
A 的度量 S的度量
( A) (S)
概率的定义及其确定方法
§1.2 概率的定义及其确定方法在本节，我们要给出概率的定义，这是概率论中最基本的概念。
本节中我们还将介绍几种确定概率的方法。
随机事件的发生有偶然性，但我们常常会觉察到随机事件发生的可能性是有大小之分的。
例如，购买彩票后可能中大奖，可能不中奖，但中大奖的可能性远比不中奖的可能性小。
既然各种事件发生的可能性有大有小，自然使人们想到用一个数字表示事件发生的可能性大小。
这个数字就称为事件的概率。
然而，对于给定的事件A ，该用哪个数字作为它的概率呢？这决定于所研究的随机现象或随机试验以及事件A 的特殊性，不能一概而论。
在概率论的发展历史上，人们针对特定的随机试验提出过不同的概率的定义和确定概率的方法：古典定义、几何定义和频率定义。
这些概率的定义和确定方法虽然有其合理性，但也只适合于特定的随机现象，有很大的局限性。
那么如何给出适合于一切随机现象的概率的最一般的定义呢? 1900年数学家希尔伯特提出要建立概率的公理化定义以解决这个问题,即以最少的几条本质特性出发去刻画概率的概念.1933年数学家柯尔莫哥洛夫首次提出了概率的公理化定义,这一公理化体系迅速得到举世公认,有了这个定义后,概率论才被正式承认为一个数学分支,并得到迅猛发展.1. 概率的公理化定义定义1.2.1 设Ω为样本空间,F 为Ω的某些子集组成的事件域.))((F A A P ∈是定义在事件域F 上的实值集函数,如果它满足:(1) 非负性公理 对于任一F A ∈,有0)(≥A P ;(2) 正则性公理 1)(=ΩP ;(3) 可列可加性公理 若,,21A A …,,n A …两两互不相容,则∑∞=∞==11)()(n n n n A P A P U则称)(A P 为事件A 的概率,称三元总体),,(P F Ω为概率空间.概率的公理化定义刻画了概率的本质，概率是集合（事件）的实值函数，若在事件域上给出一个函数，只要这个函数满足上述三条公理就称为概率。
概率的基本概念
概率的基本概念概率是数学中一个重要的概念，用于描述某个事件发生的可能性大小。
它是通过对事件发生的次数进行统计分析得出的，可以用来预测未知事件的发生概率。
在生活和科学研究中，概率是一个极为常用的工具。
本文将介绍概率的基本概念，包括概率的定义、性质和计算方法。
一、概率的定义概率可以用数值来表示，其取值范围在0和1之间。
其中，0表示事件不可能发生，1表示事件一定会发生。
在某些情况下，概率也可以超出0到1的范围。
例如，当概率为0.5时，表示事件发生和不发生的可能性均等。
二、概率的性质1. 互斥性：互斥事件指的是两个事件不能同时发生。
例如，掷一枚硬币时，它只能正面或反面朝上，不可能两面都朝上。
对于互斥事件A和B，它们的概率之和等于各事件概率的和，即P(A或B) = P(A) + P(B)。
2. 完备性：完备事件指的是一组互斥事件的集合，它们的概率之和等于1。
例如，掷一枚硬币时，正面朝上和反面朝上是完备事件。
即P(正面朝上) + P(反面朝上) = 1。
3. 加法定理：加法定理是概率计算中的重要定理，用于计算两个事件同时发生的概率。
对于两个事件A和B，其概率之和减去它们同时发生的概率，等于两个事件分别发生的概率之和，即P(A或B) = P(A)+ P(B) - P(A和B)。
4. 乘法定理：乘法定理是概率计算中的另一个重要定理，用于计算两个事件同时发生的概率。
对于两个事件A和B，其概率等于事件A发生的概率乘以在事件A发生的条件下事件B发生的概率，即P(A和B) = P(A) * P(B|A)，其中P(B|A)表示在事件A发生的条件下事件B发生的概率。
三、概率的计算方法1. 等可能概型：当每个事件发生的可能性相等时，使用等可能概型来计算概率。
例如，投掷一枚均匀的骰子，每个点数出现的可能性相等。
这时，某个事件发生的概率等于该事件发生的次数除以总事件数。
2. 频率法：通过对事件进行大量重复实验并统计结果的方法来计算概率。
计算概率的基本方法及公式
计算概率的基本方法及公式在日常生活中，我们会遇到很多概率性事件，比如掷一枚硬币的正面朝上的概率是多少，从一副牌中抽到一张红色牌的概率是多少等等。
这时候，我们就需要用到计算概率的方法和公式了。
1. 概率的定义在深入了解计算概率的方法和公式之前，我们需要先了解“概率”的定义。
概率是指某一事件发生的可能性大小，通常用一个在0~1之间的数值来表示。
0表示事件不可能发生，1表示事件一定会发生。
例如，掷一枚硬币的正面朝上的概率为0.5，从一副牌中抽到一张红色牌的概率为0.5。
2. 计算概率的方法计算概率的方法有很多种，下面介绍其中的两种基本方法：频率法和古典概型法。
(1) 频率法频率法是指通过多次试验，统计某一事件发生的次数，再除以总次数来得到概率的方法。
例如，掷一枚硬币一百次，正面朝上的次数为55次，则掷一枚硬币正面朝上的概率为55/100=0.55。
(2) 古典概型法古典概型法是指计算“等可能性事件”的概率的方法。
例如，掷一枚硬币，正面和反面朝上的概率都是相等的，都是0.5。
抽取一张红色牌和一张黑色牌的概率也是相等的，都是0.5。
3. 计算概率的公式在实际计算中，我们通常使用概率公式来计算。
以下是两个基本的概率公式。
(1) 事件的“与”概率公式如果AB是两个不矛盾的事件，即事件A和事件B同时存在的可能性为0，则事件AB同时发生的概率为：P(AB)=P(A)×P(B)。
例如，从一副52张牌的扑克牌中，同时抽到黑桃A和红桃2的概率为：P(黑桃A和红桃2)=P(黑桃A)×P(红桃2)=1/52×1/51=0.000377。
(2) 事件的“或”概率公式如果AB是两个互不排斥的事件，则事件AB发生的概率为：P(A∪B)=P(A)+P(B)-P(AB)。
例如，从一副52张牌的扑克牌中，抽到黑桃A或红桃2的概率为：P(黑桃A∪红桃2)=P(黑桃A)+P(红桃2)-P(黑桃A和红桃2)=2/52=0.038。
概率的基本概念和计算方法
概率的基本概念和计算方法概率是数学中重要的一个分支，它用来描述和解释不确定性事件的发生可能性。
在各个领域的研究和应用中，概率扮演着至关重要的角色。
本文将介绍概率的基本概念和计算方法，以帮助读者更好地理解和应用概率。
一、概率的基本概念概率是一个介于0和1之间的数，表示事件发生的可能性大小。
0表示不可能事件，1表示必然事件。
在事件的概率计算中，我们使用以下几个基本概念：1.1 事件和样本空间事件是指可能发生的一件事情，通常用大写字母表示。
样本空间是指所有可能结果的集合，通常用Ω表示。
一个事件是样本空间Ω的子集。
1.2 几何概率和统计概率几何概率是基于几何原理计算的概率，适用于各种几何模型。
统计概率是通过实验和观察数据来进行计算的概率。
1.3 条件概率和独立事件条件概率是指在已知某个条件下，事件发生的概率。
独立事件是指两个事件之间没有相互影响。
二、概率的计算方法概率的计算方法有几种常见的方法，下面将介绍其中的三种方法：2.1 等可能性原理当一个事件的所有可能结果等可能出现时，我们可以使用等可能性原理进行概率计算。
例如，投掷一枚均匀的骰子，每个面出现的概率都是1/6。
2.2 频率法频率法是通过大量实验和观察数据来计算概率。
例如，我们可以通过多次抛硬币实验来估计抛出正面的概率。
2.3 组合与排列当我们需要计算多个事件同时发生的概率时，可以使用组合与排列的方法。
组合是指选择一组对象的方式，排列是指按照一定顺序选择对象的方式。
在计算过程中，我们需要了解事件的可能结果数、事件发生的结果数以及所需结果的数目。
三、概率的应用概率在现实生活和各行各业中都有广泛的应用。
以下是几个常见的概率应用示例：3.1 赌博和彩票赌博和彩票是概率应用的经典例子。
计算赌博或彩票中的获胜概率可以帮助人们做出明智的决策。
3.2 金融和风险管理概率在金融领域中具有重要意义，例如股市走势的预测、风险管理模型的建立等。
3.3 生活决策概率可以帮助人们做出生活中的重要决策，例如选择一种产品、制定投资策略等。
第1.2节 概率的定义及其确定方法
例1 掷两枚硬币, 求出现一个正面一个反面的概率。 提示：{(二正),(二反）,(一正一反)}不具有等概性。 思考？ 掷两枚骰子，莱布尼兹认为其出现的点数之和的可能
数值为2，3，…，12，因此掷出11和12点的可能性相等， 都是 1 . 因为只有一种情况可掷出12点，即一个骰子是 11 6点，另一个骰子也是6点；同样也只有一种情况可掷出11
演示实验
考虑用一个天平称物时的误差，这个试验的结果就有
无限多个，而且这些结果也不具有前述几何概率定义中的 “等可能性”. 如何知道误差落在某个范围内的概率呢？
一射手向一目标射击，“中靶” 与“脱靶”一般不
是等可能的，那么，又如何知道他中靶的概率呢？
3.概率的频率方法---统计定义
确定概率的频率方法是一种最常用的方法，其基本思想： （1）大量重复 （2）在n次重复实验中记n(A)为随机事件A出现的次数，称 n( A) f n ( A) 为事件A出现的频率。 n （3）长期经验表明：随着实验重复次数n的增加,频率 f n ( A) 会稳定在某一常数a附近，这个常数为频率的稳定值,即可作 为我们所说的概率。
注意： (1) 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. 在许多场合，由对称性和均衡性，我们就可以认为基 本事件是等可能的并在此基础上计算事件的概率.
(2) 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？
从甲地到乙地共有多少种方法? 甲地 回答是 4 + 2 种方法 乙地
高中数学概率知识点总结
高中数学概率知识点总结
概率：
（1）定义：概率是衡量事件发生机会的定量抽象概念，它的数值介于
0~1之间。
（2）计算：概率的计算是利用实验结果来进行估计，一般用实验次数
或者结果的出现次数来表示，可用分子/分母方法表示，也可用贝叶斯
公式表示。
（3）贝叶斯公式：其公式定义为A事件出现时，B事件发生的概率为
贝叶斯公式：P（B|A）= P（AB）/P（A），即给定条件概率=条件概
率乘以全概率之比
（4）独立性：指两个不同事件发生，一件不会影响另一件的概率，也
就是独立的概率乘积定理，即P（AB）=P（A）*P（B）
（5）概率的计算思路：一般要计算事件发生的概率，需要先求出事件
的总样本数（全概率）和有关的条件，然后使用贝叶斯公式进行计算。
（6）误差准则：误差准则主要用于统计和概率研究中，用以测量数据
拟合度，是表示估计与真值之间误差的概率统计指标。
（7）互不全依概念：指由概率组成的两个不相容的概率事件，要么其
中一件发生，要么全部都不发生，这就是互不全依概念。
（8）蒙特卡洛定理：蒙特卡洛定理可以是复杂的事件用简单形式表示，根据这个理论，复杂的不确定性事件可以采用大量模拟实验，用均值
和方差来近似求解，其主要方法有统计量估计法和极大似然法等。
（9）概率分布：概率分布是指某一统计性质随着样本数据的变化，呈
现出概率分布特征的一种分布，常见的有正态分布和泊松分布等。
（10）贝叶斯公式的应用：贝叶斯公式可以用于把模糊的一组可能性
转换为概率，可以应用于统计诊断、统计鉴定等方面，有重要作用。
四种确定概率的简要说明
四种确定概率的简要说明标题：四种确定概率的简要说明导言：概率是数学中一个重要的概念，用于描述事件发生的可能性。
在实际应用中，有多种方法可以确定概率。
本篇文章将简要介绍四种确定概率的常见方法，包括主观概率、频率概率、古典概率和条件概率。
通过对这些方法的分析，我们将深入理解概率的本质和应用。
一、主观概率：主观概率是基于个人主观意愿和经验判断的概率确定方法。
它通过个人的信念和直觉来估计事件发生的可能性。
主观概率通常用于无法进行大量实验或统计数据收集的情况下。
虽然主观概率存在个人主观性的缺点，但在实际应用中，它可以提供对未知情况的一种合理估计。
二、频率概率：频率概率是基于大量实验和观察数据的统计概率确定方法。
它通过对事件发生的频率进行统计分析来计算概率。
频率概率要求事件具有可重复性，通过多次重复实验，可以近似计算出事件发生的概率。
频率概率是概率理论的基础，也是统计学的重要内容。
三、古典概率：古典概率是基于排列组合原理的概率确定方法。
它适用于所有可能结果都是等可能发生的情况。
古典概率通过计算事件发生的有利结果与所有可能结果的比值来确定概率。
这种方法常用于抽样、投掷硬币和骰子等离散试验。
古典概率提供了一种简单但有效的方法来计算概率。
四、条件概率：条件概率是指在给定一些已知条件下某个事件发生的概率。
它是概率学中的重要概念，用于描述事件发生的背景条件对事件结果的影响。
条件概率通常使用符号P(A|B)表示，表示在事件B发生的条件下事件A发生的概率。
条件概率在实际应用中有广泛的应用，如贝叶斯定理、医学诊断和风险评估等。
结论：通过对主观概率、频率概率、古典概率和条件概率的简要说明，我们可以更好地理解概率的本质和应用。
主观概率强调个人主观意愿和经验判断；频率概率基于大量实验和观察数据的统计概率；古典概率关注等可能发生的结果；条件概率描述事件发生的条件背景下的概率。
这些方法在实际问题中有不同的应用和限制，我们需要根据具体情况选择合适的方法来确定概率。
- 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)。
1.2 概率的定义及其确定方法本节包括概率的公理化定义、排列与组合公式、确定概率的频率方法、古典方法、几何方法及主观方法。
主要介绍概率的定义，在排列、组合公式的基础上，利用频率方法、古典方法、几何方法及主观方法计算事件的概率。
概率是对随机事件发生可能性大小的数值度量。
1.随机事件的发生是带有偶然性的，但随机事件的发生的可能性是有大小之分的；2. 随机事件的发生的可能性是可以度量的，犹如长度和面积一样；3.在日常生活中往往用百分比来表示。
这里也是如此在概率论的发展史上，曾经有过概率的古典定义、概率的几何定义、概率的频率（统计）定义和概率的主观定义。
1933年，前苏联数学家柯尔莫哥洛夫首次提出了概率的公里化定义。
一、概率的公理化定义1.定义 设Ω为一样本空间，为Ω上的某些子集组成的一个事件域，如果对任意事件A ∈，定义在上的一个实值函数P （A ）满足： （1）非负性公理：()0;P A ≥ （2）正则性公理：()1;P A = （3）可列可加性公理：若12,,,n A A A 两两互不相容，有11()();n n n n P A P A +∞+∞===∑则称P （A ）为事件A 的概率，称三元素(,,)P Ω为概率空间。
1.并没有告诉我们应如何确定概率。
但概率的古典定义、概率的几何定义、概率的频率（统计）定义和概率的主观定义都是在一定的场合下确定概率的方法。
由于计算概率要用到排列与组合的公式。
2.概率是关于事件的函数。
二、排列与组合公式1.两大计数原理（1）乘法原理 ：如果某件事需要经过k 步才能完成，做完第一步有1m 种方法，做完第二步有2m 种方法，…，做完第k 步有k m 种方法，那么完成这件事共有12n m m m ⨯⨯⨯种方法。
如某班共有45位同学，他们生日完全不相同的情况有365×364×363×…×321种。
（2）加法原理：如果某件事可由k 类不同的办法之一去完成，在第一类办法中有1m 种完成方法，在第二类办法中有2m 种方法，…，在第k 类办法中有k m 种方法，那么完成这件事共有12n m m m +++种方法。
2.排列、组合的定义及计算公式（1）排列：从n 个不同的元素中任取出r 个，排成一列，称为一个排列。
按乘法原理，此种排列共有n ×(n-1)×(n-2)×…×(n-r+1)个，记为r n P ，若r=n ，则称为全排列，全排列共有n!个，记为P n =n!。
（与顺序有关） ()!()!r n n P r n n r =≤- （2）重复排列：重复排列 从 n 个不同的元素中每次取出一个，放回后再取下一个，如此连续取r 个所得的排列称为重复排列，此种排列共有r n n n n ⨯⨯⨯=个，(r 可以大于n)。
如某班共有45位同学，他们生日共有45365种可能的情况。
这就是重复排列。
rn（3）组合：组合 从n 个不同的元素中任取r(r ≤n)个元素组成一组（不考虑其顺序）称为一个组合，按乘法原理，此种组合的总数为C rn=!)1()1(r r n n n +-⋯-=!)!(!r r n n -=!r P r n并规定0！=1，C 10=n ,这里rn C 还是二项展开式中的系数，即()na b +=∑=-nr rn r r n b a C 0。
若在上式中令1a b ==，可得组合恒等式：n nn n n n n n C C C C C 2...1210=+++++-（4）重复组合：重复组合从 n 个不同的元素中每次取出一个，放回后再取下一个，如此连续取r 个所得的组合称为重复组合。
此种重复组合数为!)2)(1(r nr n r n C r n ----=。
这几种排列组合及其计算公式将在古典概率的计算中经常使用，要注意在使用中识别有序（排列）与无序（组合），重复与不重复。
三、确定概率的频率方法频率方法在大量的重复试验中用频率去获取概率的近似值的一种方法。
1.定义 在n 次独立重复试验中，记()n A 为事件A 出现的次数，又称()n A 为事件A 的频数，称()()n n A A f A n ==事件发生的次数重复试验的次数为事件A 出现的频率。
频率是具有概率的公理化体系（1），（2），（3）性质，人们把大量重复试验中某个事件发生的频率，当作它发生的概率。
（验证）2.基本思想 在与考察事件A 有关的随机现象可大量重复进行的条件下，记事件A 的频率为()n f A ，随着n 的增加，()n f A 会稳定在一常数α附近，这个频率的稳定值就是所求事件A 的概率。
3.说明频率稳定性的例子例 投硬币n 次，正、反面出现的概率分别为1/2; 等。
例如：在统计学中把频率当作概率的估计值，在实际中频率当作概率近似使用。
在足球比赛中，罚点球是一个扣人心弦的场面，若记A=“罚点球射中球门”，曾有人对1930年至1988年世界各地53274场重大足球比赛作了统计，在判罚的15382个点球中，有11172个射中，频率为0.7263，这就是射中率()P A 的估计值。
频率具有稳定性的。
少数几次试验，即当n 很小时，()n f A 的波动较大，但当n 很大时，()n f A 就稳定在一个值p 上，这个值已与n 无关，它就是事件A 发生的概率了。
（1）如历史上数学家De Morgan ，Puff ，Pearson ， Feller 等做了掷硬币，观察出现正面的次数，得到了出现正面的频率的稳定值，即出现正面的概率为0.5。
（2 （3）频率的稳定性在人口的统计方面表现较为明显，（男、女婴出生的比率）。
概率的统计定义：在相同的条件下，重复进行n 次试验，当试验次数n 很大时，事件A 发生的频率稳定地在一个常数p 附近摆动。
通常，n 越大，摆动幅度越小，则称p 为事件A 的概率，记为：P （A ）=p四、确定概率的古典方法1.基本思想（1）所涉及的随机现象只有有限个样本点，譬如n 个； （2）每个样本点（基本事件）发生的可能性相等； （3）若事件A 含有k 个样本点，则A 的概率为 A k().nP A ==Ω事件所含样本点个数中所含样本点个数这种概率的计算方法曾是概率发展初期的主要计算方法，所以称为古典概率。
又称为等可能概型。
在计算古典概型时，主要是计算基本事件总数n 和A 所含的基本事件数k.。
另外，古典概率也满足概率的三条公理。
（1）k≥0，故P(A)≥0。
（2）A=Ω时，k=n,P(A)=1.(3)对于两个互不相容的事件1A ，2A 分别含有1k 和2k 个基本结果，从而12A A 含有1k +2k 个基本结果，P(A 1)=n k 1,P(2A )=nk2,从而P(12A A )=nk k 21+=P(1A )+P(A 2)。
例：（扑克游戏）一副标准的扑克由52张组成，它有两种颜色，四种花色和13种牌型，假如52张牌的大小，厚度和外行完全一样，那么52张牌中任一张被抽到的可能性是相同的，我们计算以下事件的概率：（1）事件A=“抽出一张牌为红牌” （0.5） （2）事件B=“抽出一张牌不是红心”（0.75） （3）事件C =“抽出两张牌都是红心”（0.05882） （4）事件D=“抽出两张不同颜色的牌”（0.5098） （5）事件E=“抽出 5张恰好是同花顺”（0.00001539） （6）事件F=“抽出两张同花色的牌”（0.2353） （7）事件G=“抽出13张同花色的牌”（6.299×1012-）在扑克牌的游戏中会有很多有趣的随机事件，如彩票的6+1玩法。
例2.（抽样模型）一批产品共有N 个，其中M 个不合格品，N-M 个合格品，从中抽取n 个，求事件m A =“取出的n 个产品中有m 个不合格品”的概率。
分析 略。
解 略。
若N=9,M=3,n=4时，可以计算0()P A ，1()P A ，2()P A ，3()P A 。
（放回抽样与不放回抽样）抽样有两种方式：不放回抽样与放回抽样。
前者是每次取一个不放回，再取第二个，这相当于n 个同时取出，不计次序，计算概率时用组合；后者指抽取一个，放回，再取第二个，这时要讲究次序。
现对上例讨论按放回抽样方式抽取，恰有m 个不合格品的概率是多少？基本事件总数为N n 个，B m 所含有的基本事件数为m n m mnM N M C --)(个，其中m n m M N M --)(只是其中之一。
故P(B m )= m n m mnM N M C --)(/ N n 。
若N=10,M=2,n=4,则P(B 0)=0.4096,P(B 1)=0.4096,P(B 2)=0.1536,P(B 3)=0.0256,P(B 4)=0.0016。
例（彩票模型）在35选7的彩票中，即从01，02，35中不重复的开出7个基本号码和一个特殊号码。
求各等奖中奖的概率（附：中奖规则）补充例题：将n 个可辨的球（如颜色不同，进行编号等）随机地放入N 个盒子，假如每个盒子中能放的球不限，每个球放入每一个盒子是等可能的，试求以下概率：（1）A=“恰有()n n N ≤个盒子中各有一球”，（2）B=“指定的()n n N ≤个盒子各有一球”，（3）C=“某个指定的盒子中恰有k 个球”。
(1) !()nN n C n P A N=生日问题：事件A=“n 个人的生日 都不相同”，一年365天当成365个盒子，n 个人可以看作可辨的球，n 个人生日互不相同的概率为：365!()365nnC n P A ==365×364×…×（365-n+1）/365n. 121111365365365n -⎛⎫⎛⎫⎛⎫=--- ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭下表给出了对应于n 的具体的概率值：电梯问题： 一幢17层高楼，有n 个人从第一层走进电梯，试求这n 个人在不同的楼层走出电梯（记为n B ）的概率是多少？ 17层楼可以看作16个盒子，n 个人，于是概率为16!1615(161)1616n n rC n n p ⨯⨯⨯-+==。
下表给出了一些具体值(2) 指定的n 个盒子各有一球概率为：()n P B N= 。
（3）某个指定的盒子中恰有k 个球的概率为：(1)()k n kn nC N P C N --=。
恰有k个人的生日在元旦的概率问题。
如果换成别的背景，就是别的应用问题。
习题1.2（P27）：4.;7;10;11；13;五、确定概率的几何方法1.基本思想表示；（1）如果一个随机现象的样本空间Ω充满某个区间，其度量可用SΩ（2）任意一点落在度量相同的子区域内是等可能的：（3）若事件A为Ω中的某个子区域，其度量为S，则事件A的概率为A。