概率是研究随机现象发生可能性的数学分支!理解概率的基本概念,是学习概率与统计的基础。
什么是概率?
概率(Probability)是事件发生的可能性的度量。
简单理解
概率就像"可能性的大小":
- 用 0 到 1 之间的数表示
- 0 表示不可能发生
- 1 表示一定发生
- 0.5 表示一半的可能性
概率 P(A) 表示事件 A 发生的可能性,满足:
0≤P(A)≤1
随机试验
随机试验(Random Experiment)是满足以下条件的试验:
- 可以在相同条件下重复进行
- 每次试验的结果不止一个
- 试验前不能确定会出现哪个结果
例子 1:抛硬币
- 可以重复进行
- 结果有正面和反面
- 试验前不能确定结果
例子 2:掷骰子
- 可以重复进行
- 结果有 1, 2, 3, 4, 5, 6
- 试验前不能确定结果
样本空间
样本空间(Sample Space)是随机试验所有可能结果的集合,记作 Ω 或 S。
例子 1:抛硬币
Ω={正面,反面}
例子 2:掷骰子
Ω={1,2,3,4,5,6}
例子 3:抛两枚硬币
Ω={(正,正),(正,反),(反,正),(反,反)}
概率的定义
古典概型
古典概型(Classical Probability)适用于所有结果等可能的情况。
定义:
P(A)=样本空间的基本事件总数事件 A 包含的基本事件数=∣Ω∣∣A∣
例子 1:掷骰子,求点数为偶数的概率
- 样本空间:Ω={1,2,3,4,5,6},∣Ω∣=6
- 事件 A:点数为偶数 = {2,4,6},∣A∣=3
- P(A)=63=21
例子 2:从 52 张扑克牌中随机抽取一张,求抽到红心的概率
- 样本空间:∣Ω∣=52
- 事件 A:抽到红心,∣A∣=13(红心有 13 张)
- P(A)=5213=41
频率概型
频率概型(Frequency Probability)适用于可以重复试验的情况。
定义:
P(A)=n→∞limn事件 A 发生的次数
其中 n 是试验次数。
例子:抛硬币 1000 次,正面出现 498 次
- 频率 = 1000498=0.498
- 当试验次数足够多时,频率接近概率 0.5
主观概型
主观概型(Subjective Probability)是基于个人判断的概率。
例子:
- 明天下雨的概率是 70%
- 某队获胜的概率是 60%
概率的性质
性质 1:非负性
P(A)≥0
性质 2:规范性
P(Ω)=1
性质 3:可加性
如果事件 A 和 B 互不相容(A∩B=∅),则:
P(A∪B)=P(A)+P(B)
性质 4:对立事件
P(Aˉ)=1−P(A)
其中 Aˉ 是 A 的对立事件。
概率的计算
加法公式
如果事件 A 和 B 不一定互不相容,则:
P(A∪B)=P(A)+P(B)−P(A∩B)
例子:从 1 到 10 中随机选一个数,求是偶数或大于 5 的概率
- 事件 A:偶数 = {2,4,6,8,10},P(A)=105=21
- 事件 B:大于 5 = {6,7,8,9,10},P(B)=105=21
- 事件 A∩B:偶数且大于 5 = {6,8,10},P(A∩B)=103
- P(A∪B)=21+21−103=107
生活中的应用
- 🎲 游戏设计:设计游戏机制
- 🎰 博彩:计算中奖概率
- 💼 商业决策:评估风险
- 🏥 医学诊断:评估诊断准确性
- 🔬 实验设计:设计科学实验
- 📊 数据分析:分析实验数据
常见错误
错误 1:概率范围错误
概率必须在 [0,1] 范围内。
错误 2:互不相容事件
互不相容事件不能同时发生,A∩B=∅。
错误 3:加法公式使用错误
如果事件不互不相容,要用 P(A∪B)=P(A)+P(B)−P(A∩B)。
小练习
- 掷骰子,求点数为 3 的概率
- 从 52 张扑克牌中随机抽取一张,求抽到 A 的概率
- 如果 P(A)=0.3,P(B)=0.5,P(A∩B)=0.1,求 P(A∪B)
- 应用题:一个袋子里有 5 个红球和 3 个蓝球,随机抽取一个球,求抽到红球的概率
💡 小贴士:概率是事件发生的可能性的度量。记住:0≤P(A)≤1,P(Ω)=1,如果 A∩B=∅