概率论中几种概率模型方法总结

合集下载

概率论中几种概率模型方法总结

概率论中几种概率模型方法总结
科技信息
○高校讲坛○
SCIENCE & TECHNOLOGY INFORMATION
2008 年 第 11 期
概率论中几种概率模型方法总结
徐寅生 (许昌学院数学科学学院 河南 许昌 461000)
【摘 要】概率论中几种常用的概率模型是古典概型、几何概型、贝努里概型.本文对概率论中几种概率模型方法进行了总结. 【关键词】概率模型方法; 概率论; 概率计算
关于求“n 重贝努里试验中至少发生一次”的概率.“n 次 试 验 中 至

少发生一次”, 它的对立事件是“n 次试验全部没有发生”.由 Pn (0)=Cn p
0n n
q =q 根据相互对立事件的概率之和为 1, 可得 P{至少发生一次}=1- q
n ,同理 P{至少不发生一次}=1- pn. 例 6 一个学生在罚球线投篮的命中率为 0.2, 问: ( 1) 该生独立进行 25 次投篮恰有 10 次命中的概率是多少? ( 2) 至
例 7 某人有一串 m 把外形相同的钥匙, 其中只有一把能打开家 门, 有一天该人酒醉后回家, 下意识地每次从 m 把钥匙中随便拿一只 去开门, 问该人在第 k 次才把门打开的概率多大?
解: 因为每把钥匙试用后不做记号又放回, 所以每把被选中的概 率为 1 , 由独立性得
m P(第 k 次才把门打开)= 1 (1- 1 )k-1.
少有 1 次命中的概率是多少?
解 : 设 A={投 篮 命 中}, 则 P(A)=p=0.2,A ={投 篮 不 命 中}, 则 P(A )=
q=0.8.
10
10
15
( 1) 依 题 意 , n=25,k=10,由 公 式 有 P25( 10) =C25 ×0.2 ×0.8 ≈0.18

离散和连续概率模型

离散和连续概率模型

离散和连续概率模型
离散和连续概率模型是概率论研究的两个重要分支。

离散概率模型涉及离散变量,而
连续概率模型涉及连续变量。

离散概率模型是指随机变量取值是一个离散的集合,例如投硬币的结果(正面或反面)或掷骰子的结果(1-6)。

在离散概率模型中,我们可以定义概率质量函数(PMF),用于
描述每个值的概率。

例如,一个投硬币的概率质量函数可能如下所示:
P(正面)= 0.5
P(反面)= 0.5
f(x)=(1 / σ√(2π))exp(-(x-μ)^2 / 2σ^2)
其中,μ是平均值,σ是标准差。

离散和连续概率模型都有一个重要的概念,即期望值。

期望值是一组数据中所有变量
的平均值。

在离散概率模型中,期望值公式为:
E(X)= ∑xP(X = x)x
在连续概率模型中,期望值公式为:
其中,xf(x)表示随机变量X的概率密度函数。

Var(X)= ∫(x-μ)^2f(x)dx
综上所述,离散和连续概率模型都是概率论研究的重要分支。

它们分别针对随机变量
的离散和连续两种情况,并通过概率质量函数或概率密度函数来描述随机变量的分布情况。

在实际应用中,离散概率模型和连续概率模型经常用于解决不同的问题,例如离散概率模
型可以用于模拟二项分布或泊松分布,在计算机网络中广泛应用。

而连续概率模型则适用
于金融、科学研究和医学统计等领域。

高中数学必修三古典概型的几种解题技巧

高中数学必修三古典概型的几种解题技巧

高中数学必修三古典概型的几种解题技巧古典概型是概率论中最基本的概率模型之一,它涉及到对已知的随机试验的多种可能结果和其对应概率的求解。

在高中数学必修三中,古典概型的解题技巧是学生必须掌握的一部分内容。

下面将介绍几种常见的古典概型解题技巧。

1. 直接计数法直接计数法是指通过对试验结果的数量进行计数,从而求解概率。

该方法一般适用于试验结果较少且容易确定的情况。

有5个小球,其中2个红色,3个蓝色,求从中任意抽取2个小球,抽到两个红色小球的概率。

按照直接计数法,我们可以将这个问题转化为从5个小球中抽取2个小球的问题,同时我们知道其中2个小球是红色的。

我们可以计算红色小球和非红色小球的组合数,然后除以所有小球的组合数来求解概率。

2. 互补事件法互补事件法是指通过求解事件的互补事件概率来求解事件的概率。

互补事件是指与事件A互补的事件,即事件A不发生的事件。

对于互补事件,其概率加上事件的概率必然等于1。

有一个盒子中有3个红球和2个蓝球,从中任意抽取一个球,求抽到一个红球的概率。

按照互补事件法,我们可以将该事件的互补事件定义为抽到一个蓝球的事件。

我们可以先求解抽到一个蓝球的概率,然后用1减去该概率来求解抽到一个红球的概率。

3. 排列组合法排列组合法是指通过排列组合的知识来求解概率。

它适用于试验结果较多且不易直接计数的情况。

有8个字母a,b,c,d,e,f,g,h,从中任意抽取3个字母,求抽取的三个字母都是元音字母的概率。

按照排列组合法,我们可以先计算所有情况的数量,即从8个字母中任意抽取3个字母的组合数,然后计算抽取的三个字母都是元音字母的情况数量,并将其除以所有情况的数量来求解概率。

4. 事件的分解法通过掌握以上几种古典概型解题技巧,可以帮助高中数学学生更好地理解和应用古典概型,在解决实际问题时能够灵活运用这些技巧,提高解题能力。

概率论知识点总结归纳

概率论知识点总结归纳

概率论知识点总结归纳概率论是数学中的一个重要分支,研究随机现象的规律性和不确定性。

它广泛应用于统计学、信息论、物理学、经济学等领域。

概率论的研究对象是随机事件及其概率规律,而随机事件是不确定性事件的一种具体表现。

本文将对概率论的基本概念、概率计算方法、概率分布以及条件概率等内容进行总结归纳。

首先是概率论的基本概念。

概率是随机事件发生的可能性大小的度量,常用0到1之间的数表示。

根据事件的性质,概率可以分为古典概率、几何概率和统计概率。

其中,古典概率适用于条件固定且等可能的情况,几何概率适用于几何模型,而统计概率则通过实验或观测数据进行统计。

其次是概率计算方法。

对于古典概率,在条件固定且等可能的情况下,可以通过“事件数量/总样本空间数量”来计算概率。

而对于几何概率,常用的计算方法有面积比和长度比。

统计概率则通过频数和频率进行计算,频数是某一事件发生的次数,频率是某一事件发生的相对次数。

然后是概率分布。

概率分布描述了随机变量可能取值的概率。

常见的概率分布包括离散概率分布和连续概率分布。

离散概率分布用来描述随机变量只能取有限个或可数个值的情况,常见的离散概率分布包括伯努利分布、二项分布、泊松分布等。

而连续概率分布用来描述随机变量在某个区间内取值的概率,常见的连续概率分布包括均匀分布、正态分布、指数分布等。

最后是条件概率。

条件概率表示在已知某一事件发生的条件下,另一事件发生的概率。

条件概率的计算需要使用条件概率公式:P(A|B) = P(A∩B) / P(B),其中P(A|B)表示在事件B发生的条件下,事件A发生的概率;P(A∩B)表示事件A和事件B同时发生的概率;P(B)表示事件B发生的概率。

条件概率在实际问题中具有很重要的应用,例如在医学诊断中,根据某个症状事件发生的条件下,判断某种疾病发生的概率。

综上所述,概率论是一门基础而重要的数学学科,涉及到许多理论和方法,应用于众多领域。

在实际应用中,我们需要根据具体问题选择合适的概率计算方法,理解概率分布的特点以及条件概率的计算公式。

概率模型

概率模型

分布函数为
F ( x) p( x)dx
随机变量的数字特征: 期望:大多数随机变量集中(出现)的位置。 方差:随机变量偏离期望(均值)值的程度。 Kolmogorov强大数定律:
设k是互相独立的随机变量,且 Dk /k2 < , 则 1/n(k - E k)0
Linderberg-Levy中心极限定理:
称S(m)/r=为平均利润,其中b/g 是赔偿金占 机票价格的比例。 问题1 设: n=300, a=0.6, p=0.05, b/g=0.2. 求最佳m, 使S(m)最大,P5(m)最小 采用解析模拟方法

s=[];f5=[]; for m=300:360 s1=((1-0.05)*m-(1+0.2)*sum(((m-300):1:1).*binopdf(0:m-300-1,m,0.05)))/180-1; s=[s,s1]; if m<=305 f=0; else f=sum(binopdf(0:m-300-6,m,0.05)); end f5=[f5 f]; end x=300:360; plot(x,s,x,f5),grid
P( t k )

k
k!
e

t k
k!
e t
指数分布
e t , t 0 泊松过程的随机事件陆续发 p (t ) 0, t 0 生的时间间隔,
(已知平均时间间隔为1/)
1 e t , t 0 F (t ) 0, t 0
均匀分布
t X 1 X n n 1 x e lim P t ( t ) n 2 n
2
/2
dx

高中数学中几种常见的概率模型

高中数学中几种常见的概率模型

高中数学中几种常见的概率模型高中数学中几种常见的概率模型:古典概型、几何概型、贝努利概型、超几何分布概型1、古典概型:也叫传统概率、其定义是由法国数学家拉普拉斯提出的。

如果一个随机试验所包含的单位事件是有限的,且每个单位事件发生的可能性均相等,则这个随机试验叫做拉普拉斯试验,这种条件下的概率模型就叫古典概型。

在这个模型下,随机实验所有可能的结果是有限的,并且每个基本结果发生的概率是相同的;古典概型是概率论中最直观和最简单的模型,概率的许多运算规则,也首先是在这种模型下得到的。

2、几何概型:是概率模型之一,别名几何概率模型,如果每个事件发生的概率只与构成该事件区域的长度成比例,则称这样的概率模型为几何概率模型。

在这个模型下,随机实验所有可能的结果都是无限的,并且每个基本结果发生的概率是相同的。

一个试验是否为几何概型在于这个试验是否具有几何概型的两个特征,无限性和等可能性,只有同时具备这两个特点的概型才是几何概型。

3、贝努利模型:为纪念瑞士科学家雅各布·贝努利而命名。

对随机试验中某事件是否发生,实验的可能结果只有两个,这个只有两个可能结果的实验被称为贝努利实验;重复进行n次独立的贝努利试验,这里“重复”的意思是指各次试验的条件是相同的,它意味着各次试验中事件发生的概率保持不变。

“独立是指是指各次试验的结果是相互独立的。

基于n重贝努利试验建立的模型,即为贝努利模型。

4、超几何分布:是统计学上一种离散概率分布。

它描述了从有限N个物件(其中包含M个指定种类的物件)中抽出n个物件,成功抽出该指定种类的物件的次数(不放回)。

称为超几何分布,是因为其形式与“超几何函数”的级数展式的系数有关。

超几何分布中的参数是M,N,n,上述超几何分布记作X~H(n,M,N) 。

概率论-古典概率模型

概率论-古典概率模型

所以
P(e ) 1 ,i 1,2,,n
i
n
若事件 A 包含 k 个基本事件 ,即
A ei1 ei2 eik
则有
P(A) P ei1 P ei2 P eik
k n
A包含的基本事件数 S中的基本事件总数
例1 将一枚硬币抛掷三次.
i 设事件 A1 为 "恰有一次出现正面 " ,求 PA1 . ii 设事件 A2 为 "至少有一次出现正面 " ,求 PA2 .
因为抽取时这些球是完
10个球中的任一个被取 出的机会都是1/10
全平等的,我们没有理由认
为10个球中的某一个会比另
一个更容易取得 . 也就是说,
10个球中的任一个被取出的
机会是相等的,均为1/10.
85 1946 7 2 3 10
二、古典概型中事件概率的计算
记 A={摸到2号球}
2
P(A)=?
P(A)=1/10
2
1 7
98345106
定义 1 若随机试验满足下述两个条件 (1) 它的样本空间只有有限多个样本点
(2) 每个样本点出现的可能性相同 称这种试验为等可能随机试验或古典概型.
记 B={摸到红球} , P(B)=6/10
静态
这里实际上是从“比例” 转化为“概率” 动态
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.
Ca1 Ca1b
a
a b
(2)作不放回抽样
k个人各人取一只球,每种取法是一个基本事件.
由乘法原理知,k个人各人取一只球有
(a
b)(a
b
1)
(a
b
k
1)

概率论中几种概率模型方法总结

概率论中几种概率模型方法总结

概率论中几种概率模型方法总结绪论:概率论中几种常用的概率模型是古典概型、几何概型、贝努里概型.本文对概率论中几种概率模型方法进行了总结。

1 古典概型古典概型及其概率是概率论的基础知识,它既是进一步学习概率的基础,下面就一些典型事件的分析来说明古典概型的概率计算方法。

古典概型的概率计算可以分为三个步骤:确定所研究的对象为古典概型;计算样本点数;利用公式计算概率。

即如果随机试验只有有限个可能结果,而且每一个可能结果出现的可能性相同,那么这样的随机试验就是古典概型问题。

若设Ω是一个古典概型样本空间, 则对任意事件A 有: A m P ( A ) ==Q n中的样本点数中的样本点数。

在计算m 和n 时,经常使用排列与组合计算公式。

在确定一个试验的每个基本事件发生的可能性相同时,经常根据问题本身所具有的某种“对称性”,即利用人们长期积累的关于“对称性”的实际经验,认为某些基本事件发生的可能性没有理由偏大或偏小。

关于古典概型的数学模型如下:1.1 袋中取球问题1.1.1 随机地同时从袋中取若干球问题随机地同时从袋中取若干球问题是古典概型中的一类最基本问题,其特点是所考虑的事件中只涉及球的结构而不涉及取球的先后顺序,计算样本点数时只需考虑组合数即可。

概率中的很多问题常常可以归结为此类问题来解决。

事件1 一袋中有m + n 个球,其中m 个黑球, n 个白球,现随机地从袋中取出k 个球( k ≤m + n) ,求其中恰好有l 个白球( l ≤n)的概率。

分析:随机地从袋中取出k 个球有km+n C 种可能的结果,其中“恰好有l 个白球”这一事件包含了l k-l n mC C 种结果,因此所求概率为lk - ln m k m + n C C P =C 这个结论可以作为一个公式来应用。

用它可以解决一些类似的问题。

1.1.2 随机地从袋中不放回地取球若干次随机地从袋中不放回地取球若干次就是指随机地从袋中每次只取一个球,取后不再放回袋中,连续进行若干次。

  1. 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. 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. 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)。

概率论中几种概率模型方法总结绪论:概率论中几种常用的概率模型是古典概型、几何概型、贝努里概型.本文对概率论中几种概率模型方法进行了总结。

1 古典概型古典概型及其概率是概率论的基础知识,它既是进一步学习概率的基础,下面就一些典型事件的分析来说明古典概型的概率计算方法。

古典概型的概率计算可以分为三个步骤:确定所研究的对象为古典概型;计算样本点数;利用公式计算概率。

即如果随机试验只有有限个可能结果,而且每一个可能结果出现的可能性相同,那么这样的随机试验就是古典概型问题。

若设Ω是一个古典概型样本空间, 则对任意事件A 有: A m P ( A ) ==Q n中的样本点数中的样本点数。

在计算m 和n 时,经常使用排列与组合计算公式。

在确定一个试验的每个基本事件发生的可能性相同时,经常根据问题本身所具有的某种“对称性”,即利用人们长期积累的关于“对称性”的实际经验,认为某些基本事件发生的可能性没有理由偏大或偏小。

关于古典概型的数学模型如下:1.1 袋中取球问题1.1.1 随机地同时从袋中取若干球问题随机地同时从袋中取若干球问题是古典概型中的一类最基本问题,其特点是所考虑的事件中只涉及球的结构而不涉及取球的先后顺序,计算样本点数时只需考虑组合数即可。

概率中的很多问题常常可以归结为此类问题来解决。

事件1 一袋中有m + n 个球,其中m 个黑球, n 个白球,现随机地从袋中取出k 个球( k ≤m + n) ,求其中恰好有l 个白球( l ≤n)的概率。

分析:随机地从袋中取出k 个球有km+n C 种可能的结果,其中“恰好有l 个白球”这一事件包含了l k-l n mC C 种结果,因此所求概率为lk - ln m k m + n C C P =C 这个结论可以作为一个公式来应用。

用它可以解决一些类似的问题。

1.1.2 随机地从袋中不放回地取球若干次随机地从袋中不放回地取球若干次就是指随机地从袋中每次只取一个球,取后不再放回袋中,连续进行若干次。

这样的取球过程实际上是按顺序取的,所考虑的事件也会涉及到取球的顺序,所以要用排列数计算样本点数。

事件2 一袋中装有m + n 个球,其中m 个黑球, n 个白球,现随机地从中每次取出一个球(不放回) ,求下列事件的概率:(1)第i 次取到的是白球;(2)第i 次才取到白球;(3)前i 次中能取到白球;(4)前i 次中恰好取到l 个白球( l ≤i ≤m + n, l ≤n) ;(5)到第i 次为止才取到l 个白球( l ≤i ≤m + n, l ≤n)。

分析:( 1)“第i 次取到的是白球”可以理解为“取球进行了i 次,第i 次取出白球”。

从m + n 个球中不放回地取球i 次,即是从m + n 个球中不放回地取出i 个球,一共有i m + n P 种不同的取法;其中“第i 次取到的是白球”有i - 11m+ n - 1n P C 种取法。

因此所求概率为:i - 11m + n - 1n 1i m + nP C P =P , 根据排列数公式计算得1n P =m + n 。

这个问题可以看成是抽签问题的数学模型,其结果表明:抽到好签的机会(概率)与抽签的顺序无关,即抽签具有公平性。

(2)“第i 次才取到白球”可以理解为“取球进行了i 次,前i - 1次取出的都是黑球,第i 次取出的是白球”,根据乘法原理可知应有i - 11m n P C 种取法;同(1)可得从m + n个球中不放回地取球i 次一共有i m + nP 种不同的取法,故有i - 11i - 1m n m 2i i m + n m + n P C nP P ==P P 。

(3)“前i 次中能取到白球”包含的情况比较复杂,因此先找它的对立事件“前i次取出的都是黑球”的概率。

“前i 次取出的都是黑球”的概率是:i im m i i m+ n m + nP C P = =P C ,所以前i 次中能取到白球的概率是im 3i m + nC P =1 -C 。

(4)“前i 次中恰好取到l 个白球”意味着“取出的i 个球中有l 个白球, i - l 个黑球”,根据乘法原理可知应有i - l l i m n iC C P 种取法, 所以i - l l i i - ll m b i m n 4i i m + n m + n C C P C C P ==P C 。

(5)“到第i 次为止才取到l 个白球”等价于“前i- 1次中恰好取到l - 1个白球且第i 次取到白球”。

故i - l l - 1i - 11i - ll - 1m n i - 1n - l + 1m n 5i i m + n m + nC C P C C C ( n - l + 1)P ==P iC 。

由此可见如果能深刻理解事件2这种数学模型,那么古典概型中的一些概率计算问题就可以归结为随机地从袋中不放回地取球若干次求某事件的概率问题。

1.1.3 随机地从袋中有放回地取球若干次随机地从袋中有放回地取球若干次就是指随机地从袋中每次只取一个球,取后依然放回袋中,连续进行若干次。

这样的取球过程实际上也是按顺序取的,而且每个球都有被重复取出的可能,所考虑的事件依然会涉及到取球的顺序,所以要用重复排列数计算样本点数。

事件3 一袋中装有m + n 个球,其中m 个黑球, n 个白球,现随机地从中每次取出一个球,取后放回,求下列事件的概率:( 1)第i 次取到的是白球;(2)第i 次才取到白球;( 3 )前i 次中能取到白球;(4)前i 次中恰好取到l 个白球( l ≤i ≤m + n, l ≤n);(5)到第i 次为止才取到l 个白球( l ≤i ≤m + n, l ≤n)。

分析: 因为每一个问题仅仅涉及了i 次取球,所以只考虑取球i 次的情形。

根据题中的取球要求可知每次取球都是从m + n 个球中取出1 个共取了i 次,据此应该i (m + n)种不同的取球方式。

(1)“第i 次取到的是白球”意味着“前i - 1次每次都是从m + n 个球中取出1个球(白球或黑球) ,然后第i 次是从n 个白球中取出1个白球”,根据乘法原理得“第i 次取到的是白球”应有i - 11n(m + n)C 种取法。

因此所求概率是i - 11n 1i (m + n)C n P = =(m + n)m + n 。

(2)“第i 次才取到白球”表示“前i - 1次每次都是从m 个黑球中取出1个黑球,然后第i 次是从n 个白球中取出1个白球”,一共有i - 1m n 种取法。

故事件“第i 次才取到白球”的概率是i - 12i m n P =(m + n)。

(3)“前i 次中能取到白球”的对立事件是“前i 次取出的都是黑球”,而“前i 次取出的都是黑球”是指“前i 次每次都是从m 个黑球中取出1个黑球”,有i m 种取法。

所以“前i 次中能取到白球”的概率是i3i m P =1 -(m + n)。

(4)“前i 次中恰好取到l 个白球”表明“取出的i 个球中有l 个白球, i - l 个黑球”,其中l 个白球中的任意一个可以是i 次取球中的任意一次取出的,同时也是每次从n 个白球中取出一个;欲得到i - l 个黑球须每次从m 个黑球中取出一个,取i - l 次。

根据乘法原理可知“前i 次中恰好取到l 个白球”应有l l i - 1i C n m 种取法,因此它的概率为l i i - li 4i C n m P =(m + n)。

(5)“到第i 次为止才取到l 个白球”意味着“前i- 1次中恰好取到l - 1个白球且第i 次取到的是白球”,由(4)可知前i - 1次中恰好取到l - 1个白球应有l - 1l - 1i - li - l C n m 种取法;又因第i 次取到的是白球有n 种取法,由乘法原理得“到第i 次为止才取到l 个白球”应有l - 1l - 1i - l l - 1l i - li - l i - l C n m n =C n m 种取法,从而所求概率是l - 1l i - l i - l 5i C n m P =(m + n)。

1.2 排序问题排序就是指把一些对象按照一定的顺序排成一列或一圈。

如果在排序的前提条件下计算某事件的概率,那么就要用排列数来计算样本点数。

事件4 将标号为1, 2, ⋯, n 的n 个球随意地排成一行。

求下列事件的概率:(1)标号是递增或递减的序列;(2)第1号球排在最左或最右;(3)第1号球与第2号球相邻;(4)第1号球在第2号球右边(但不一定相邻) ;(5)第1号球与第2号球之间恰有r 个球( r < n - 1) [ 2 ] 。

分析:将标号为1, 2, ⋯, n 的n 个球随意地排成一行有n! 种不同的排法。

(1)标号是递增或递减的序列只能是排成1, 2,⋯, n 或n, n - 1, ⋯, 2, 1 这两种形式,因此所求概率为2n!。

(2)先排1号球,再排其它球。

1号球排在最左或最右只有两种排法,其它的n - 1个球有( n - 1) !种排法,根据乘法原理满足条件的排列有2(n-1)!个,所以所求概率为2(n-1)!2=n!n。

(3)先把1号球和2号球看成一个整体与其它球进行排列,即n-1个球排成一列应有(n-1)! 种排法;再排1号球和2号球,有2! 种排法。

由乘法原理可知满足条件的排列有2!( n - 1)! 个,所以所求概率为2!(n-1)!2=n!n。

(4)对于每一种“1 号球在2 号球右边”的排法而言,如果对调1、2号球的位置就会得到一种“1号球在2号球左边”的排法,反之亦然。

即“1号球在2号球右边”与“1号球在2 号球左边”的排法总数相等,所以所求概率为12。

(5)先排1号球和2号球,有2种排法;因为1号球与2号球之间恰好有r 个球,而且这r 个球是剩下的n - 2个球中任意r 个,所以再从n - 2个球中任意选出r 个进行排列(排列时满足条件它们正好在1号球与2号球之间)有r n - 2C r!种不同的排法;最后把1号球、2号球以及选出的r 个球看成一个整体与其它球进行排列有(n-2-r+1) ! 种排法。

根据乘法原理可得“第1号球与第2号球之间恰有r 个球”一共有r n - 22C r!( n-2-r +1)!种排法,因此所求概rn - 22C r!(n-2-r+1)!!n 率为,亦即2(n-r-1)n(n-1)。

1.2.1 放球入箱问题放球入箱问题实际上就是古典概型的一个数学模型,其背景是把一些球随意地放入箱子里,要求不同放法也就不同。

样本点数的计算既会用到排列数,又会用到组合数。

事件5 将n 个球随意放入N 个箱子中,其中每个球可能放入任意一个箱子,求下列事件的概率:(1)指定n 的个箱子各放入一球(设N ≥n) ;(2)每个箱子最多放入一球;(3)第i 个箱子不空;(4)第i 个箱子恰好放入k ( k ≤n)个球。

相关文档
最新文档