12第1章第2节随机事件的概率
《概率论》课程教学大纲
《概率论》课程教学大纲二、课程教学目标概率论是研究随机现象客观规律并付诸应用的数学学科，是本科各专业的一门重要基础理论课。
该课程的教学目标是通过本课程的学习，使学生初步掌握处理随机现象的基础理论和基本方法，训练学生严密的科学思维及分析问题、解决问题的能力，为学生学习后续课打下良好的基础。
具体目标如下：1学生获得概率论与数理统计的基本知识和基本运算技能；2学生在运用数学方法分析和解决问题的能力方面得到进一步的培养和训练；3为学习有关专业课程和扩大数学知识提供必要的数学基础。
三、教学学时分配第一章概率论的基本概念（12学时）（一）教学要求1.理解随机事件及样本空间的概念，掌握随机事件间的关系及运算。
2.了解概率的统计定义及公理化定义。
掌握概率的基本性质，会应用这些性质进行概率计算。
3.理解古典概率的定义，会计算古典概率。
4.理解条件概率的概念，掌握乘法公式、全概率公式和贝叶斯公式。
会用这些公式进行概率计算。
5.理解事件的独立性概念，掌握用事件独立性进行概率计算，理解独立重复试验的概念，掌握计算有关事件概率的方法。
（二）教学重点与难点教学重点：掌握古典概型中某事件发生的概率计算方法、条件概率公式、全概率公式、贝叶斯公式。
教学难点：全概率公式、贝叶斯公式及应用。
（三）教学内容第一节随机试验、样本空间、随机事件（拟用MoOC）1.确定性现象和随机现象的概念，随机试验的概念和特点。
2.样本空间、样本点、随机事件等概念。
3.事件间的关系及运算。
第二节频率与概率（拟用MoOC）1.频率的定义、基本性质及计算。
2.概率的公理化定义及概率的性质。
第三节古典概型（拟用MOOO1.等可能概型（古典概型）的定义，放回抽样和不放回抽样的概念。
2.等可能概型中事件概率的计算公式及其应用。
第四节条件概率（拟用MOOO1.条件概率的定义、性质及其计算。
2.乘法原理及其在计算概率中的应用。
3.全概率公式和贝叶斯公式及其应用。
第五节独立性（拟用MOOC）1.事件相互独立的定义、性质及在实际中的应用计算。
2随机事件的概率
二、概率的公理化定义
定义3: 设E是随机试验, S是它的样本空间, 对于
E的每一件事件A赋予一个实数, 记为P(A), 若P(A)满 足下列三个条件:
1. 非负性: 对每一个事件A, 有P( A) 0; 2. 完备性: P(S ) 1;
一般情况给出下面定义
定义
设区域G的长度(或面积、体积)为D, 质点可以等可能地落 在G中的任何一点. 设事件A=“质点落在G内一个长度(或 面积、体积)为d的区域g内”，则A的概率为
【例6】(会面问题) 甲乙两人约定上午7点到8点在某地会面. 先到者等候另一 人20分钟，过后就可离去. 试求两人能会面的概率？
P(“点数<3”)=2/6=1/3
【例1】号码锁上有6个拨盘，每个拨盘上有0~9共十个数 字，当这6个拨盘上的数字组成原确定打开号码锁的6位数 时(第一位可以是0)，锁才能打开，如果不知道号码锁的 号码，一次就能把锁打开的概率是多少？
【例2】设一口袋中有m件产品，其中有k件正品，m-k件次品. 现从中任意取出n（n<=m）件产品，问其中恰有j (j<=k)件 正品的概率？ 定理2.1 古典概率具有下列性质
(1) 0 p( A) 1;
(2) (3) 如果事件A与B互斥，则
特别的，P(A)+P( )=P(U)=1, 即 P(A)=1-P( )
【例3】将一枚均匀硬币抛三次. (1) 设事件A为“恰有一次出现正面”，求P(A); (2) 设事件B为“至多一次出现正面”，求P(B); (3) 设事件C为“至少一次出现正面”，求P(C).
定义
(1) 样本空间中的样本点个数有限：
高等数学第12章 概率论与数理统计
易知：A B, 即事件A与B为互逆事件
高等数学
6. 事件的运算律
1、交换律：A B＝B A，AB＝BA 2、结合律：(A B) C＝A (B C)
(AB)C＝A(BC) 3、分配律：(A B)C＝(AC) (BC)，
(AB) C＝(A C)(B C) 4、对偶(De Morgan)律：
A U B A I B, AB A U B
推广：U Ak I Ak , I U Ak Ak .
k
k
k
k
高等数学
例 甲、乙两人各向目标射击一次，设：
A=甲击中目标，B 乙击中目标
试用A、B的运算关系表示下列事件 ：
A1 目标被击中： A U B A2 两人恰有一人击中目标： AB U AB A3 目标未被击中： AB A4 两人都击中目标： AB
P(A | B) 1 3
高等数学
条件概率计算
P( A | B) P( AB) P(B)
P(B | A) P( AB) P( A)
高等数学
概率的乘法公式
两个事件 ： P( AB) P( A)P(B | A) P(B)P( A | B)
三个事件 ：
P( A1 A2 A3 ) P( A1 )P( A2 | A1 )P( A3 | A2 A1 )
高等数学
概率的性质
1） 对于任一事件 A，有 0 剟P(A) 1
2） 0P() 1， P() 0
3） 若 0AB, 则Æ
0P(A U B) P(A) P(B)
推论： 对于任一事件 ，A有 0P(A) 1 P(A)
推广： n个事件A1，A2，L ，An是互不相容的事件组，有
概率第一章
第1章 随机事件1．1 随机事件1.1.1 随机现象与随机试验概率论与数理统计是研究随机现象统计规律的一门数学分科．什么是随机现象呢？下面让我们先做两个简单的试验：试验一：一个盒子中有10个完全相同的白球，搅匀后从中任意摸取一球；试验二：一个盒子中有10个相同的球，其中5个是白色的，另外5个是黑色的，搅匀后从中任意摸取一球．分析上述两个试验结果给出下述两个基本概念：确定性现象：在一定条件下必然发生的现象称为确定性现象．试验一所代表的类型即是确定性现象．试验二所代表的类型，有多于一种可能的试验结果，而且在一次试验之前不能确定会出现哪一个结果，这一类试验称为随机试验．在客观世界中随机现象也是极为普遍的，例如：某地区的年降雨量；检查流水生产线上的一件产品，是合格品还是不合格；打靶射击时，弹着点离靶心的距离，等等．在条件相同的一系列重复观察中，会时而出现时而不出现，呈现出不确定性，并且在每次观察之前不能准确预料其是否出现，这类现象称之为随机现象．在相同条件下多次重复某一试验或观察时，虽然结果具有不确定性，但会表现出一定的规律性，这种规律性称之为统计规律性．那么如何来研究随机现象的统计规律呢?对随机现象进行的实验与观察统称为试验．具有下列特征的试验称为随机试验：1．可在相同的条件下重复进行；2．试验结果不止一个，但在试验之前能明确试验所有可能的结果；3．试验前不能确定到底会出现哪一个结果．随机试验一般用大写英文字母E 表示．如：1E ：抛一枚硬币，观察出现正面还是反面（分别用“H ” 和“T ” 表示出现正面和反面）；2E ：抛两枚硬币，观察出现的结果；3E ：掷一颗骰子，观察出现的点数；4E ：记录某网站一分钟内被点击的次数；5E ：对一目标进行射击，直到命中为止，观察其结果；6E ：在一批灯泡中任取一只，测其寿命．1.1.2 样本空间与随机事件对于随机试验，虽然在我们试验之前不能预知试验的结果，但可以确定试验的所有可能的结果．定义1.1.1 样本空间：随机试验所有可能的结果组成的集合称为样本空间，通常用字母Ω表示．定义1.1.2 样本点：随机试验每一个可能的结果称为样本点，通常用字母ω表示样本点，即为Ω中的元素．例1.1.1 一盒子中有黑球、白球，从中任取一球，观察其颜色，记1ω={取得白球}，2ω={取得黑球}，则12{,}ωωΩ=．例 1.1.2 一个盒子中有十个完全相同球，分别标以号码1210，，，，从中任取一球，令 i ={取得球的号码为i }，则{1,210}Ω=．例1.1.3 写出16~E E 的样本空间．解 16~E E 的样本空间分别为：(1) 1{,}H T Ω=；(2) 2{,,,}HH HT TH TT Ω=；(3) 3{1,2,3,4,5,6}Ω=；(4) 4{0,1,2}Ω=；(5) 5{(,)|0,0}x y x y Ω=>>；(6) 6{|0}t t Ω=≥．在实际中，我们通常并不关心所有的样本点，而是只关注一些满足一定条件的样本点，如在随机试验6E 中，若规定这种灯泡的寿命超过1000小时为一级品，那么我们只关心{|1000}t t >中的样本点，所以我们有如下定义：定义1.1.3 随机事件：样本空间Ω的子集，称为随机事件，用大写字母,,,,A B C D 表示，即随机事件为满足一定条件的样本点组成的集合．特别的，仅由一个样本点的事件称为基本事件，它是随机试验的直接结果，每次试验必定发生且只可能发生一个基本事件；全体样本点组成的事件称为必然事件，记为Ω，每次试验必然事件必定发生；不包含任何样本点的事件称为不可能事件，记为∅，每次试验不可能事件必定不发生．在每次试验中，当且仅当事件A 中的一个样本点出现时，称事件A 发生．例如在3E 中，如果用A 表示事件“掷出奇点数”，那么A 是一个随机事件．由于在一次投掷中，当且仅当掷出的点数是1,3,5中的任何一个时才称事件A 发生了，所以我们把事件A 表示为{}1,3,5A =；“掷出的点数不超过6”就是必然事件，用集合表示这一事件就是3E 的样本空间{}1,2,3,4,5,6Ω=．而事件“掷出的点数大于6”是不可能事件，这个事件不包括3E 的任何一个可能结果，所以用空集∅表示．一个样本空间Ω中，可以有很多的随机事件．概率论的任务之一，是研究随机事件的规律，通过对较简单事件规律的研究去掌握更复杂事件的规律．下面我们来介绍事件之间的关系和事件之间的运算规律．1.1.3 事件的关系及运算因为事件是一个集合，因而事件间的关系和运算是按集合间的关系和运算来处理的．下面给出这些关系和运算在概率中的提法，并根据“事件发生”的含义，给出它们在概率中的含义．设随机试验E 的样本空间为Ω，,,(1,2,)k A B A k =是Ω的子集．1． 事件的关系(1) 事件的包含与相等：若事件A 发生必然导致事件B 发生，则称事件A 包含于事件 B ，记为A B ⊃或者B A ⊂．:{}A B A,B ⊂∈∈ωω则．见文氏（Venn ）图1．1．若B A ⊂且A B ⊂，即B A =，则称事件A 与事件B 相等．(2) 事件的和：事件A 与事件B 至少有一个发生的事件称为事件A 与事件B 的和事件， 记为A B ．事件A B 发生意味着：或事件A 发生，或事件B 发生，或事件A 与事件B 都发生．{}A B A,B =∈∈ωω或．见文氏（Venn ）图1．1．推广121ni n i A A A A ==，表示12,,,n A A A 至少有一个发生， 121i i A A A ∞==，表示12,,A A 至少有一个发生．(3) 事件的积：事件A 与事件B 都发生的事件称为事件A 与事件B 的积事件，记为A B ，也简记为AB ．事件A B （或AB ）发生意味着事件A 发生且事件B 也发生，即A 与B 都发生．{}A B A,B =∈∈ωω且．见文氏图1．1．推广121ni n i A A A A ==，表示12,,,n A A A 同时发生， 121i i A A A ∞==，表示12,,A A 同时发生．(4) 事件的差：事件A 发生而事件B 不发生的事件称为事件A 与事件B 的差事件，记为B A -，}A B {A,B -=ω∈ω∉且．见文氏图1．1．注：A B A AB -=-．(5) 互不相容事件(互斥)： 若事件A 与事件B 不能同时发生，即AB =∅，则称事件A 与事件B 是互斥的，或称它们是互不相容的．见文氏图1．1．若事件12,,,n A A A 中的任意两个都互斥，则称这些事件是两两互斥的． (6) 对立事件：“A 不发生”的事件称为事件A 的对立事件，记为A ．A 和A 满足：A A =Ω，AA =∅．见文氏图1．1：注：① __A A =Ω-；②在一次随机试验中A 和A 有一个发生而且只有一个发生．图1．1事件的关系图 由上述可见概率论中事件间的关系与集合论中集合之间的关系是一致的，于是事件之间的运算规律与集合之间的运算规律也是一致的．２．事件的运算规律设C B A ,,为事件，则事件之间的运算满足：(1) 交换律：A B B A =，BA AB =．(2) 结合律：()()A B C A B C =，)()(BC A C AB =．(3) 分配律：()()()A B C AC BC =，()()()AB C A C B C =． (4) 对偶律：A B AB =；___AB A B =．例1.1.4 甲，乙，丙三人各射一次靶，记事件A ＝｛甲中靶｝，事件B ＝｛乙中靶｝，事件C ＝｛丙中靶｝，用上述三个事件的运算来分别表示下列各事件：(1)“甲未中靶”；(2)“甲中靶而乙未中靶”；(3)“三人中只有丙未中靶”；(4)“三人中恰好有一人中靶”；(5)“ 三人中至少有一人中靶”；(6)“三人中至少有一人未中靶”；(7)“三人中恰有两人中靶”；(8)“三人中至少两人中靶”；(9)“三人均未中靶”；(10)“三人中至多一人中靶”；(11)“三人中至多两人中靶”．解（1）“甲未中靶”=A；=；(2)“甲中靶而乙未中靶”AB=；(3)“三人中只有丙未中靶”ABC=；(4)“三人中恰好有一人中靶”ABC ABC ABC=；(5)“三人中至少有一人中靶”A B C==ABC；(6)“三人中至少有一人未中靶”A B C=；(7)“三人中恰有两人中靶”ABC ABC ABC=；(8)“三人中至少两人中靶”AB AC BC=；(9)“三人均未中靶”ABC=；(10)“三人中至多一人中靶”ABC ABC ABC ABC==A B C．(11)“三人中至多两人中靶”ABC注：用其它事件的运算来表示一个事件，方法往往不唯一，如上例1.1.4中的(6)和(11)所表示的事件实际上是同一事件．1．2 随机事件的概率在一次随机试验中，除必然事件一定发生，不可能事件不发生外，一般的随机事件可能发生，也可能不发生，于是需要知道它发生的可能性到底有多大．概率是用来描述随机事件发生的可能性的大小的一种数量指标，它是逐步形成和完善起来的．下面我们就先引入频率的概念，然后研究频率的性质，进而引出概率的定义．1.2.1事件的频率定义 1.2.1 对于一个随机事件A 来说，在n 次重复试验中，记A n 为随机事件A 出现的次数，又A n 称为事件A 的频数，称()n f A = A n n为事件的频率． 由上述定义，对于事件的频率，我们很容易得到如下性质：（1）0()1n f A ≤≤；（2）()1n f Ω=；（3）对于k 个两两互斥的事件12,,,k A A A ，有11()k kn i n i i i f A f A ==⎛⎫= ⎪⎝⎭∑．根据上述定义可知频率反应了一个随机事件发生的频繁程度，人们经过长期的实践发现，虽然个别随机事件在某次试验或观察中可能出现也可能不出现，但在大量试验中它却呈现出明显的规律性——频率稳定性．在掷一枚均匀的硬币时，既可能出现正面，也可能出现反面，在大量试验中出现正面和反面的频率，都应接近于50％，为了验证这点，历史上曾有不少数学家做过这个试验，其结果如下：又如，在英语中某些字母出现的频率远远高于另外一些字母．而且各个字母被使用的频率相当稳定．例如，下面就是英文字母使用频率的一份统计表．对一随机事件来说，如果它发生的频率越大，自然这个事件在一次试验中发生的可能性就越大，所以频率在一定程度上反映了事件发生可能性的大小．如上述两个试验，尽管每做n 次试验，所得到的频率()n f A 各不相同，但随着试验次数n 的增加，事件A 的频率()n f A 与会逐渐稳定在一个常数附近，而实际上这一常数即为事件A 的概率．下面给出概率的一个严密的定义．20世纪30年代中期，柯尔莫哥洛夫给出了概率的严密的公理化定义．定义1.2.2 设Ω是随机试验E 的样本空间，对于E 的每一个随机事件A ，定义一个实数()P A 与之对应．若实值集合函数()P ⋅满足下列条件：（1）非负性：对于每个随机事件A ，都有()0;P A ≥（2）规范性：()1P Ω=；（3）可列可加性：若事件12,,,A A 两两互斥，则有 11()i i i i P A P A ∞∞==⎛⎫= ⎪⎝⎭∑， (1.2.1)则称()P ⋅为概率，()P A 为事件A 的概率．由概率的定义，可得到概率的以下性质：性质1 ()0P ∅=．性质2 (有限可加性) 设12,,,n A A A 是两两互斥的事件，则 121()()nn k k P A A A P A ==∑ (1.2.2)性质3 对任意事件A ，有()1()P A P A =-．性质4 对任意事件,A B ，若,A B ⊂则()()()P B A P B P A -=-． (1.2.3)性质5 若,B A ⊂则有()()P B P A ≥．性质6 对于任一事件A ，有0()1P A ≤≤．性质7(减法公式) 对任意事件,A B ，有()()()P B A P B P AB -=-． (1.2.4) 证 因为B A B AB -=-，且AB B ⊂，由(1．2．3)，()()()()P B A P B AB P B P AB -=-=-．性质8 (加法公式) 对任意事件,A B ，有()()()() P P AB A P B P AB =+-．(1．2．5) 证 由于 ()A B A B AB =-，且(),A B AB -=∅于是有()()()()()()P A B P A P B AB P A P B P AB =+-=+-．推广 ,,A B C 是任意三个事件，则有()()()()()()()().P A B C P A P B P C P AB P AC P BC P ABC =++---+一般，对于任意n 个事件12,,,n A A A 有1121111()()()()...(1)()n n n i i i j i j k n i i j n i j k n i P A P A P A A P A A A P A A A -=≤<≤≤<<≤==-+++-∑∑∑．1．3 古典概率模型古典概型是人们最初讨论的一种随机试验，本节即要讨论古典概型中随机事件的概率．下面先看第１节的三个例子：1E ： 抛一枚硬币，观察出现正面还是反面．（分别用“H ” 和“T ” 表示出正面和反面）； 2E ：抛两枚硬币，观察出现的结果；3E ：掷一颗骰子，观察出现的点数．上述三个例子即为古典概型随机试验，它们有共同的特点：(1)样本空间只包含有限个样本点；(2)每个样本点在每次随机试验中等可能出现．凡是具有上述两个特点的随机试验就称为是古典概型，那么在古典概型中随机事件的概率应该如何计算？定义1.3.1 随机试验E 是古典概型，样本空间Ω共含有n 个样本点，随机事件A 含有r 个样本点，则定义事件A 的概率为： () A r P A n==Ω中本中本样点个数 样点个数． (1.3.1) 古典概型中许多概率的计算相当困难而富有技巧，按照上述概率的计算公式，计算的要点是给定样本点，并计算它的总数，而后再计算所求事件中含的样本点的数目．下面我们看一些典型的古典概率计算的例子．例1.3.1 将一枚硬币抛掷两次，设事件1A ={恰有一次出现正面}；事件2A ={至少有一次出现正面}，求1()P A 和2()P A ．解 正面记为“H ”，反面记为“T ”，则随机试验的样本空间为{,,,}HH HT TH TT Ω=， 而 {}1,A HT TH =，{},,2A HH HT TH =，于是121()42P A ==，23()4P A =． 例1.3.2 有10个电阻，其电阻值分别为1210ΩΩ⋯Ω，，，，从中取出三个，求取出的三个电阻，一个小于5Ω，一个等于5Ω，另一个大于5Ω的概率．解 把从10个电阻中取出3个的各种可能取法作为样本点全体，这是古典概型，样本空间的样本点数为103⎛⎫ ⎪⎝⎭，所求事件含样本点数为⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛151114．故所求概率为 41511111063P ⎛⎫⎛⎫⎛⎫ ⎪⎪⎪⎝⎭⎝⎭⎝⎭==⎛⎫ ⎪⎝⎭． 例1.3.3 30名学生中有3名运动员，将这30名学生平均分成3组，求：（1）每组有一名运动员的概率；（2）3名运动员集中在一个组的概率．解 设事件A={每组有一名运动员}，B={3名运动员集中在一组}，30名学生平均分成3组共有30201030!10101010!10!10!⎛⎫⎛⎫⎛⎫= ⎪⎪⎪⎝⎭⎝⎭⎝⎭种分法． （1）保证每组有一名运动员则有27!3!9!9!9!分法，所以50()30!20310!10!10!P A =27!3!9!9!9!=； （2）让3名运动员集中在一个组，则有272010371010⎛⎫⎛⎫⎛⎫⨯ ⎪⎪⎪⎝⎭⎝⎭⎝⎭分法，所以27201037101018()30!20310!10!10!P B ⎛⎫⎛⎫⎛⎫⨯ ⎪⎪⎪⎝⎭⎝⎭⎝⎭==． 例1.3.4（摸球模型）(1) （无放回地摸球）设袋中有M 个白球和N 个黑球，现从袋中无放回地依次摸出m n +个球，求所取球恰好含m 个白球，n 个黑球的概率．解 样本空间所含样本点总数为,M N m n +⎛⎫⎪+⎝⎭所求事件含的样本点数为,M N m n ⎛⎫⎛⎫ ⎪⎪⎝⎭⎝⎭所以所求概率为 M N m n P M N m n ⎛⎫⎛⎫ ⎪⎪⎝⎭⎝⎭=+⎛⎫ ⎪+⎝⎭． (2) 有放回地摸球设袋中有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 样本空间点总数为310101010⨯⨯=，所求事件所含样本点数为664⨯⨯，故 366410P ⨯⨯= 0.144=． 例1.3.5（盒子模型）设有n 个球，每个都能以相同的概率被放到N 个盒子()N n ≥的每一个盒子中，试求：(1)某指定的n 个盒子中各有一个球的概率；(2)恰好有n 个盒子中各有一个球的概率．解 设事件A={某指定的n 个盒子中各有一个球}，B={任意n 个盒子中各有一个球}． 由于每个球可落入N 个盒子中的任一个，所以n 个球在N 个盒子中的分布相当于从N 个元素中选取n 个进行有重复的排列，故共有nN 种可能分布．对于事件A ，相当于n 个球在那指定的n 个盒子中全排列，总数为!n ，所以 !()n n P A N=． 对于事件B ，n 个盒子可以任意，即可以从N 个盒子中任意选出n 个来，这种选法共有⎪⎪⎭⎫ ⎝⎛n N 种，对于每种选定的n 个盒子，再全排列，所以事件B 放法共有!N n n ⎛⎫ ⎪⎝⎭种，所以!()n N n n P B N⎛⎫ ⎪⎝⎭=． 上述例子是古典概型中一个比较典型的问题，不少问题都可以归结为它．例如概率论历史上有一个颇为有名的问题：要求参加某次集会的n 个人中没有两个人生日相同的概率．若把n个人看作上面问题中的n 个球，而把一年的365天作为盒子，则365N =，这时按照上述事件B 概率的求法就给出所求的概率．例如当40n =时，0109P =．，即40人中至少有两个人生日相同的概率为0891．，这个概率已经相当大了．例1.3.6 袋中有a 只黑球，b 只白球，它们除颜色不同外，其他方面没有差别，把球均匀混合，然后随机取出来，一次取一个，求第k 次取出的球是黑球的概率()1k a b ≤≤+． 解 设事件A ={第k 次取出的球是黑球}．法1 把a 只黑球及b 只白球都看作是不同的(例如设想把它们进行编号)，若把取出的球依次放在排列成一行的a b +个位置上，则可能的排列法相当于把a b +个元素进行全排列，总数为()!a b +，把它们作为样本点全体．A 事件所含样本点数为(1)!a a b ⨯+-，这是因为第k 次取得黑球有a 种取法，而另外1a b +-次取球相当于1a b +-只球进行全排列，有(1)!a b +-种取法，故所求概率为(1)!()()!a a b a P A a b a b⨯+-==++， 结果与k 无关．实际上本例就是一抽签模型，例如在体育比赛中进行抽签，对各队机会均等，与抽签的先后次序无关．法2 把a 只黑球看作是没有区别的，把b 只白球也看作是没有区别的．仍把取出的球依次放在排列成一行的a b +位置上，因若把a 只黑球的位置固定下来则其他位置必然是放白球，而黑球的位置可以有⎪⎪⎭⎫⎝⎛+b b a 种放法，以这种放法作为样本点．对于事件A ，由于第k 次取得黑球，这个位置必须放黑球，剩下的黑球可以在1a b +-个位置上任取1a -个位置，因此共有⎪⎪⎭⎫ ⎝⎛--+11a b a 种放法．所以所求概率为b a a a b a a b a P k +=⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛--+=11． 两种不同的解法答案相同，两种解法的区别在于，选取的样本空间不同．在[法一]中把球看作是“有区别的”，而在[法二]中则对同色球不加区别，因此在第一种解法中要顾及各黑球及各白球间的顺序而用排列，第二种解法则不注意顺序而用组合，但最后还是得出了相同的答案．由本例，我们必须注意，在计算样本点总数及所求事件含的样本点数时，必须对同一个确定的样本空间考虑，因此其中一个考虑顺序，另一个也必须考虑顺序，否则结果一定不正确．1．4 条件概率在许多实际问题中，除了考虑()P B 外，有时还需要考虑在一定条件下事件B 发生的概率，比如，已知事件A 发生的条件下，事件B 发生的概率，我们称这种概率为事件A 发生的条件下事件B 发生的条件概率，记为(|)P B A ．1.4.1 条件概率的定义引例 盒中有4个外形相同的球，分别标有1,2,3,4，现在从盒中有放回的取两次球，每次取一球．则该试验的所有可能的结果为(1，1) (1，2) (1，3) (1，4)(2，1) (2，2) (2，3) (2，4)(3，1) (3，2) (3，3) (3，4)(4，1) (4，2) (4，3) (4，4)其中(,)i j 表示第一次取i 号球，第二次取j 号球，设A ={ 第一次取出球的标号为2}，B ={ 取出的两球标号之和为4}， 则事件{(13),(2,2),(3,1)}B =，，因此事件B 的概率为 ()316P B =． 下面我们考虑在事件A 发生的条件下，事件B 发生的概率(|)P B A ．由于已知事件A 已经发生，{(21),(2,2),(2,3),(2,4)}A =，，这时，事件B 在事件A 已经发生的条件下发生，那么只可能出现样本点(2,2)，因此A 发生的条件下B 发生的概率为14，即 1(|)4P B A =． 由引例可以看出，事件B 在“条件A 已发生”这附加条件下的概率与不附加这个条件的概率是不同的．那么如何计算条件概率(|)P B A 呢？定义1.4.1 设A 、B 是两个随机事件，()0P A >，称()(|)()P AB P B A P A = (1.4.1) 为在事件A 已发生的条件下事件B 发生的条件概率． 在上述引例中，41(),()1616P A P AB ==，显然有()(|)()P AB P B A P A ==14． 例1.4.1 10个产品中有7个正品，3个次品，按照不放回抽样，每次一个，抽取两次，求(1) 两次都抽到次品的概率；(2 ) 第二次才取到次品的概率；(3）已知第一次取到次品，第二次又取到次品的概率．解 设A ，B 分别表示第一次和第二次抽到的是次品．(1) ()P AB ＝32110915⨯⨯＝； (2) 737()10930P AB ⨯==⨯；(3) 12()215(|)39()1510P AB P B A P A ====．例 1.4.２ 某种动物由出生算起活20岁以上的概率为0.8，活到25岁以上的概率为0.4， 如果现在有一个20岁的这种动物，问它能活到25岁以上的概率是多少?解 设事件A ={能活20岁以上}，事件B ={能活25岁以上}，即要求条件概率P(B A)，由题()0.8P A =，()0.4P B =，()()P AB P B =，于是()(|)()P AB P B A P A =0.410.82==． 1.4.2 条件概率)|(A P ⋅的性质容易验证条件概率|P A ⋅（）也有非负性、规范性和可列可加性三条性质： (1) 非负性：对任意的B ，(|)P B A ≥0； (2) 规范性： (|)1P A Ω=；(3) 可列可加性：对任意的一列两两互斥的事件,(1,2,)i B i ⋯＝，有 11(|)(|)i i i i P B A P B A ∞∞===∑．因此，条件概率仍然是概率，所以条件概率也具有有限可加性、减法公式、加法公式等无条件概率所具有的一些性质．如对任意的12,B B ，有：(1) 121212(|)(|)(|)(|)P B B A P B A P B A P B B A =+-；（2）12112(|)(|)(|)P B B A P B A P B B A -=-； （3）若()(|)1()P B A B P B A P A ⊂==，则． 例1.4.３ 一张储蓄卡的密码共6位数字，每位数字都可从0~9中任选一个．某人在银行自动提款机上取钱时，忘记了密码的最后一位数字，求：(1）任意按最后一位数字，不超过2次就按对的概率；(2）如果他记得密码的最后一位是偶数，不超过2次就按对的概率．解 设事件A ={任意按最后一位数字，不超过2次就按对}，事件i A ={第i 次按对密码}(1,2i =)，则__112()A A A A =，(1）因为事件1A 与事件12A A 互斥，由概率的加法公式得__1121911()()()101095P A P A P A A ⨯=+=+=⨯；(2）事件B =｛最后一位按偶数｝，则____112112(|)(()|)(|)(|)P A B P A A A B P A B P A A B ==+14125545⨯=+=⨯． 1.4.3 乘法公式由条件概率定义的（1.4.1）可得，当()0P A >时，有()(|)P AB P A P B A =（）， （1.4.2） 及()0P B >时，()(|)P AB P B P A B =（）． （1.4.3） 推广 12,,,n A A A 为n 个事件，且12n-1()0P A A A >，则有 12n 121321n 121()()(|)(|)(|)n P A A A P A P A A P A A A P A A A A -=． （1.4.4）特别的，当3n ＝时，有()(|)(|)P ABC P A P B A P C AB =（）．乘法公式一般用于计算多个事件同时发生的概率．例1.4.4设袋中装有r 只红球，t 只白球．每次取一只观察其颜色并放回，并同时再放入a 只同色球，连续取四次，试求第一次、第二次取到红球且第三、四次取到白球的概率．解 以i A 表示事件“第i 次取到红球”1,2,3,4i =，则43,A A 分别表示第三次、第四次取到白球，即要求事件1234A A A A 的概率，由乘法公式(1.4.4)得12341213124123()()(|)(|)(|)P A A A A P A P A A P A A A P A A A A =r r a t t ar t r t a r t a a r t a a a ++=⋅⋅⋅++++++++++ ()()()()(2)(3)rt r a t a r t r t a r t a r t a ++=+++++++．1.4.4全概率公式和贝叶斯公式全概率公式和贝叶斯公式是概率论中两个比较重要的公式，它们将一个比较复杂事件的概率转化为不同条件下发生的比较简单的条件概率来计算．下面首先介绍一下样本空间划分的概念．定义 1.4.2 设Ω是随机试验E 的样本空间，12,,,n B B B 是E 的一列随机事件，若 (1),,,1,2,,i j B B i j i j n =∅≠=；(2)12n B B B =Ω，则称12,,,n B B B 为样本空间Ω的一个有限划分．定理 1.4.1 （全概率公式）设12,,,n B B B 是样本空间Ω的一个有限划分，且()0,1,2,i P B i n >=，则对任一事件A ，有()1()(|)iii P A P B P A B ∞==∑． （1.4.5）证1()()[()]ni i P A P A P A B ==Ω=1(())ni i P AB ==，对任意i j i j,B B ≠=∅，得()i AB ()()=Φi j AB AB ，由概率的有限可加性得11(())()nn i i i i P AB P AB ===∑=1()(|)ni i i P B P A B =∑．例1.4.5 有一批同一型号的产品，其中由甲厂生产的占30%，乙厂生产的占50%，丙厂生产的占20%，又知这甲、乙、丙三个厂的产品次品率分别为2%，1%，1%，问从这批产品中任取一件，取到次品的概率是多少?解 设事件A 为“任取一件为次品”，事件123,,B B B 分别为产品由甲、乙、丙厂生产，显然123,B B B =Ω且,,1,2,3i j B B i j =∅=，即123B ,B ,B 构成样本空间的划分．所以由（1.4.5）112233()()()()()()()P A P A B P B P A B P B P A B P B =++，123()0.02()0.01()0.01P A B P A B P A B ===，，，故112233()()()()()()()P A P A B P B P A B P B P A B P B =++0020300105001020013.......=⨯+⨯+⨯=．定理 1.4.2 （贝叶斯公式）设12,,,n B B B 是样本空间Ω的一个划分，()i P B 0>，1,2,3,,i n =，对任意事件A ，有1()(|)(|),1,2,...()(|)i i i njjj P B P A B P B A i n P B P A B ===∑． (1.4.6)证 i i P(B A )P(B A )P(A )=1i i njj j P(A B )P(B ),P(A B)P(B )==∑ 1,2,,i n =．例1.4.6 （续例1．4．5） 有一批同一型号的产品，其中由甲厂生产的占30%，乙厂生产的占50%，丙厂生产的占20%，又知这甲、乙、丙三个厂的产品次品率分别为2%，1%，1%，问从这批产品中任取一件，发现是次品，那么它分别由甲、乙、丙厂生产的概率是多少?解 123(),(),()P B A P B A P B A 即为所要求的条件概率，由贝叶斯公式(1.4.6)，11131()(|)0.020.3(|)0.460.020.30.010.50.010.2()(|)jjj P B P A B P B A P B P A B =⨯===⨯+⨯+⨯∑；22231()(|)0.010.5(|)0.380.020.30.010.50.010.2()(|)jjj P B P A B P B A P B P A B =⨯===⨯+⨯+⨯∑；33331()(|)0.010.2(|)0.150.020.30.010.50.010.2()(|)jjj P B P A B P B A P B P A B =⨯===⨯+⨯+⨯∑．例1.4.7袋中有4个红球，6个白球，作不放回的摸球两次，求（1）第二次摸到红球的概率；（2）已知第二次摸到红球，求第一次摸到的也是红球的概率．解 设A ={第一次摸到红球}，A ={第一次摸到白球}，B ={第二次摸到红球}．显然11114634(),(),(|),(|)101099P A P A P B A P B A ====； （1）由全概率公式(1．4．５)111143642()()(|)()(|)1091095P B P A P B A P A P B A =+=⨯+⨯=； （2）由贝叶斯公式(1.4.5)1111111()(|)1(|)()(|)()(|)3P A P B A P A B P A P B A P A P B A ==+．例1．4．8 某一地区患有癌症的人占0.005，患者对一种试验反应是阳性的概率为0.95，正常人对这种试验反应是阳性的概率为0.04，现抽查了一个人，试验反应是阳性，问此人是癌症患者的概率有多大?解 设A ={抽查的人患有癌症}，B ={试验结果是阳性}，则__A ={抽查的人没有患癌症}．()0.005, ()0.995 ,(|)0.95, (|)0.04P A P A P B A P B A ====．由贝叶斯公式(1．4．5)，得()(|)(|)0.1066 ()(|)()(|)P A P B A P A B P A P B A P A P B A ==+．这表明某人的试验结果为阳性，但此人确患癌症的概率却非常小，只有0.1066，即平均来说，1000个检查结果呈阳性的人中大约只有107人确患癌症．那是否说明该试验对于诊断一个人是否患有癌症没有意义？我们来分析一下．如果不做试验，随机抽取一人，那么他是癌症患者的概率为()0.005P A =，若进行试验，试验后呈阳性反应，则根据试验得到的信息：此人是癌症患者的概率为P (|)0.1066A B =．概率从0.005增加到0.1066，约增加了21倍，说明试验对于诊断一个人是否患癌症有意义．至于试验结果呈阳性患癌症的概率还如此低，是由癌症的患病率非常低0.005导致的．1．5 事件的独立性条件概率(|)P B A 通常来说与()P B 不相等，这反映了事件A 的发生与否对事件B 有影响；若(|)P B A 与()P B 相等，则反映了事件A 的发生与否对事件B 无影响．如：抛硬币两次，事件A ＝{第一次正面向上}，B ＝{第二次正面向上}．1()(|)2P B P B A ==． 所以两个事件A 、B 其中一个发生与否，不影响另一件事件发生的可能性大小，此时 (|)()P B A P B =，即：()(|)()()P AB P B A P B P A ==， 于是得到()()()P AB P A P B =，我们称A 与B 相互独立．定义 1.5.1 对事件A 和B ，如果()()()P AB P A P B =，则称事件A 与事件B 相互独立．定理1．5．1 设A ，B 是两个事件， 且0)(>A P ，若A ，B 相互独立，则)()|(A P B A P =． 定理1.5.2 设事件A ，B 相互独立，则A 与B ，A 与B ，A 与B 各对事件也相互独立． 证 因为____()A A A BB ABA B =Ω==，显然__,AB A B 互斥，故______()()()()()()()P A P ABAB P AB P AB P A P B P AB ==+=+，于是____()()()()()(1())()()P A B P A P A P B P A P B P A P B =-=-=，所以A 与B 相互独立．由A ，B 相互独立可以推出A 与B 相互独立，于是，A 与B 相互独立可推出A 与B 相互独立，再由B =B ，又可推出A 与B 相互独立．定理1.5.3 若事件A ，B 相互独立，且0()1P A <<，则__(|)(|)()P B A P B A P B ==．证()()()(|)()()()P AB P A P B P B A P B P A P A ===，__________()()()(|)()()()P A B P A P B P B A P B P A P A ===． 定义1.5.2 （三个事件相互独立） 设C B A ,,为三个事件，若等式),()()()(),()()(),()()(),()()(C P B P A P ABC P C P B P BC P C P A P AC P B P A P AB P ====同时满足，则称事件C B A ,,相互独立．类似的可以定义n 个事件相互独立．定义1.5.3 设12,,,n A A A 是n 个事件，若对其中任意k 个事件12,,,k i i i A A A(2)k n ≤≤有1212()()()()k k i i i i i i P A A A P A P A P A =，则称这n 个事件是相互独立的．定义 1.5.4 设有n 个事件12,,,n A A A （3≥n ），若对其中任意两个事件i A 与)1(n j i A j ≤<≤有)()()(j i j i A P A P A A P =则称这n 个事件是两两相互独立的．显然，若n 个事件12,,,n A A A 相互独立，则n 个事件一定是两两相互独立，但反之不一定成立．在实际应用中，独立性的判断一般不会采用定义判断，而是根据问题的实际意义去判断，如抛硬币两次，事件A ＝{第一次正面向上}，B ＝{第二次正面向上}，第一次出现哪一面并不影响第二次出现正面的概率，所以事件,A B 相互独立．例1.5.1甲、乙两射手独立地向同一目标射击一次，其中命中率分别为0.9和0.8， (1) 求目标被击中的概率；(2) 现已知目标被击中，求它是由甲击中的概率． 解 设A ={甲命中}，B ＝{乙命中}，C ={目标被击中}，(1) () () ()()()()0.90.80.90.80.98P C P A B P A P B P A P B ==+-=+-⨯=； (2) ()()(|)()[()()()()]P AC P A P A C P C P A P B P A P B ==+-0.90.920.98==． 例1.5.２ 设高射炮每次击中飞机的概率为0.2，问至少需要多少门这种高射炮同时独立发射（每门射一次）才能使击中飞机的概率达到95%以上？解 设需要n 门高射炮，A ＝｛飞机被击中｝，A i ＝｛第i 门高射炮击中飞机｝，12)i n =⋯（，，，，则12()()n P A P A A A =⋯=_____________________121()n P A A A -______121()n P A A A =-，由相互独立的性质____________1212()()()()n n P A A A P A P A P A =，于是______12()1()()()1(10.2)n n P A P A P A P A =-=--，令1(10.2)0.95n--≥，得08005n≤．．，即得14n ≥．即至少需要14门高射炮才能有95%以上的把握击中飞机．例 1.5.３ 一个元件能正常工作的概率称为这个元件的可靠性，一个系统能正常工作的概率称为这个系统的可靠性．设一个系统由四个元件按图示方式（图１．２）组成，各个元件相互独立，且每个元件的可靠性都等于)10(<<p p ，求这个系统的可靠性．。
随机事件的概率
随机事件的概率导言：随机事件是指在一定条件下，由于种种因素的不确定性而发生的事件。
生活中的许多事情都是随机事件，无法预测和控制。
我们对于随机事件的发生与否往往抱有一定的期望或预测，这就引出了随机事件的概率。
一、什么是概率？概率（probability）是现代数学中研究事件发生的一种数学方法。
概率既是一种数学工具，同时也是描述随机现象出现“规律”的一种观念。
概率的大小通常用数字来表示，范围在0到1之间，概率越大，表示事件发生的可能性越大。
二、概率的计算方法1. 古典概率：古典概率也叫“理论概率”，它是指当各种结果发生的机会是等可能的时候，可以根据有限的样本空间中可能结果的数目比来计算。
例如投掷均匀的骰子，每一个面都有相同的机会出现，那么每一个面出现的概率就是1/6。
2. 频率概率：频率概率也叫“实验概率”，它是指在实际的重复试验中，事件发生的次数与总的试验次数的比例。
例如，我们可以通过多次投掷骰子的实验来计算每个面出现的概率，通过实验的结果来估计概率。
3. 主观概率：主观概率也叫“人为概率”，它是指个人根据经验、直觉和一些可能的关联性来估计事件发生的概率。
这种概率是主观的，因为它依赖于个人的判断和看法。
三、随机事件的应用随机事件的概率在现实生活中有着广泛的应用，下面举几个例子进行阐述：1. 赌场中的赌博：在赌场中，很多赌博游戏都基于随机事件的概率来决定输赢。
例如，在轮盘赌中，赌徒根据小球停在哪一个数字上来下注，而小球停留在哪个数字上是完全由随机事件决定的。
赌徒可以根据每个数字出现的概率来决定下注的策略。
2. 保险业的风险评估：在保险业中，概率是一个非常重要的概念。
保险公司需要根据客户的信息以及历史数据来评估风险，并计算出合理的保险费用。
例如，在车险中，保险公司需要根据客户的驾驶记录和车辆信息来评估客户发生车祸的概率，并根据概率来决定保险费用的高低。
3. 股票市场：在股票市场中，投资者根据股票的历史数据和一些基本面分析来预测股票的未来涨跌。
第一章 随机事件及概率讲解
（2）事件的相等：若 A B 且 B A ， 则称A与B相等，记为A=B。
包含关系的性质： (a) A ; (b)A A (c)若A B且B C,则A C (d )若A B且B A,则A B
(3) n个元素的全排列数为 Anr n(n 1) 3 21 n!
c. 组合
（1）从n个元素中取出r个元素而不考虑其顺序，称为组 合，其总数为
C
r n
n r
Anr r!
n(n 1) (n r 1) r!
n! r!(n r)!
（2）若r1 r2 rk n，把n个不同的元素分成k个部分，
事件的交(积) ：事件A与B都发生，称
为A与B的积（交）事件，记为 A B
。
推广：
事件 A1, A2,, An 同时发生：
n
A1 A2 An Ai i 1
事件 A1, A2, 同时发生：
A1 A2 Ai i 1
5、差事件：事件A发生但B不发生 称为A与B之差，记为A-B
例2.9：某城市共发行A,B,C三种报纸，调 查表明居民家庭中订购C报的占30%，同 时订购A,B两报的占10%,同时订购A,C及 B,C两报的各占8%，5%，三报都订的占 3%.今在该城中任找一户，问该户(1)只订 A、B两报；(2)只订C报的概率各为多少？
第一章 概率论的基本概 念
1 理解随机事件的概念，了解样本空间的 概念，掌握事件之间的关系和运算。
2 理解概率的定义，掌握概率的基本性质， 并能应用这些性质进行概率计算。
随机事件与概率
如：抛一颗骰子， A “出现点数不超过3”， B “出现点数大于4”，则：
A {1,2,3} B {5,6} A {4,5,6} 显然：A 与 A 互为对立事件，同时也是互斥事
件；A 与B 互为互斥事件，但不是对立事件.
【例】随机将一枚硬币抛三次,用H表示正面, T表示反面,求：
数点”，请思考：
1、事件 A 发生会导致事件B 的发生吗？ 会 2、事件 B 发生会导致事件 A的发生吗？ 不会
事件的包含关系：若事件 A 发生必然导致事件 B 发 生，则称事件 B 包含事件 A，也称事件 A 包含 于事件 B. 记为 A B（或 B A ）.
维恩图表示：
AB
注：⑴事件 A 是事件 B 的子事件即 A B ，换一说 法：如果事件 B 不发生必然导致事件 A 不发生；
例3：某人连续三次购买体育彩票，每次一张，令 A, B,C 分别表示其第一、二、三次所买彩票 中奖的事件. 试用A, B,C及运算写出下列事件.
A
B
C
⑴第三次未中奖； ⑵只有第三次中了奖；
C
A BC
⑶恰有一次中奖； AB C U ABC U A BC A B C ⑷至少有一次中奖；
⑸不止一次中奖； AB U BC U AC
如：包含两个样本点的样本空间
{H, T}
它既可以作为抛掷硬币出现正面或出现反面的模 型，也可以作为产品检验中合格与不合格的模型， 又能用于排队现象中有人排队与无人排队的模型 …………
⑵样本空间的元素是由试验的目的所确定的.
如：将一枚硬币连续抛掷两次，观察正面H、反面 T出现的情况. 则样本空间为：
A B A发生或B发生 A, B中至少有一个发生
维恩图表示：
一概率论的基本概念
2）将一枚硬币抛掷二次，观察出现正面的次数。
3）在一批电视中任抽取一次，测试它的寿命。
注： 样本空间是一个有限或无限的点集。 样本空间的元素是由试验的目的所确定。
随机事件（简称事件）：
随机试验E的样本空间 的子集称为E的随机事件。
通常用大写字母A，B,…表示。 当且仅当这一子集中的一个样本点出现时，称这一
20 同色球无区别。 k
例4 两封信任意地向标号为1,2,3,4的四个邮筒投寄， 求 1）第3个邮筒恰好投入1封信的概率； 2）有两个邮筒各有一封信的概率。 解 1)设事件A表示“第三个邮筒只投入1封信” 两封信任意投入4个邮筒，共有 42 种 而事件A的不同投法有
2)设事件B表示“有两个邮筒各有1封信”
P(A )
r P365 r
例6 设有n个球每个球都以同样的概率 格子（N≥ n）的每个格子中，试求 1）某指定的n个格子中各有一球的概率。
落到N个
2）任何n个格子中各有1球的概率。 解 设 A =｛某指定的n个格子中各有一球｝
B =｛任何n个格子中各有一球｝ 1 2 3 n
N
例7：从0,1,2, …,9共10个数字中随机地有放回地接连取4 个数字,并按其出现的先后排成一行.试求下列事件的概 率
例(5) 有r 个人，设每个人的生日是365天的 任何一天是等可能的，试求事件“至少有两 人同生日”的概率.
解：令 A={至少有两人同生日} 则 A ={ r 个人的生日都不同} 为求P(A), 先求P( A )
(365) r P365 P(A ) 1 P(A ) 1 r (365)
于是 P ( A) 1 P ( A ) 1 1 1 2! 3! 3
1 1 n1 1 1 (1 ( 1) ) 2! 3! n! 1 1 n 1 ( 1) 2! 3! n!
- 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)。
Ai Aj (i j )
L( A) P( A) L ( )
本节目录 本章目录
其中，L(A), L(Ω)分别 表示 A 与Ω的度量。
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第 19 页
§1.2.3
几何概型 两艘轮船在同一昼夜都要停靠同一泊位，
第 10 页
§1.2.2
古典概型（等可能概型） 将一硬币抛三次，A 表示 “恰有一次出现
例1.2.1
正面” ，B 表示 “三次出现同一面”，求P(A)，P(B)。 解 注：将一硬币抛三次，直接观察正面出现的次数，
则Ω={ 0, 1, 2, 3 }，A={ 1 }，B={ 0, 3 }. 这时不能直接运
例1.2.3 袋中有 a 个红球和 b 个白球，现有 a+b 个
人依次从中取出一球(不放回)，求下列各事件的概率： ⑴ A：第 k(1≤k≤a+b)个人取到红球； ⑵ B：第 k(2≤k≤b+1)个人才取到红球； ⑶ C：前 k(1≤k≤b)个人能取到红球 解
注① 本例是现实生活中一类问题的代表，本例中的“球” 可以理解为任何事物，只要所考虑的问题的结构与本例相同，便 可套用本例的方法和结果。比如，这里的红球可以表示能获得稀 缺物品，而白球则表示不能获得稀缺物品。
例1.2.2 设有 N 件某种产品，其中有 M 件是次品。
今从中任取 n 件，问其中恰有m 件次品的概率是多少？
(max{ 0, n+M-N }≤m≤min{ M, n }) 解
本节目录
本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第 12 页
§1.2.2
古典概型（等可能概型）
用古典概型的概率计算公式计算P(A)和P(B)，这是因为
这样确定的基本事件没有等可能性。因此，在解决古典 概型的概率计算问题时，一定要注意所确定的基本事件 是否具有等可能性！
本节目录 本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第 11 页
§1.2.2
古典概型（等可能概型）
本节目录 本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第4页
§1.2.1
概率的统计定义
频率具有下列性质：
⑴ 对于任一事件 A ，均有 0≤ fn(A) ≤ 1；
⑵ fn(Ω)=1 ； ⑶若 A1, A2, … , Am 两两互不相容，则有
f n ( U Ai ) f n ( Ai ) .
人依次从中取出一球(不放回)，求下列各事件的概率： ⑴ A：第 k(1≤k≤a+b)个人取到红球； ⑵ B：第 k(2≤k≤b+1)个人才取到红球； ⑶ C：前 k(1≤k≤b)个人能取到红球
注③ ⑶中的事件C是指 “前 k 个人取到的 k 个球中至少有 1
个红球” 。像这类事件，直接求其概率比较复杂，往往是通过求 其对立事件的概率来解决。
点有限且等可能发生的场合；几何概型的概率计算公式
（也是定义）适用于样本点无限（但可度量）且等可能 发生的场合；而概率的统计定义实际上没有提供概率的 计算公式，只是提供了一种估计概率的方法，用频率近 似代替概率的好处是便于实际应用，不必考虑样本点是
否具有等可能性，它的缺点是要做大量的试验，费工费
时。
本节目录 本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第 21 页
§1.2.4
概率的公理化定义
在实际应用中随机试验的类型是多种多样的，因此
有必要建立概率的统一定义。
在总结了前人的研究成果基础上，柯尔莫哥洛夫于 1933年建立了概率的公理化定义。这一定义概括了历史 上几种概率定义中的共同特征，同时避免了各自的局限 性和含混之处。这一定义为现代概率论发展打下了坚实
概率的统计定义 设 E 为一随机试验，A 为 E 的一事件，
定义1.2.1
在相同条件下将 E 独立地重复进行 n 次，以 nA 表示事
件 A 在这 n 次试验中发生的次数，称 nA为事件 A 在这 nA n 次试验中发生的频数，称比值为 事件的频率，记 n 为 fn(A)。即 nA f n ( A) n
第 1 章 随机事件与概率
§1.2 随机事件的概率
第 1.2 设随机试验 E 具有如下特征： ⑴样本空间Ω是一维、二维或三维空间中度量有限 的区间或区域（这里所说的度量指一维区间的长度、二 维区域的面积或三维区域的体积）； ⑵样本点在样本空间Ω中均匀分布。 则称随机试验 E 为几何概型。 设 A 是几何概型 E 的随机事件，则可定义： L( A) 其中，L(A), L(Ω)分别 P( A) L ( ) 表示 A 与Ω的度量。
m P ( A) n
古典概型的概率定义 （计算公式）
一般把这类随机试验称为古典概型，也称为等可能
概型。
本节目录 本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第9页
§1.2.2
古典概型（等可能概型）
对于古典概型的概率定义，有：
⑴ 对于任一事件 A ，均有 0≤ P(A) ≤ 1；
第2页
§1.2 随机事件的概率
在一次随机试验中，随机事件A 是否发生具有偶然 性，但随机事件A 发生的可能性的大小是可以用 [ 0 , 1] 上的实数来度量的。这个实数就叫事件A 的概率，记为
P(A)。
本节目录
本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第3页
§1.2.1
本节目录 本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第 18 页
§1.2.3
几何概型
对于几何概型，有：
⑴ 对于任一事件 A ，均有 0≤ P(A) ≤ 1； ⑵ P(Ω)=1 ； ⑶若可列个事件 A1, A2, … , Am , …两两互不相容， 则有
P ( U Ai ) P ( Ai ) .
⑵ P(Ω)=1 ； ⑶若 A1, A2, … , Am 两两互不相容，则有
P ( U Ai ) P ( Ai ) .
i 1 i 1 m m
Ai Aj (i j ; i, j 1,2,L , m)
本节目录
本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
P( U Ai ) P ( Ai )
i 1 i 1
则称 P 为定义在（Ω，ℱ）的概率，P(A)（A∈ℱ）称为事件 A 的
概率，三元总体（Ω，ℱ，P）称为概率空间，称定义中的条件⑶ 为概率的可列可加性。
本节目录 本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
本节目录
本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第 16 页
§1.2.3
几何概型
古典概型要求其样本空间中的样本点（基本事件）
有限且每个样本点（基本事件）发生的可能性相同。如
果样本点有无穷多，但样本点的出现仍具有等可能性，
这就需要介绍几何概型。
本节目录
本章目录
江苏师范大学
注② 从⑴的结果看，第 k 个人取到红球的概率与 k 无关。
这一结果说明：人们采用抽签方法来决定稀缺物品的归属问题是 公平的。
本节目录 本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第 14 页
§1.2.2
古典概型（等可能概型）
例1.2.3 袋中有 a 个红球和 b 个白球，现有 a+b 个
一般把这类随机试验称为古典概型，也称为等可能
概型。
本节目录 本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第8页
§1.2.2
古典概型（等可能概型）
在古典概型中，对随机试验 E，若样本空间的样本
点（基本事件）总数为 n，事件 A 所包含的样本点（基
本事件）数为 m ，则事件 A 的概率为
大；反之若A 的频率fn(A)愈大表明A 发生的可能性也愈
大。因此频率与概率应有紧密的关系。在实际中常把频
率作为概率的近似值。但频率作为概率的定义是行不通
的。因为频率具有波动性，即使同样进行了 n 次试验， 频率fn(A)也会不同。
本节目录 本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第6页
§1.2.1
概率的统计定义
但人们经过长期实践发现，当试验的次数 n 越大，
频率fn(A)的波动性会越小。当n 足够大时，频率fn(A)会 在某一个确定值附近摆动，而且n 越大摆动幅度越小。 这个确定的值称为频率fn(A)的稳定值。我们把频率这一 性质称为频率的稳定性。 频率 fn(A) 的稳定值反映了事件 A 发生的可能性大 小。我们把 fn(A)的稳定值定义为事件的概率. 这一定义 称为概率的统计定义。
基础。
本节目录
本章目录
江苏师范大学
第 1 章 随机事件与概率
§1.2 随机事件的概率
第 22 页
§1.2.4
概率的公理化定义
在具体的随机试验中，有些试验其样本空间的所有子集均可 以作为随机事件进行研究，有些则不能。因此，我们在给出概率 的公理化定义之前，先介绍一下σ-代数的概念。
定义1.2.3 设Ω为样本空间，称Ω的一些子集所组成的集合ℱ 为Ω的一个σ-代数，如果 ℱ 满足下列条件： ⑴ Ω∈ℱ ； ⑵ 若A∈ℱ，则 A ∈ℱ ； ⑶ 若Ai∈ℱ，i = 1, 2, …，则 U Ai ∈ℱ 。