一个很有趣的条件概率问题
一个很有趣的条件概率问题：三扇门问题
(2009-03-10 18:26:27)
转载▼
分类：人性感悟
标签：
参赛者
条件概率
山羊
主持人
美国
杂谈
昨天看一片电影《玩转21点》，片中有一个很趣的概率问题。
片中涉及的那个车和羊的问题也被称作蒙提霍尔问题（Monty Hall Problem）或三门问题，是一个源自博弈论的数学游戏问题，大致出自美国的电视游戏节目“Let's Make a Deal”。问题的名字来自该节目的主持人蒙提·霍尔（Monty Hall）。
这个游戏的玩法是：参赛者会看见三扇关闭了的门，其中一扇的后面有一辆汽车，选中后面有车的那扇门就可以赢得该汽车，而另外两扇门后面则各藏有一只山羊。当参赛者选定了一扇门，但未去开启它的时候，节目主持人会开启剩下两扇门的其中一扇，露出其中一只山羊。主持人其后会问参赛者要不要换另一扇仍然关上的门。
明确的限制条件如下：
参赛者在三扇门中挑选一扇。他并不知道内里有什么。
主持人知道每扇门后面有什么。
主持人必须开启剩下的其中一扇门，并且必须提供换门的机会。
主持人永远都会挑一扇有山羊的门。
如果参赛者挑了一扇有山羊的门，主持人必须挑另一扇有山羊的门。
如果参赛者挑了一扇有汽车的门，主持人随机在另外两扇门中挑一扇有山羊的门。
参赛者会被问是否保持他的原来选择，还是转而选择剩下的那一道门。
请问如果是你，你会做哪种选择，哪个选择得到车的概率会更大呢？
讨论：
当参赛者转向另一扇门而不是继续维持原先的选择时，赢得汽车的机会将会加倍。
解释如下：
有三种可能的情况，全部都有相等的可能性(1/3)︰
参赛者挑山羊一号，主持人挑山羊二号。转换将赢得汽车。
参赛者挑山羊二号，主持人挑山羊一号。转换将赢得汽车。
参赛者挑汽车，主持人挑两头山羊的任何一头。转换将失败。
在头两种情况，参赛者可以通过转换选择而赢得汽车。第三种情况是唯一一种参赛
者通过保持原来选择而赢的情况。因为三种情况中有两种是通过转换选择而赢的，所以通过转换选择而赢的概率是2/3。
?历史上这个问题刚被提出的时候却引起了相当大的争议。这个问题源自美国电视娱乐节目Let’s Make a Deal，内容如前所述。作为吉尼斯世界纪录中智商最高的人，Savant在Parade Magazine对这一问题的解答是应该换，因为换了之后有2/3的概率赢得车，不换的话概率只有1/3。她的这一解答引来了大量读者信件，认为这个答案太荒唐了。因为直觉告诉人们：如果被打开的门后什么都没有，这个信息会改变剩余的两种选择的概率，哪一种都只能是1/2。持有这种观点的大约有十分之一是来自数学或科学研究机构，有的人甚至有博士学位。还有大批报纸专栏作家也加入了声讨Savant的行列。在这种情况下，Savant向全国的读者求救，有数万名学生进行了模拟试验。一个星期后，实验结果从全国各地飞来，是2/3和1/3。随后，MIT的数学家和阿拉莫斯国家实验室的程序员都宣布，他们用计算机进行模拟实验的结果，支持了Savant的答案。
?可以看出，这是一个概率论和人的直觉不太符合的例子，这告诉我们在做基于量化的判断的时候，要以事实和数据为依据，而不要凭主观来决定。否则，想当然的结果往往会在我们不自知的情况下，把我们引入歧途。如片中的老师所说：在校园里骑车可比骑头羊要酷多了。问题是你要做出正确的选择，而这需要以事实为依据。因此有些时候，你选择股票或大盘趋势，不能以感情为基础，要根据事实。。。。。
?Even when given a completely unambiguous statement of the Monty Hall problem, explanations, simulations, and formal mathematical proofs, many people still meet the corre ct answer with disbelief.
?这个问题我是这么看的：换，就意味着认为第一次是选错的；不换，就意味着认为第一次选的是对的。第一次选错的的概率是2/3；第一次选对的概率是1/3。第二次选择其实不是1/2的概率，是100%，因为你的行为是对第一次选择的确认。基于第一次选错的概率大，所以，应该换。
圣彼得堡悖论概述
圣彼得堡悖论概述 圣彼得堡悖论是决策论中的一个悖论。 圣彼得堡悖论是数学家丹尼尔·伯努利（Daniel Bernoulli）的表兄尼古拉·伯努利（Daniel Bernoulli）在１７３８提出的一个概率期望值悖论，它来自于一种掷币游戏，即圣彼得堡游戏。设定掷出正面或者反面为成功，游戏者如果第一次投掷成功，得奖金２元，游戏结束；第一次若不成功，继续投掷，第二次成功得奖金４元，游戏结束；这样，游戏者如果投掷不成功就反复继续投掷，直到成功，游戏结束。如果第ｎ次投掷成功，得奖金２的ｎ次方元，游戏结束。按照概率期望值的计算方法，将每一个可能结果的得奖值乘以该结果发生的概率即可得到该结果奖值的期望值。游戏的期望值即为所有可能结果的期望值之和。随着ｎ的增大，以后的结果虽然概率很小，但是其奖值越来越大，每一个结果的期望值均为1，所有可能结果的得奖期望值之和，即游戏的期望值，将为“无穷大”。按照概率的理论，多次试验的结果将会接近于其数学期望。但是实际的投掷结果和计算都表明，多次投掷的结果，其平均值最多也就是几十元。正如Hacking（１９８０）所说：“没有人愿意花２５元去参加一次这样的游戏。”这就出现了计算的期望值与实际情况的“矛盾”，问题在哪里? 实际在游戏过程中，游戏的收费应该是多少？决策理论的期望值准则在这里还成立吗？这是不是给“期望值准则”提出了严峻的挑战？正确认识和解决这一 矛盾对于人们认识随机现象、发展决策理论和指导实际决策无疑具有重大意义。 圣彼得堡问题对于决策工作者的启示在于，许多悖论问题可以归为数学问题，但它同时又是一个思维科学和哲学问题。悖论问题的实质是人类自身思维的矛盾性。从广义上讲，悖论不仅包括人们思维成果之间的矛盾，也包括思维成果与现实世界的明显的矛盾性。对于各个学科各个层次的悖论的研究，历来是科学理论发展的动力。圣彼得堡悖论所反映的人类自身思维的矛盾性，首先具有一定的哲学研究的意义；其次它反映了决策理论和实际之间的根本差别。人们总是不自觉地把模型与实际问题进行比较，但决策理论模型与实际问题并不是一个东西；圣彼得堡问题的理论模型是一个概率模型，它不仅是一种理论模型，而且本身就是一种统计的“近似的”模型。在实际问题涉及到无穷大的时候，连这种近似也变得不可能了。 实验的论文解释 丹尼尔·伯努利对这个悖论的解答在１７３８年的论文里，提出了效用的概念以挑战以金额期望值为决策标准，论文主要包括两条原理：１、边际效用递减原理：一个人对于财富的占有多多益善，即效用函数一阶导数大于零；随着财富的增加，满足程度的增加速度不断下降，效用函数二阶导数小于零。 ２、最大效用原理：在风险和不确定条件下，个人的决策行为准则是为了获得最大期望效用值而非最大期望金额值。
几个有趣的悖论的数学辨析
几个有趣的悖论的数学辨析 数学悖论是数学发展过程中的一个重要的存在形态, 它是数学体系中出现的一种尖锐的矛盾, 对于这一矛盾的处理与研究, 丰富了数学的容, 促进了数学的发展。作为一名数学教师, 学习有关这方面的知识, 并进行研究, 既能提高自己的专业水平, 又能使授课容生动有趣; 作为学生了解这方面的容,不但能扩大知识面, 而且能提高学习兴趣 1 芝诺悖论 在西方的数学史上有一个非常有名的数学悖论——芝诺悖论。芝诺是公元五世纪古希腊埃利亚学派的代表人物。芝诺本人既不是一位科学家, 更不是一位数学家, 芝诺的老师是埃利亚学派的创始人巴门尼德。巴门尼德是个一神论者, 他认为世界的本原是“不生不灭、完整、唯一和不动的”。但世界显然是丰富多彩、复杂纷繁的,怎么会是“唯一” 的呢?一个完全不动的世界怎么可能呢? 于是引起同时代人的反驳。芝诺为了捍为他老师的学说, 提出了一些论述。其中最有名的有四个, 历史上称为芝诺悖论。作为巴门尼德的继承人, 他力图证明, 如果承认“ 多” 和“ 运动” , 就会招致更加荒谬的结果。限于篇幅, 在此只辑录其二。 二分法: 你不能在有限的时间穿过无穷的点。在你穿过一定的距离的全部之前, 你必须穿过这个距离的一半。这样做下去就会陷入无止境, 所以在任何一定的空间中都有无穷个点, 你不能在有限的时间中一个接一个地接触无穷个点。
阿喀琉斯追不上大乌龟: 阿喀琉斯是古希腊《荷马史诗》中一个跑得最快的大英雄, 他怎么会跑不过大乌龟呢? 假定他的速度是乌 龟的10倍, 阿喀琉斯与乌龟赛跑的路程是1千米, 让乌龟先跑1 10 千 米, 然后让阿喀琉斯去追。于是问题来了。当阿喀琉斯追到1 10 千 米的地方, 乌龟又向前跑了 1 100千米, 当阿喀琉斯又追到 1 100 千米时, 乌龟又向前跑了 1 10000千米, … …, 这样一来, 一直追下 去, 阿喀琉斯会追上大乌龟吗? 之所以说这两个论证是悖论, 是因为我们知道, 无论是谁, 不管身高身低, 只要一迈步, 都可以在有限的时间越过无穷多个点; 无论是谁, 都不会相信大英雄阿喀琉斯竟会跑不过大乌龟。然而在当时的人们的知识围, 却找不出芝诺的论证错在什么地方。 1 . 1 芝诺悖论的数学意义 芝诺的“二分法” 和“ 阿喀琉斯追不上大乌龟”的论证, 本意是要用结论的荒谬性来否定其前提关于时空的可无限分割的观点, 该两个论证与另外两个论证(“ 飞箭” 与“ 运动场” ) 组合得出了时空既是不可无限分割, 又是可以无限分割的矛盾结论。“ 芝诺悖论” 促进了以严格的思维规律为研究对象的逻辑学和以严格的求证思想为基础的数学的发展。芝诺论证问题的方法是我们今天数学中仍在使用的反证法。可以说, 这是对反证法的最早的运用。大家知道, 当一个数学命题无法直接证明时, 我们就求助于反证法。
概率论经典实例
概率论经典实例 概率论的研究问题大多与现实世界联系十分密切，有的甚至引人入胜，非常值得我们探讨以便激发我们对概率论学习的兴趣，同时引导我们对生活的思考，这对我们每一个大学生思维能力的培养有着重要的意义。下面我列举几个典型的概率实例加以说明其重要意义。 1990 年9 月9 日，美国一家报纸检阅提出一个有趣的概率问题：电视主持人指着三扇关着的门说，其中一扇后是汽车，另两扇后各有一只山羊。你可随意打开一扇，后面的东西就归你了。你当然想得到汽车。当你选定一扇门，如1 号门(但未打开) ，这时主持人打开有山羊的另一个扇门，不妨说是3号门( 主持人清楚哪扇门后是汽车) ，并对你说：现在再给你一次机会，允许你改变原来的选择。你为了得到汽车是坚持1号门还是改选2号门？问题及答案公诸于众后引发了出乎意料的轰动，编辑部收到了上万封从小学二年级的学生到大学教授的来信，给出了不尽相同的答案（当然正确的答案是唯一的），热烈讨论持续两年之久。此时，无论是一号门还是二号门都有可能门后是汽车，看上去好像每一个都是一半的几率。但从主持人的角度看，他不会让你轻易就得到汽车，于是打开三号门来迷惑你的思想，让你放弃一号门。由此看出，可能一号门的几率会大一点。若从主持人的话语中判断出他没有那种想法，则可以这样思考这个问题。将一号门看成一部分，里面有汽车的概率为0.33，将二号门和三号门看成另一部分，里面有汽车的概率为0.67。当发现三号门里没有汽车时，则一号门和二号门有汽车的概率分别为0.33和0.67。因此，选择二号门比较理智。 稍加留意就会发现若利用概率统计提供的科学思维方法就会大大提高获胜的几率。比如抛两颗均匀骰子，规定如下规则：总数之和小于6为出现小点，大于6为大点，则每局可押大点或小点，若押对了，以出现的点数为对应的奖品数目，若押不中则同样以出现的点数为惩罚品的数目。可以这样思考，当假设骰子理论意义上是均匀的，则六面中点数少的面较重，在抛出后点数多的面朝上的可能性较大，从而抛出点数大的情况的概率应大一些，这样，即可作如下观察：(1)随机抛2颗骰子若干次，观察出现的点数，若点数大于6的次数占多数，则初步判断骰子是均匀的。(2) 当比赛开始时，可做以下决策：刚开始可先押大点，无论押中或不中，第二轮可接着押大点，然后观察一轮，当出现小点后，可继续押大点，当然也可在连续出现几个大点后押一次小点，也有取胜的把握。这是因为，出现大点的机会要多于出现小点的机会，开始出现大点的概率要大一些，故应押大点，当出现几次大点后，小概率的事件也是会发生的，故可押一次小点，若一次不中可继续押，此时出现小点的概率将变大。另外，当连续出现几次小点或大点，则情况即将发生转变，应考虑押相反的情况。运用概率的思想来解决此类问题让我们更有把握赢得我们所要的东西，对此类问题，一味的乱猜，只能让我们处于劣势。 在第二次世界大战中，美国曾经宣布：一个优秀的数学家的作用超过10 个师的兵力，这句话有一个非同寻常的来历。1943年以前，在大西洋的英美运输船队常常受到德国潜艇的袭击。当时，英美两国限于实力，无力增派更多的护航舰，一时间德国的潜艇战搞得盟军焦头烂额。为此，有位美国海军将领专门去请教了几位数学家，数学家们运用概率论分析后，舰队与潜艇相遇是一个随机事件。从数学角度来看这一问题，它具有一定的规律性，一定数量的船（为100艘），编队规模越小，编次就越多（为每次20艘，就要有5个编次），编次越多，与敌
生活中的趣味概率问题
本科毕业论文 学院数学与信息科学学院 专业信息与计算科学 年级 2011 级 姓名 xxx 论文题目生活中的趣味概率问题 指导教师 xxx 职称 xxx 2015 年 5 月 7 日 目录
摘要 (1) 关键词 (1) Abstract (1) Keywords (1) 前言 (1) 1概率论的趣味历史简介 (2) 2生活中的趣味概率 (3) 2.1中奖的概率 (3) 2.2赌徒输光问题 (5) 2.3生日的一致性问题 (7) 2.4色盲的遗传问题 (8) 2.5市场占有率预测 (10) 2.6化学疗法致癌问题 (12) 2.7法律中的概率问题 (13) 参考文献 (15)
生活中的趣味概率问题 学生姓名：xxx 学号：xxxxxxxx 数学与信息科学学院信息与计算科学专业 指导教师：xxx 职称：xxx 摘要：本文首先介绍了概率论趣味性的由来，然后又通过具体案例阐述了概率统计在实际生活中的彩票、赌博、生日、基因遗传、经济、医学和法律等方面的一些趣味性应用. 关键词：概率论；概率统计；概率论的应用 The interesting problem of probability in life A bstract:In this thesis, we mainly introduce the origin of interesting probability, we also illustrate some specific examples to introduce the interesting applications of probability in life, such as lottery ticket, gamble, birthday, genetic endowment, economy, medical science and law. Keywords: The probability theory; The probability statistics; The applica tions of probability theory 前言：概率论从1654年创立到现在，已经从最开始的博弈探讨问题发展到现在的方法论综合性学科问题.概率论是科学探索的一种特色的方法，概率推理以其显著功效引发了概率理论在科学研究中的爆炸性增长.概率论与其他数学分支一样是应实践的需要而发展起来的.统计学的理论基础是概率论，遗传学、物理学、和信息论将概率论作为它们的常用工具，同时地球科学、金融学、人工智能、通信网络和神经学等学科也将它作为它们的经常使用的方法. 概率论的发展是经过了一个长时间的探索和发现，从最初的创立到如今与各大学科的相互交融，信息化的出现推动了概率的向前发展. 在现实生活中，概率的运用随处可见，从最初的赌博逐渐应用在造福于人类发展中. 在此，我们列举了一些具体的趣味性案例，让大家在充分了解概率的同时，并能够从中感受到概率的趣味性所在.
概率论在日常生活中的应用
概率论在日常生活中的应用 概率论是一门与现实生活紧密相连的学科，不过大多数人对这门学科的理解还是很平凡的：投一枚硬币，0.5的概率正面朝上，0.5的概率反面朝上，这就是概率论嘛。学过概率论的人多以为这门课较为理论化，特别是像大数定律，极限定理等内容与现实脱节很大，专业性很强。其实如果我们用概率论的方法对日常生活中的一些看起来比较平凡的内容做些分析，常常会得到深刻的结果。 在自然界和现实生活中，一些事物都是相互联系和不断发展的。在它们彼此间的联系和发展中，根据它们是否有必然的因果联系，可以分成两大类：一类是确定性现象，指在一定条件下，必定会导致某种确定的结果。例如，同性电荷相互排斥，异性电和相互吸引；在标准大气压下，水加热到100摄氏度，就必然会沸腾。事物间的这种联系是属于必然性的。另一类是不确定性现象。这类现象在一定条件下的结果是不确定的，即人们在未作观察或试验之前，不能预知其结果。例如，向桌上抛一枚硬币，我们不能预知向上的是正面还是反面；随机地找一户家庭调查其收入情况，我们亦不能预知其收入是多少。为什么在相同的情况下，会出现这种不确定的结果呢？这是因为，我们说的“相同条件”是指一些主要条件来说的，除了这些主要条件外，还会有许多次要条件和偶然因素是人们无法事先预料的。但另一方面，对这些不确定性现象进行大量、重复的实验时，人们会发现，其结果会出现某种“统计规律性”：重复抛一枚硬币多次，出现正、反两面的次数大致会各占一半；调查多户家庭，其收入会呈现“两头小，中间大”的状况，即处于中间状态的是大多数。这种在每次试验中呈现不确定性，而在大量重复试验中又呈现某种统计规律性的现象较随机现象。概率统计就是研究随机现象并揭示其统计规律性的一个数学分支，它在自然科学及社会科学的诸多领域都有着广泛的应用。 概率，简单地说，就是一件事发生的可能性的大小。比如：太阳每天都会东升西落，这件事发生的概率就是100%或者说是1，因为它肯定会发生；而太阳西升东落的概率就是0，因为它肯定不会发生。但生活中的很多现象是既有可能发生，也有可能不发生的，比如某天会不会下雨、买东西买到次品等等，这类事件的概率就介于0和100%之间，或者说0和1之间。大部分人认为一件事概率为0即为不可能事件，这是不对的。比如甲乙玩一个游戏，甲随机写出一个大于0小于1的数，乙来猜。1.乙一次猜中这个数2.乙每秒才一次，一直猜下去，“最终”猜中这个数。这两件事发生的概率的概率都是0，但显然他们都有可能发生，甚至可以“直观”地讲2发生的可能性更大些。这说明概率为0的事件也是有可能发生的。不过在我看来，这样的可能性实在太小了，在实际操作中认为不可能也是有道理的，但不管怎么说，他们确实是可能事件。 在日常生活中无论是股市涨跌，还是发生某类事故，但凡捉摸不定、需要用“运气”来解释的事件，都可用概率模型进行定量分析。不确定性既给人们带来许多麻烦，同时又常常是解决问题的一种有效手段甚至唯一手段。 走在街头，来来往往的车辆让人联想到概率；生产、生活更是离不开概率。在令人心动的彩票摇奖中，概率也同样指导着我们的实践。继股票之后，彩票也成了城乡居民经济生活中的一个热点。据统计，全国100个人中就有3个彩民。通过对北京、上海与广州3城市居民调查的结果显示，有50%的居民买过彩票，其中5%的居民成为“职业”(经济性购买)彩民。“以小博大”的发财梦，是不少彩票购买者的共同心态。那么，购买彩票真的能让我们如愿以偿吗?以从36个号码中选择7个的投注方式为例，看起来似乎并不很难，其实却是“可望而不可及”的。经计算，投一注的理论中奖概率极其小。由此看出，只有极少数人能中奖，购买者应怀有平常心，既不能把它作为纯粹的投资，更不应把它当成发财之路。 在我国南方流行一种成为“捉水鸡”的押宝，其规则如下：有庄家摸出一只棋子，放在密闭盒中，这只棋子可以是红的或黑的将、士、象、车、马、炮之一。赌客们把钱压在一
一些很有趣的概率学问题
一些很有趣的概率学问题 说到概率，有些好玩的东西不得不提。比如，你知道吗，23个人中至少两个人生日相同的概率竟然超过了1/2；假如你们班上有50个人的话，那更不得了，至少两人生日相同的概率达到97% ！如果你会计算这个概率问题的话，你可以亲自证实这一点。本文适宜的读者是知道上述问题怎么算的高中朋友，上述问题也是高中阶段学的一些基本概率知识。 上面的问题都是简单概率，它包含了一个最基本的原则，即使没有系统地学习过，平常人们也都在无形之中使用它：概率等于你要算的东西除以总的数目。比如。我们要计算23个人中任何两个人都不在同一天生的概率。假设2月29 日与其它日期出现概率相同的话（这是为了便于计算我们做出的假设，它有悖于常理），那么它的概率为A(366,23)/366^23。它约为0.493677。因此，至少两人在同一天生的概率为1-0.493677=0.506323。当然，对于“你要算的东西除以总的数目”的认识是片面的，比如“投两个骰子出现的数字和从2到12共有11种可能，问数字和大于10的概率”这一问题的答案并不是2/11，因为这11个点数和出现的概率不是相等的，我们只能从投出的两个数字共6*6=36种情况中进行统计，可能的情况只有(5,6)、(6,5)和(6,6) （不会有人说还有(6,7)之类的吧），答案应该是3/36=1/12。这些都是废话，我不细说了。 但是，你有想过这个问题吗：要是这些数目是无穷的怎么办？换句话说，统计的东西不是“离散”的怎么办？比如看这样一个问题。明天早上我要和MM约会，但是具体见面时间我忘了，好像是8:00-9:00的某个时候。那么我随便在这个时段中选一个时间去等MM，最多等她半个小时，正好能见到MM的概率是多少（假设MM先到的话不会等我）。这个问题和我们平时见到的问题不同的地方在于，它的“情况”是连续的，不是离散的，不能逐一统计数目。咋办呢？我们注意到，我的时间随机取一个，MM的时间随机取一个，对于某些组合我们是有缘分的（这些组合无穷多）。这些组合正好对应了平面区域上的点。就是说，搞一个横坐标表示我的时间，纵坐标表示MM的时间，那么肯定能画出那么一块区域，区域里的所有点(x,y)对应所有我和MM可能相见的组合。任何一个时间组合有多大的可能落在这个区域呢？由于在矩形区域内点(x,y)是均匀分布的，我们只需要计算一个面积之比就行了。下图中显而易见，答案是3/8。 一个类似的问题是Buffon投针实验。有一个人，叫Buffon。他在地板上画了很多间隔相同的平行线，然后叫了一帮狐朋狗友来，把一些长度相同的针扔在地上。然后，他统计有多少针和地板上的线相交，并宣称可以得到圆周率π的值。换句话说，一根针投到间隔相同的平行线中，与平行线相交的概率和π有关。我们时常感到数学的神奇之处，比如当这个π在很多不该出现的场合莫明
阿莱悖论与埃尔斯伯格悖论
龙源期刊网 https://www.360docs.net/doc/ec7101132.html, 阿莱悖论与埃尔斯伯格悖论 作者：王伟业路宇 来源：《学习与科普》2019年第03期 摘要：丹尼尔·卡内曼与阿摩司·特沃斯基提出确定性效应，来解释阿莱悖论形成的原因：确定性效应是指决策者加重对被认为是确定性結果的选择。确定性效应可通过概率权重函数进行解释。一般情况下决策者对小概率的评价值高于它们的客观值，对中等概率的评价值低于它们的客观值。 通俗地说，就是人们在决策时，对结果确定的现象过度重视。决策者通常对确定的结果的效用函数赋予较大的权重，而对可能性结果效用函数的赋值，通常都以较低的权重。由于这种确定性效应的影响，决策者对于一些确潜在的积极的报酬，却会表现出一种风险厌恶的倾向。例如，股票经纪人在面临一种购买股票的选择时，如果其中的一种股票红利较小，但结果却是肯定的；而另一种股票的红利较大，但结果却具有某种不确定性时，多数股票经纪人都会倾向于购买红利虽小，但肯定能得到红利的那种股票，而不愿意去冒风险购买红利虽大，却仅具有得到红利的可能性的那种股票。这就否定了主观期望效用理论模式的假定，即决策者总是选择收益最大的方案。显然，确定性效应的关键因素是决策权重的性质，它说明人们对确定性结局喜欢（不喜欢）的程度大于对可能发生结局的喜欢（不喜欢）的程度，反映了人们对待风险态度的决定要素是人们处理确定性结局和不确定性结局的方式不同。因此，大多数人对不确定结果中正的结局（增益）持回避态度，对确定性结果中负的结局（损失）持追逐风险态度。 关键词：阿莱悖论埃尔斯伯格悖论 1961年，埃尔斯伯格在一篇论文中通过两个例子向主观期望效用理论提出了挑战。他的 第一个例子是提问式的，表述如下： 在你面前有两个都装有100个红球和黑球的缸I和缸Ⅱ，你被告知缸Ⅱ里面红球的数目是50个，缸I里面红球的数目是未知的。如果一个红球或者黑球分别从缸I和缸Ⅱ中取出，那么它们分别被标为红I、黑I、红Ⅱ和黑Ⅱ。现在从这两个缸中随机取出一个球，要求你在球被 取出前猜测球的颜色，如果你的猜测正确，那么你就获得$100，如果猜测错误，那么什么都得不到。为了测定你的主观偏好次序，你被要求回答下面的问题： （1）你偏爱赌红I的出现，还是黑I，还是对它们的出现没有偏见？ （2）你偏爱赌红Ⅱ，还是黑Ⅱ？ （3）你偏爱赌红I，还是红Ⅱ？ （4）你偏爱赌黑I，还是黑Ⅱ？
拥有多个A的概率：又一个条件概率悖论
拥有多个A的概率：又一个条件概率 悖论 概率论给我们带来了很多匪夷所思的反常结果，条件概率尤其如此。网络上每一次有人发帖提出与条件概率有关的悖论时，总会引来无数人的围观和争论，哪怕这些问题的实质都是相同的。 来看两道简单的组合数学问题： 1. 四个人打桥牌。其中一个人说，我手上有一个A。请问他手上有不止一个A的概率是多少？ 2. 四个人打桥牌。其中一个人说，我手上有一个黑桃A。请问他手上有不止一个A的概率是多少？ 这两个问题看起来很像，实际算法大不相同。在第一题问题中， 手上一个A也没有有 C(48,13) 种情况 手上有至少一个A 有 C(52,13) - C(48,13) 种情况 手上恰好有一个A 有 C(48,12) * 4 种情况 手上有至少两个A 有 C(52,13) - C(48,13) - C(48,12) * 4 种情况 根据条件概率公式，手上有超过一个A的概率为(C(52,13) - C(48,13) - C(48,12) * 4) / (C(52,13) - C(48,13)) = 5359/14498 ≈ 37% 在第二个问题中， 手上有黑桃A 有 C(51,12) 种情况 手上没有其它花色的A 有 C(48,12) 种情况 手上还有其它花色的A 有 C(51,12) - C(48,12) 种情况 根据条件概率公式，手上有超过一个A的概率为(C(51,12) - C(48,12)) / C(51,12) = 11686/20825 ≈ 56% 有趣的事情出来了：如果这个人宣布了手中A的花色，他手中有一个以上A 的概率竟然会大大增加。 这怎么可能呢？难道我们上面的计算结果是错误的？事实上，上面的计算并没有错：
毕业论文.概率统计在生活中的应用Word版
毕业论文 课题 学生姓名胡泽学 系别 专业班级数学与应用数学指导教师 二0 一六年三月
目录 摘要.................................................................... I ABSTRACT................................................................... II 第一章绪论. (1) 第二章概率在生活中的应用 (4) 2.1在抽签和摸彩中的应用 (4) 2.2经济效益中的应用 (8) 2.3在现实决策中的应用 (4) 2.4在相遇问题中的应用 (12) 2.5在预算及检测中的应用 (10) 结论 (13) 参考文献 (14) 致谢 (15)
概率统计在生活中的应用 摘要 随着时代的发展人类的进步，17—18世纪出现了一门新的学科概率论，概率论逐渐成为了为数不多的可以和传统数学相抗衡的学科之一，并一步步的走向了人们的生活，成为了人们生活中不可或缺的部分。 本文先简述了概率论的发展，之后从概率在抽签中的应用、经济效益中的应用、现实决策中的应用、追击相遇问题中的应用、最大利润问题中的应用、最佳配置问题中的应用、经济保险问题中的应用、获奖问题中的应用、概率和选购方案的综合应用、金融界中的应用、设计方案的综合应用、厂矿生产中的如何合理配置维修工人问题、在商品质检中的应用和在运输预算费用中的应用等。多方面论述了概率的应用。 关键词：概率；概率的含义；概率的应用
Abstract
第一章绪论 概率统计是一门和生活关联紧密的学科同样也是一门特别有趣的数学分支学科，17-18世纪，数学得到了快速的发展。数学家们打破了古希腊的演绎框架，社会生活对与自然界的多方面吸取灵感，数学领域涌现了许多新面孔，之后都形成了完整的数学分支。除了分析学这之外，概率论就是同时期能使"欧几里德几何不相上下"的几个伟大成就之一。 概率的发源与赌博有关，伴随着科学技术的发展进步以及计算机普及,它在最近几十年来的社会科学和自然科学中得到了特别广泛的应用,在生活与社会生产中起着很重要的作用。我们生活在一个千变万化千变万化、千变万化的时代里，而我们每个人无时无刻都要直面生活中遇到的问题。而其中很多的问题都是随机的与随机的随机的。如决策时如何获取最大利益，公司要如何组合生产才能取得最大收益，如何加大买彩票的获奖概率，怎样进行误差分析、所购买物品的产品检验，生产质量把控等，当我们在遇到这些问题时应该如何解决它呢？幸好我们如今有了概率，概率是一门探索和揭示随机现象和规律的一门学科。 实践证明,概率是对生活中碰到的问题进行量的解答的有效工具,对经济决策和预测提供了新型的手段。下文就通过列举实例来表述概率在抽签中的应用、经济效益中的应用、现实决策中的应用、追击相遇问题中的应用、最大利润问题中的应用、最佳配置问题中的应用、经济保险问题中的应用、获奖问题中的应用、概率和选购方案的综合应用、金融界中的应用、设计方案的综合应用、厂矿生产中的如何合理配置维修工人问题、在商品质检中的应用和在运输预算费用中的应用等。
世界上最有趣的数学题
世界上最有趣的数学题 数学经常会让那些自以为很聪明的人也感觉笨得不行。事实上，数学本身非常有趣，它是我们日常生活的一部分，每个人都能从中获得享受。只不过在课堂上，数学被一些死板的老师教死板了。 你身上的计算器 利用手进行计算时，一种最简单的乘法是9的倍数计算，在这种计算中，有一个小孩子非常了解，但是年长的人不是太了解的小窍门。计算9的倍数时，将手放在膝盖上，像下表中所示，从左到右给你的手指编号。现在选择你想计算的9的倍数，假设这个乘式是7×9。只要像上图所示那样，弯曲标有数字7的手指。然后数弯曲的那根手指左边剩下的手指数是6，它右边剩下的手指根数是3，将它们放在一起，得出7×9的答案是63。
多少只袜子才能配成一对？ 关于多少只袜子能配成对的问题，答案并非两只。而且这种情况并非只在我家发生。为什么会这样呢？那是因为我敢担保在冬季黑蒙蒙的早上，如果我从装着黑色和蓝色袜子的抽屉里拿出两只，它们或许始终都无法配成一对。虽然我不是太幸运，但是如果我从抽屉里拿出3只袜子，我敢说肯定会有一双颜色是一样的。不管成对的那双袜子是黑色还是蓝色，最终都会有一双颜色一样的。如此说来，只要借助一只额外的袜子，数学规则就能战胜墨菲法则。通过上述情况可以得出，“多少只袜子能配成一对”的答案是3只。 当然只有当袜子是两种颜色时，这种情况才成立。如果抽屉里有3种颜色的袜子，例如蓝色、黑色和白色袜子，你要想拿出一双颜色一样的，至少必须取出4只袜子。如果抽屉里有10种不同颜色的袜子，你就必须拿出11只。根据上述情况总结出来的数学规则是：如果你有N种类型的袜子，你必须取出N+1只，才能确保有一双完全一样的。 燃绳计时 一根绳子，从一端开始燃烧，烧完需要1小时。现在你需要在不看表的情况下，仅借助这根绳子和一盒火柴测量出半小时的时间。你可能认为这很容易，你只要在绳子中间做个标记，然后测量出这根绳子燃烧完一半所用的时间就行了。然而不幸的是，这根绳子并不均匀，有些地方比较粗，有些地方却很细，因此这根绳子不同地方的燃烧率不同。也许其中
概率理论的线性局限分析——《生日悖论》是个谬误!
线性概率模型的矛盾 2014110059 高天 AB两人用扔硬币赌博，正面向上A赢，反面向上B赢。两个人赌了一会，来了第三者C，C也要参与赌博，但是由于扔硬币只有两种结果（硬币“站着”的结果几乎不会发生，所以被排除），C表示他通过把赌注押在A或B一方，来参与赌博，A与B都同意了。但是C并不是每次都下注，他要看到A或B连输几次，才把赌注押在输的一方。这样赌了一会儿后，A与B发现，他们之间的输赢相当，但是他们都输钱给C了。于是，他们提出C的这种赌法是不公平的，因为我们都知道，尽管在一定次数中统计扔硬币的结果，出现正面与出现反面的结果未必相等，但是扔硬币的次数越多，出现正面与出现反面的次数会越来越接近，扔硬币时两面出现的概率总是趋向于50%。所以如果A与B有一方连输了几次，再输的概率就小了，因此，A和B都认为C的这种押注方法，赢的概率大，不公平。 我们都知道每一次扔硬币的结果，出现正面或出现反面的概率是一样的，都是50%，既然硬币本身不知道前面扔硬币的结果，也不会因为前面的结果“主动”改变这次扔硬币的概率，那么C的押注法有什么不公平呢？所以C坚持说，他赢的概率也是50%， A和B反驳C说，我们说每一次扔硬币正反面出现的概率都是50%，是一种理论上的计算结果，因为在这个概率计算中，只有两个基本事件，理论上认定基本事件出现的概率是一样的，所以正反面出现的概率都是50%。但是我们从统计学的角度看，如果我们画一条直线，在直线上均匀刻度表示扔硬币的次数，然后我们把扔硬币时硬币正面向上作为一个点记在直线上方，反面向上记在直线下方，如果连着出现正面向上（或者反面向上），就把点标记在前面那个点的上方（或下方），扔了一定次数的硬币后，我们很容易发现，这些点有一个明显的特征——回归特征，也就是不管直线上方或直线下方的点，都有一个趋势，就是回到直线的附近。离开直线的距离越大的点，出现的频率越低。
概率论与数理统计在生活中的应用
概率论与数理统计在生活中的应用 单位:兴隆场初级中学姓名:姜宏琼 摘要：随机现象无处不在，渗透于日常生活的方方面面和科学技术的各个领域，概率论就是通过研究随机现象及其规律从而指导人们从事物表象看到其本质的一门科学。生活中买彩票显示了小概率事件发生的几率之小，抽签与体育比赛赛制的选择用概率体现了公平与不公平，用概率来指导决策，减少错误与失败等等，显示了概率在人们日常生活中越来越重要。数理统计在人们的生活中也不断的发挥重要的作用，如果没有统计学，人们在收集资料和进行各项的大型的数据收集工作是非常困难的，通过对统计方法的研究，使得我们处理各种数据更加简便，所以统计也是一门很实用的科学，应该受到大家的重视。 关键字：概率、保险、彩票、统计、数据、应用 由赌徒的问题引起，概率逐渐演变成一门严谨的科学。1654年，有一个法国赌徒梅勒遇到了一个难解的问题：梅勒和他的一个朋友每人出30个金币，两人谁先赢满3局谁就得到全部赌注。在游戏进行了一会儿后，梅勒赢了2局，他的朋友赢了1局。这时候，梅勒由于一个紧急事情必须离开，游戏不得不停止。他们该如何分配赌桌上的60个金币的赌注呢？梅勒的朋友认为，既然他接下来赢的机会是梅勒的一半，那么他该拿到梅勒所得的一半，即他拿20个金币，梅勒拿40个金币。然而梅勒争执道：再掷一次骰子，即使他输了，游戏是平局，他最少也能得到全部赌注的一半——30个金币；但如果他赢了，并可拿走全部的60个金币。在下一次掷骰子之前，他实际上已经拥有了30个金币，他还有50%的机会赢得另外30个金币，所以，他应分得45个金币。 赌本究竟如何分配才合理呢？后来梅勒把这个问题告诉了当时法国著名的数学家帕斯卡，这居然也难住了帕斯卡，因为当时并没有相关知识来解决此类问题，而且两人说的似乎都有道理。帕斯卡又写信告诉了另一个著名的数学家费马，于是在这两位伟大的法国数学家之间开始了具有划时代意义的通信，在通信中，他们最终正确地解决了这个问题。他们设想：如果继续赌下去，梅勒（设为甲）和他朋友（设为乙）最终获胜的机会如何呢？他们俩至多再赌2局即可分出胜负，这2局有4种可能结果：甲甲、甲乙、乙甲、乙乙。前3种情况都是甲最后取胜，只有最后一种情况才是乙取胜，所以赌注应按3：1的比例分配，即甲得
概率论在现实生活中的意义
概率论在现实生活中的意义 概率，简单地说，就是一件事发生的可能性的大小。比如：太阳每天都会东升西落，这件事发生的概率就是100%或者说是1，因为它肯定会发生；而太阳西升东落的概率就是0，因为它肯定不会发生。但生活中的很多现象是既有可能发生，也有可能不发生的，比如某天会不会下雨、买东西买到次品等等，这类事件的概率就介于0和100%之间，或者说0和1之间。在日常生活中无论是股市涨跌，还是发生某类事故，但凡捉摸不定、需要用“运气”来解释的事件，都可用概率模型进行定量分析。不确定性既给人们带来许多麻烦，同时又常常是解决问题的一种有效手段甚至唯一手段。 走在街头，来来往往的车辆让人联想到概率；生产、生活更是离不开概率。在令人心动的彩票摇奖中，概率也同样指导着我们的实践。继股票之后，彩票也成了城乡居民经济生活中的一个热点。据统计，全国100个人中就有3个彩民。通过对北京、上海与广州3城市居民调查的结果显示，有50%的居民买过彩票，其中5%的居民成为“职业”(经济性购买)彩民。“以小博大”的发财梦，是不少彩票购买者的共同心态。那么，购买彩票真的能让我们如愿以偿吗?以从36个号码中选择7个的投注方式为例，看起来似乎并不很难，其实却是“可望而不可及”的。经计算，投一注的理论中奖概率如下：
由此看出，只有极少数人能中奖，购买者应怀有平常心，既不能把它作为纯粹的投资，更不应把它当成发财之路。 体育比赛中，一局定胜负，虽然比赛双方获胜的机会均为二分之一，但是由于比赛次数太少，商业价值不大，因此比赛组织者普遍采用“三局两胜”或“五局三胜”制决定胜负的方法，既令参赛选手满意，又被观众接受，组织者又有利可图。那么它对于双方选手来说真的公平吗?以下我们用概率的观点和知识加以阐述： 日常生活中我们总希望自己的运气能好一些，碰运气的也大有人在，就像考生面临考试一样，这其中固然有真才实学者，但也不乏抱着侥幸心理的滥竽充数者。那么，对于一场正规的考试仅凭运气能通过吗?我们以大学英语四级考试为例来说明这个问题。 大学英语四级考试是全面检验大学生英语水平的一种考试，具有一定难度，包括听力、语法结构、阅读理解、填空、写作等。除写作15分外，其余85道题是单项选择题，每道题有A、 B、 C、D四个选项，这种情况使个别学生产生碰运气和侥幸心理，那么靠运气能通过四级英语考试吗?答案是否定的。假设不考虑写作15分，及格按60分算，则85道题必须答对51题以上，可以看成85重贝努利试验。
概率论中几个有趣的例子
转载】概率论中几个有趣的例子 [ 2007-6-3 13:06:00 | By: Byron ] 推荐 作者: ni1985 (妮子||从东方席地卷来一团野火), 原发新水木Mathematics 已经酝酿很长时间的本文终于出场了。 写本文的主要目的：1 很多人看了我前面大量的历史日志后，对我的数学水平产生了怀疑；2 有高中的校友师妹咨询关于大学数学学习的问题；3 概率论是数学中一个重要而美的分支，可惜多数同学尚没有机会看到其冰山一角。 本文的读者适用范围：最低标准是学过工科专业的高等数学和概率论，最高标准不清楚（也许水平比我高的人就不屑于读了） 当我跟皇上提到要写这篇文章的想法时，我提到：试图用比较短的篇幅让只要有初等概率论基础的人，也能看懂，从而对较深的概率论的研究对象和有趣的结论有一个初步的了解，激发其进一步深入学习概率论的兴趣。皇上说：那可不容易，相当于一个毕业设计了。我觉得，确实如此，本文是基本失败还是基本成功，还要看读者的评价。 要想引入本文的内容，首先从数学美的定义说起。关于数学美，我比较欣赏的有两种观点，一是Birkhoff 的观点，数学美=逻辑的复杂程度/表述的复杂程度；二是Von Neumann的观点，数学的活力依赖于与它有联系的科学分支的多寡与分支的活力。也许做应用的人更喜欢后者，但我是比较喜欢前者的。因此，我下面的主要内容就是介绍一些概率论中的基本例子，这些例子的表述是相当简单的，但得到这些例子的手段却比较复杂。我将试图把每个例子表述清楚，让只要有初等概率论基础的读者就知道在说什么，但对得到这些结果的证明过程则一律省略，只简要提出涉及的基本工具，但其中有些比较简单的细节会给大家留为习题。这些例子一律来自伟大的Durrett的著作：Probability theory and examples——我认为最优秀的概率论教材。 例1. Coupon collector问题：X1,X2,…是独立同分布，均匀的取自集合{1，…，n}的随机变量序列。大家把集合{1，…，n}想象为若干张扑克牌，每次我们等概率的取一张扑克牌，取完放回。 ，意思就是手中取过k种不同的扑克牌所需的次数。T(n) =t(n,n)表示取过所有扑克牌所需的次数。X(n,k)=t(n,k)-t(n,k-1)，则X(n,k)服从参数是1-(k-1)/n的几何分布（思考题！），它的期望和方差可求，且容易发现X(n,1),…,X(n,n)相互独立，从而可以求出E T(n),Var T(n)（习题！)。且去证明依概率趋近于0.（数学基础稍微深一些的同学都知道，L2收敛蕴含依概率收敛）最终得到一个漂亮的结论： 依概率收敛于1.
贝特朗奇论悖论
贝特朗奇论 2 . 1 “贝特朗奇论” 的 数学表示 在单位圆内随机取一条弦,弦 长超过3(单位圆内 接等 边三角形的边长)的概率是多少? 这个问题有三种解法, 答案互相矛盾 。 解法一:设弦AB 的一端A 固定于圆周上,另一端B 任意(图1)。对于等边三角形ACD , 若B 落在劣弧CD 上,则AB > 3 , P = CD 弧长圆周长 = 13 解法二 : 设弦 AB 垂直于直径 EF , C D = DO( 图 2) , 若 AB 的中点落在线段 C D 上 , 则 AB> 3 , 故 P = CD EF = 12 。 解法三 : 作半径为 1/ 2 的 同心圆( 图 3) 。 若 A B 的中 点 落在此圆内 , 则 AB> 3 , 故 P =小圆面积大圆面积 = 14 。 2. 2 “贝特朗奇论” 的数学辨析 同一问题有三种不同的答案, 究其原因, 是在取弦时采用了不同的等可能性的假定。解法一假定端点在圆周上的落点处处等可能 , 解法二假定中点在直径上的落点处处等可能, 解法三假定中点在圆 内的落点处处等可能。三种答案对于各自的假定都是正确的。这样的
解释显得似是而非, 但又找不到反驳的理由, 故名奇论。其实弊病出在概率定义本身。 我们先看看有关概率的三个定义: 概率的统计定义: 在条件相同的n 次试验中事件 A 出现m 次, 如果加大n 时, A 的频率m n逐渐稳定在一个常数附近, 就把这个常数叫做事件 A 的概率。概率的古典定义:如果一个试验满足两条：（1）试验只有有限个基本结果；（2）试验的每个基本结果出现的可能性是一样的。这样的试验，成为古典试验。对于古典试验中的事件A，它的概率定义 为：P(A)= m n，n表示该试验中所有可能出现的基本结果的总数目。 m表示事件A包含的试验基本结果数。这种定义概率的方法称为概率的古典定义。概率的几何定义:若试验结果只能出现于区域Ω内的某一点,且出现于每一点的可能性相等,又区域A包含于区域Ω中,那么试验结果出现于区域A的概率,即事件A R 的概率P( A ) =区域A的测度/区域Ω的测度。 概率的统计定义虽然直观, 但据此计算某事件的概率是困难的, 仅能以A的频率作为P( A) 的近似值。然而n要多大,准确到什么程度,都没有确切的说明,在概率的古典定义中,不需要试验即可直接根据公式求出事件的概率, 这是它的最大优点, 但是它也有局限性, 因为它要求试验的全部可能结果的数目是有限的, 而且每个试验结果出现的可能性相等。如果试验的全部可能结果是无限的,古典定义就不适用了。概率的几何定义虽然不要求试验结果有限,但同样强调
贝特朗概率悖论的解释
贝特朗概率悖论的解释 贝特朗概率悖论是一个著名的悖论题，与其他的集合悖论不一样，这个悖论只是我们看起来“错”而已，也并没有像集合悖论一样带来一次数学危机，正确审视它，就是让我们对“几何概型”这一概念更加地深入了解而已。 我就不废话，我们直接来看什么是贝特朗概率悖论，百度上有很多，随便一搜就到处都是题目是这样子滴：在圆中做弦MN，求使MN的长大于圆内接正三角形边长的概率。 这道题若从不同的角度看，就有几种不同的答案，百度百科里有，我就不想在这里多费口舌，希望各位先到那里去看看具体的答案，我把图片下载下来，大家可以自己看：百度百科词条解释 虽然这多种解法各有各得说法，似乎每一个都对，但是悖论毕竟是悖论，他终究是错的。概率问题一个基本的原则就是，不管从哪个角度看，答案只能有一个，否则一件事情的概率都不一致，这问题要么就是本身就有问题，要么就是条件不够。而对于贝特朗概率悖论所涉及到的问题，正是如此，因为其条件不够。 首先我们看第一种“解法”。 解法1的思路是，在于AB平行的弦中，只有与PQ交点落在MN上的，弦长才大于根号3。弦与PQ的交点肯定就是落在PQ上的，而NM=1/2PQ，所以此时概率为1/2.
这个解法其实有一个重要前提，那就是弦与PQ的交点在PQ上是均匀分布的。正正是题目中所缺乏的条件，因为圆中任意的弦，这到底怎么个做法？是像这种解法所说的，使其与PQ 交点在PQ上均匀分布么？还是使弦与圆周的交点是任意分布？如果满足后者，就不可能满足前者，满足前者，就不可能满足后者。一个比较明显的说法就是：做几条平行弦，使其在PQ上均匀分布，也就是相互之间的距离相等，我们可以看见，这些弦之间的弧长并不相等，也就是说，在PQ上均匀分布，一定不会在圆周上均匀分布。原题中没有给出这样的条件，解法1加了这么一个条件，显然就有不一样的结果了。 再看解法2. 解法2的思路是，链接OA，在OA两边做弦AM和AN，使其和AO的夹角为30°。在圆中所有的弦中，只有当B点落在弧MN上时，才满足条件，而MN的弧长占据整个弧长的1/3，所以概率为1/3 看了解法1，你就知道这个解法的原因所在了，他正是采用了在圆周上均匀分布这一条件得出的结果。 最后看解法3
生活中的一些有趣事件分析
生活中的一些事件分析 1.升级游戏 升级游戏中（共有54张，留6张底牌），底牌中有“王”的概率。解：底牌中有王，即在洗牌时要至少放一张王牌于底牌的六张中。将54张牌 的每一种排列看作一次随机试验，即基本事件总数为：!5454 54==p n ，而底牌中有王所包还的基本事件数为：52 52 262253531612P P C P P C m +=故，所求事件的概率为 233.0159 37 ≈== n m p 2．考试猜答案能否及格的问题 考试的时候，许多学生都会遇到不会做的题目，对于选择题，不会做也不会空着，大家都会选择猜个答案填上去。我们所关心的是猜中正确答案的概率有多大？如果一个单项选择题有四个答案，那么猜中的概率应该是1/4。如果某试卷仅有10个单项选择题，每题10分。某学生完全不会做，随机答题，我们所关心的是他及格的概率是多少？ 我们知道每答一个题有两个基本结果，就是答对和答错，所以做10道题就是10重伯努利试验。我们用A 表示答对，B 表示及格，那么及格就是至少答对6道题，所求概率 k k k k k C k p B p ?==?==∑∑1010 6 10 10 610)41 1()41()()(10 9 9910288103771046610)4 1(43()41()43()41(43(41(43()41(++++=C C C C 5 69091796870.01972770=从结果中我们知道，如果不学习，题目不会做的话只有不足2%的概率及格，在实际中，这种情况几乎不会发生，所以靠投机是不行的，学生还是要扎扎实实好好学习。
3.3.有志者事竟成 有志者事竟成“有志者事竟成”的意思是:只要有决心,有毅力,事情终究会取得成功。很多人在遇到失败时,都会用这句古话来不断激励自己。现在从概率论角度来思考,更感此语之妙。 将一个试验独立重复的做了n 次,设在每次试验中事件A 发生的概率为 )10(<