第三节 等可能概型
1-4-等可能概型(古典概型)

解: 64 个人生日各不相同的概率为
365 364 (365 64 1) . 64 365
故64 个人中至少有2人生日相同的概率为
365 364 (365 64 1) 0.997. 1 64 365
说明
随机选取n( 365)个人, 他们的生日各不相同的 概 率为
为 E 的任意一个事件,且包含 k 个样本点,则事
件 A 出现的概率记为:
k A 所包含样本点的个数 P( A) . n 样本点总数
称此为概率的古典定义.
讲评
对于古典概型应注意以下几点:
(1) 古典概型是学习概率统计的基础,因此它是非
常重要的概率模型;
(2) 计算古典概型概率时,首先要判断有限性和等
因此 P ( A 2 ) 7 8 .
3. 摸球问题
(1) 无放回地摸球 问题1 设袋中有4 只白球和 2只黑球,现从袋中无 放回地依次摸出2只球,求这2只球都是白球的概率. 解: A {摸得 2 只球都是白球 设 },
6 基本事件总数为 , 2
4 A 所包含基本事件的个数为 , 2 4 6 2 故 P ( A) . 2 2 5
可能性是否满足;其次要弄清楚样本空间是怎样
构成的。对于复杂问题只要求基本事件的总数n,
同时求出所讨论事件A包含的基本事件数k,再利
用公式计算出P(A)。
(3) 判断是否古典概型的关键是等可能性。有限性较
容易看出,但等可能性较难判定。
一般在包含有n个样本点的样本空间中,如果没 有理由认为某些基本事件发生的可能性与另一些基本
于排列与组合的基本知识,事件间的关系及运算亦
概率论与数理统计 第一章 1.3等可能概型

概率论
54 3 P(C) = 2 = . 所以 8 12 (2) 采取不放回抽样.
从箱子中任取两件产品,每次取一件,取法总数为12⋅ 11 . ⋅
⋅ 即样本空间中所含有的基本事件总数为 12⋅ 11 . 1 1 事件A 事件 中所含有的基本事件数为 C9C8 = 9⋅ 8 . 9⋅ 8 6 = . 所以 P( A) = 12⋅ 11 11 事件B 事件 中所含有的基本事件数为 C1C1 = 9⋅ 3 . 9 3 9⋅ 3 9 所以 P( B) = = . 12⋅ 11 44
8 5 1 9 4 6 7 2 3 10
概率论
我们用 i 表示取到 i 号球, 号球, i =1,2,…,10 . 则该试验的样本空间
如i =2
2
S={1,2,…,10} ,
且每个样本点(或者说基本 且每个样本点 或者说基本 事件)出现的可能性相同 事件 出现的可能性相同 . 称这样一类随机试验为古 称这样一类随机试验为古 典概型. 典概型
乘法原理
概率论
完成某件事情需先后分成m个步骤 做第一步有 完成某件事情需先后分成 个步骤,做第一步有 1 个步骤 做第一步有n 种方法,第二步有 种方法,依次类推 第二步有n 依次类推,第 步有 步有n 种方法 第二步有 2种方法 依次类推 第m步有 m种方 特点是各个步骤连续完成. 法,特点是各个步骤连续完成 特点是各个步骤连续完成 则完成这件事共有N=n1×n2×…×nm种不同的方法 则完成这件事共有 × 种不同的方法,
即样本空间中所含的基本事件数为122 . C1C1 = 92 . 事件A 事件 中所含有的基本事件数为 9 9 92 9 = 2 = . 所以 P( A) 12 16 C1C1 = 9⋅ 3 . 事件B 事件 中所含有的基本事件数为 9 3 9⋅ 3 3 所以 P( B) = 2 = . 16 12 事件C 事件 中所含有的基本事件数为
等可能概型

等可能概型1. 定义若试验E 具有如下两个特点{}12,,,n ωωωΩ= (1)样本空间只含有限个样本点,(2)每个基本事件发生的可能性相同,{}{}{}12n P P P ωωω=== 则称这种试验为等可能概型(或古典概型)。
关于等可能性:如果没有理由认为哪个结果出现的概率比其他的大. 需要结合具体问题分析。
1)加法原理:分类计数2. 概率计算()A n A P A n ==Ω所包含的样本点数中的样本点数2)一般事件的概率1)基本事件的概率{}{}{}121=n P P P n ωωω=== 3. 计数原理2)乘法原理:分步计数n = n 1 + n 2 + … + n k n = n 1 ×n 2 ×… ×n kA 1A 2A K…A:A 1A 2A K …A例1 抛一枚骰子两次,求两次点数均为偶数的概率。
解:样本空间Ω{(,)|,,1,6},6636i j i j N i j n =∈≤≤=⨯=A=“两次点数均为偶数”={ (2, 2), (2, 4), (2, 6), (4, 2), (4, 4), (4, 6), (6, 2), (6, 4), (6, 6), }19,()4A A n n P A n ===方法二:抛一次,出现奇数记为1,出现偶数记为0{(,)|,{0,1}},224,{(0,0)}i j i j n A Ω=∈=⨯==1()4P A =例2 产品抽样问题一批产品共有N 件,其中次品M 件.从中任取n 次,(每次一件不放回),求事件A”恰好取到k 件次品”的概率.().k n kM N Mn N C C P A C --=所求的概率为解:从N 件产品中取出n 件,每种取法是一个基本事件.,n n k kN A N M Mn C n C C --==从5双不同的鞋中任取4只,求其中至少有一双的概率.练习思考?1)在0,1,2,3四个数字中,无重复任取3个作排列,求恰好能排成一个三位偶数的概率.0243224,322210A n n n n =⨯⨯==+=⨯+⨯=解:A: “排成一个三位偶数”()5/12P A =所求的概率为13/21p =休息,休息一下!。
等可能概型概述

P( Ai Aj Ak ) (n 3)!/ n! 1/ 3!Cn3, i
/ n!PP((1AA/13i..A!.CAj An3,)k ) i1/(nnj!k3,)!/共n!Cn3项1/,3.!.C.n3.,. P( A1...An ) 1/ n!
等可能概型(古典概型)
定义:若试验E满足: •S中样本点有限(有限性) •出现每一样本点的概率相等(等可能性)
称这种试验为等可能概型(或古典概型)。
P A
A所包含的样本点数 S中的样本点数
1
例1:一袋中有8个球,其中3个为红球,5 个为黄球,设摸到每一球的可能性相等。
(1)从袋中随机摸一球,记A={ 摸到红 球 },求P(A).
(2)从袋中不放回摸两球,记B={恰是一 红一黄},求P(B).
2
解:(1)
S={1,2, ,8},A={1,2,3}
P
A
3 8
(2)P(B)
C31C51
/ C82
15 28
53.6%
3
例2:有N件产品,其中D件是次品, 从中不放回的取n件,记Ak={恰有k 件次品}(k≤D),求P(Ak).
(D N ,n N )
17
P(没有人取到自己礼物) P( A)
1 P( A1 ... An )
1
n i 1
1 n
Cn2
1 n(n 1)
Cn3
n(n
1 1)(n
2)
...
(1)n
1 n!
11 1 1 ... (1)n 1
2! 3!
n!
等可能概型古典概型

基本事件总数为 101010 103,
A 所包含基本事件的个数为 6 6 4,
故
P( A)
664 103
0.144.
例5 把 4 个球放到 3个杯子中去,求第1、2个 杯子中各有两个球的概率, 其中假设每个杯子可 放任意多个球.
解 4个球放到3个杯子的所有放法
3
3
3
3
共3 3 3 3 34种
人抽到白球(记为事件B)的概率(设k≤a+b).
解 (1) 作放回抽样, 显然 P(B) a ; ab
(2) 作不放回抽样
第1个人有a+b 种取法, 第2个人有a+b-1 种取法,…, 第i个人有a+b-i+1 种取法, 故i个人各取一球共有 (a+b)(a+b-1)…(a+b-i+1)=Aai b
2) 骰子问题 掷3颗均匀骰子,求点数之和为4的
概率.
(答案 : p 3 63 )
今日作业:
P23 2、5、6
谢谢大家!
a
Ai1 ab1
Ai ab
a ab
说明:在抽奖游戏中先抽后抽一个样; 有放回无放回一个样!
例7(机动) 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.
C 所包含基本事件的个数为 N (C) ,
故 P(C ) N (C ) . N(S) 2 2
例3 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3次摸到红球 } 第3次摸到红球 4种 第12次摸到黑球 6种
等可能概型和几何概型

在人工智能领域,等可能概型和 几何概型用于机器学习和深度学 习的模型训练,如分类器设计、 神经网络训练等。Βιβλιοθήκη 5等可能概型和几何概型的扩展
条件概率
条件概率的定义
在某一事件A发生的条件下,另一事件B发生的概率,记作 P(B|A)。
条件概率的计算公式
P(B|A) = P(AB) / P(A),其中P(AB)表示事件A和事件B同时 发生的概率,P(A)表示事件A发生的概率。
性质
等可能概型的概率具有均匀性,即每个基本事件的概率相等。
在等可能概型中,概率计算公式为P(A) = m/n,其中m为事件A包含的基本事件数,n为基本事件的总数。
等可能概型举例
投掷一枚质地均匀的骰子,出现1、2、3、4、5、6点的概率均为 1/6,属于等可能概型。
从一副无重复的扑克牌中随机抽取一张牌,每张牌被抽中的概率均 为1/52,也属于等可能概型。
互斥事件概率的加法法则
在等可能概型中,如果两个事件是互斥的,则它们的概率可以直接相加。即如 果$A$和$B$是互斥事件,则$P(A+B)=P(A)+P(B)$。
几何概型举例
投掷骰子
投掷一个六面体的骰子,观察出 现的点数,这是一个典型的等可 能概型问题。
抽签
在一组有限且数量相等的签中随 机抽取一根,也是一个等可能概 型问题。
等可能概型和几何概型
目
CONTENCT
录
• 等可能概型的定义和性质 • 几何概型的定义和性质 • 等可能概型与几何概型的比较 • 等可能概型和几何概型的应用 • 等可能概型和几何概型的扩展
01
等可能概型的定义和性质
定义
等可能概型是指试验中所有可能结果 出现的概率相等。
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。
1.3 等可能概型

表示“两只都是红球”
若直接考虑: b.无放回 (考虑先后顺序) (乘法原理) S:6×5=30 (1)
(2) (3)
注:在使用排列组合时,分子分母要保持一致。
10
例4. 某教研室共有11 名教师, 其中男教师7 人, 现 在要选 3 名优秀教师, 问其中至少有一女教师概率 解 (方法一) 设 A = “ 3 名优秀教师中至少有一名女教师”
(2) 设 B = “n个人中至少有两个人生日相同”
当 n 等于64时,在64人的班级中,B发生的概率
接近于1,即 B几乎 总是会出现。
16
二、几何概率
样本空间的基本事件数为无限的几何概率。 其周期 例8 某十字路口自动交通信号的红、绿灯, 求随机到达 为60秒, 其中由南至北方向红灯为 15 秒, (由南至北)该路口的一辆汽车恰遇红灯的概率。 直观可得 例9 一片面积为S 的树林中有一块面积为 S0 的空地。 一架飞机随机地往树林内空投一只包裹。 求这包裹落
等可能概型也称为古典概型。
2
2.计算公式:
①
1 P ei i 1, 2, , n n ② 若事件A包含k个基本事件,即
其中(
表示
中的k个不同的数)
k 则有 P A n
3
例1 投两枚骰子,事件A——“点数之和为3”,求 解法一:出现点数之和的可能数值
11 12 21
第三节 等可能概型
一、等可能概型的定义 二、计算公式 三、计算方法
一、等可能概型
例:E1—抛均匀硬币,观察哪面朝上 S1 ={ H,T }
E2—投一均匀骰子,观察点数 S2 ={1,2,3,4,5,6} 1.定义:具备以下两个条件的随机试验称为等可能概型,
- 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)。
.
解:用 A、B、C
表示相应的事件,则
(1) P ( A )
(2) P ( B )
C3 C7
3 3
3 3
C4 C7
( 3) P ( C )
C4C3 C7
3
2
1
例2
两封信随机地向标号为I、II、III、IV的4个
邮筒投寄,求:
(1)第二个邮筒恰好被投入1封信的概率; (2)前两个邮筒中各有1封信的概率。
m n
计算事件A的概率。
例1. 一个袋内装有大小相同的7个球,其中4个 白球,3 个黑球。从中任取3个,计算: (1) 取出的3个球都是黑球的概率; (2)取出的 3个球都是白球的概率; (3) 取出的3个球中恰有两个白球的概率;
复习:
C
r n
n! r ! ( n r )!
, A
r n
n! ( n r )!
{( x , y , z ) | 0 x 1, 0 y 1, 0 z 1}.
这是三维空间棱长为1的正方体,设A表示 “三个数不大于1”,则有:
A {( x , y , z ) | x y z 1}, A 是一个锥体 m ( A) m ( ) , 于是有 : 1 P ( A) 3 ( 1 1 1) 1 6
第一章
第三节
等可能概型
等可能概型是指在一次试验中,样本空间的每个 样本点被取到的可能性相等的随机试验类型, 这是一种最简单的概率类型。
一、古典概型 二、几何概率
三、小结
我们把具有以下两个特点的随机试验所对应 的概率模型称为古典概型: (1) 样本空间中的样本点的数量是有限 的,即试验的基本事件总数为有限个; (2) 每次试验中,各基本事件出现的可能 性完全相同。
2 111
.
3
3
0
C 6C 194 C 200
3
1
2
P ( A 2 ) P ( A3 )
C 194C 6 C 200
3
1
2
C 194C 6 C 200
3
0
3
( 3) P ( A1 A2 A3 ) 1 P ( A ) 1 0
C 194C 6 C 200
3
3
0
二、
几何概型
用计算机在[0,1]区间上任打出一个数x, 问x小于1/3的概率是多少?
( 2 ) 不放回抽样时 A 中样本点数 P ( A) 54 12 11
5 5 2(5 7 ) 12 12
0 . 6597
2
, 样本点总数
n P12 12 11 ,
k 5 4, 故 : 0 . 1515 , 76 12 11 0 . 6818
解:分别用A、B表示所求事件。
(1) P ( A )
(2)
C 2C 3 44
1
1
P(B)
A2
2
4 4
例1.3.3 一袋中有7个白球和5个红球, 从中摸取两次,每次一球。设A表示“两 次都取到红球”,B表示“至少一次取到 红球”,请在(1)有放回抽样,(2)不 放回抽样条件下求P(A),P(B). 解:显然有12个球
定理1.3.1 设古典概型中,共有n个基本事件,事件A 包含其中m个基本事件,则定义事件A的概率为
P (A ) m n
A所 包 含 的 基 本 事 件 数 试验的基本事件总数
A中 的 样 本 点 数 中的样本点数 。
一般古典概型的概率计算步骤为: (1) 判断试验为古典试验,即基本事件总数 为有限个,且各基本事件出现的可能性相同。 (2) 计算样本空间中样本点的个数n; (3) 计算事件A包含样本点的个数m; (4) 由p(A)=
4 1 9 13 13 13 C C C C C C , 从而得到 : 4 4 48 39 26 13
P(B)
C 4 C 4 C 48C 39 C 26 C 13 C 52 C 39 C 26 C 13
13 13 13 13
4
1
9
13
13
13
0 .0 1 0 6
例7. 一批产品共200个,其中有6个废品。从中 任取3个产品,求:
(1) 最多只有1 个废品的概率; (2) 至少有2个是废品的概率; (3) 其中有废品的概率。
解: Ai表示取出的3个产品中有i个废品, i=0,1,2,3, 则
(1) P ห้องสมุดไป่ตู้ A0 A1 ) P ( A0 ) P ( A1 )
( 2 ) P ( A 2 A3 )
C 194C 6 C 200
3 1 1 1 1 1
P ( A)
750 1470
0 . 5102
例1.3.6.桥牌比赛中,四人从52张牌中各分得 13张,求四张A集中在一人手中的概率。
解 : 把 52 张牌平分成四组 设所求事件为
, 样本点数为 C
13 13 13 13 C C C , 52 39 26 13
B , 则 B 的样本点树为
随机地在单位圆内任掷一点M, 问M到原点 的距离小于1/2的概率是多少?
定义1.3.1(P13): 设样本空间 是欧氏空间 m ( ) 一个区域, 以 的 表 示 的度量(一维为 长度,二维为面积,三维为体积等)。 A m ( A) 是 中一个可以度量的子集,定义 P ( A) m ( ) 为事件A发生的概率,它叫几何概率。
P (B ) 1 P (B ) 1
例1.3.4 把0,1,…,7共8个数随机的排成 一个四位数,问它正好是一个偶数的概率是 多少?
解:由于 0 不能排在第一位,故样 P8 P7 1470 ;
4 3
本点总数为:
设 A 为所求事件,则 N
A
P7 C 1 C 3 C 6 C 6 C 5 750 , 故
{( x, y ) | 0 x 24, 0 y 2 4}
A {( x, y ) | x y 2 或 y x 1} 1 1 2 2 23 22 m ( A) 2 P ( A) 2 0 .8 7 9 3 m ( ) 24 24
例1.3.11.从区间[0,1]中任取三个随机数,求三数 和不大于1的概率。 解:设x,y,z分别表此三数,则易知样本空间为:
(1)有放回抽样,样本点总数 n=1212=144,A中样本点数k = 55,于是
P ( A) 55 12 12 0 . 1736
又设C表示“恰有一次取到红球”, 则 A C , 且 A 与 C 不相容 , 故 : B
P ( B ) P ( A ) P (C )
例1.3.9:某电台每到整点均报时,某人早上 醒来后打开收音机,求他等待的时间不超过 10分钟就能听到电台报时的概率。
P=1/6
例1.3.10:某货运码头只能容纳一船卸货,而甲、乙 两船在码头卸货时间分别为1小时和2小时。 设甲、乙 两船在24小时内随时可能到达,求它们中任何一船都 不需等待码头空出的概率。