知识点一 随机事件与概率
1. 基本概念
| 概念 | 定义 | 示例 |
|---|---|---|
| 随机试验 | 在相同条件下可重复进行，结果不确定但可知所有可能结果的试验 | 掷一枚骰子，抛一枚硬币 |
| 样本点 | 随机试验的每一个可能的基本结果 | 掷骰子的样本点：1, 2, 3, 4, 5, 6 |
| 样本空间 | 所有样本点的集合，记作 Ω | 掷骰子：Ω = {1, 2, 3, 4, 5, 6} |
| 随机事件 | 样本空间的子集，简称事件（常用大写字母 A, B, C… 表示） | 掷出偶数点：A = {2, 4, 6} |
💡 核心理解：一个随机事件发生，当且仅当该事件所包含的某个样本点出现。
2. 事件的分类
| 类型 | 定义 | 符号/示例 |
|---|---|---|
| 必然事件 | 在每次试验中一定发生的事件 | 即样本空间 Ω |
| 不可能事件 | 在每次试验中一定不发生的事件 | 即空集 ∅ |
| 基本事件 | 只包含一个样本点的事件（不可再分的事件） | 掷出 1 点 |
⚠️ 注意：必然事件和不可能事件不是随机事件（它们是确定事件），但讨论概率时通常一并纳入。
3. 事件的关系与运算
设 A、B 为两个事件：
| 关系/运算 | 定义 | 符号表示 | 含义 |
|---|---|---|---|
| 包含 | A 发生则 B 一定发生 | A ⊆ B | A 是 B 的子事件 |
| 并事件（和事件） | A 与 B 至少有一个发生 | A ∪ B（或 A + B） | 两个事件中至少有一个发生 |
| 交事件（积事件） | A 与 B 同时发生 | A ∩ B（或 AB） | 两个事件同时发生 |
| 互斥事件 | A 与 B 不能同时发生 | A ∩ B = ∅ | 没有公共样本点 |
| 对立事件 | 每次试验 A 与 B 有且仅有一个发生 | B = A | A ∪ A = Ω, A ∩ A = ∅ |
💡 对立事件与互斥事件的区别： - 互斥事件强调不能同时发生（可以都不发生） - 对立事件强调有且仅有一个发生（必有一个发生） - 对立事件一定是互斥事件，互斥事件不一定是对立事件
4. 概率的定义
对随机事件发生可能性大小的度量称为该事件发生的概率，记作 P(A)。
概率的基本性质：
| 性质 | 公式 |
|---|---|
| 非负性 | P(A) ≥ 0 |
| 规范性 | P(Ω) = 1 |
| 可加性 | 若 A ∩ B = ∅，则 P(A ∪ B) = P(A) + P(B) |
由此可得： - P(∅) = 0 - 对任意事件 A：0 ≤ P(A) ≤ 1 - P(A) = 1 - P(A) - 若 A ⊆ B，则 P(A) ≤ P(B)
知识点二 古典概型
1. 古典概型的定义
具有以下两个特点的概率模型称为古典概率模型（简称古典概型）：
- 有限性：样本空间只有有限个样本点
- 等可能性：每个样本点出现的可能性相等
💡 典型古典概型：掷骰子、抛硬币、摸球、抽签等。
2. 古典概型的概率公式
若样本空间 Ω 包含 n 个样本点，且每个样本点出现的可能性相等，事件 A 包含 m 个样本点，则：
💡 核心方法：在古典概型中求概率——先确定样本空间大小 n，再确定事件 A 包含的样本点数 m。
3. 古典概型的常见模型
| 模型 | 典型问题 | 计数方法 |
|---|---|---|
| 摸球模型 | 有放回/无放回摸球 | 排列、组合计数 |
| 掷骰子模型 | 掷一颗/多颗骰子 | 基本计数原理 |
| 抽签模型 | 抽奖、分组 | 排列组合 |
| 生日问题 | n 人中至少两人生日相同 | 对立事件、排列 |
4. 排列与组合基础（古典概型的计数工具）
(1) 两个基本计数原理
| 原理 | 内容 | 特征 |
|---|---|---|
| 分类加法计数原理 | 完成一件事有 n 类方法，每类分别有 mi 种，则共 ∑ mi 种方法 | 各类方法独立完成 |
| 分步乘法计数原理 | 完成一件事需 n 个步骤，每步分别有 mi 种，则共 ∏ mi 种方法 | 各步骤依次完成 |
(2) 排列数公式
从 n 个不同元素中取出 m（m ≤ n）个元素的所有排列的个数：
特别地，全排列：Ann = n!（规定 0! = 1）
(3) 组合数公式
从 n 个不同元素中取出 m（m ≤ n）个元素的所有组合的个数：
知识点三 频率与概率
1. 频率的定义
在相同的条件下重复 n 次试验，事件 A 发生的次数 nA 称为事件 A 发生的频数，比值：
称为事件 A 发生的频率。
2. 频率与概率的关系
| 概念 | 频率 | 概率 |
|---|---|---|
| 定义 | 试验中实际发生的比例 | 事件发生可能性的度量 |
| 确定性 | 随试验次数变化（不确定） | 确定的常数 |
| 关系 | n 很大时，频率稳定于概率附近 | 概率是频率的稳定值 |
💡 大数定律的思想：当试验次数足够大时，频率会越来越接近概率。这正是用频率"估计"概率的理论基础。
3. 频率的稳定性
大量重复试验中，频率围绕概率波动——概率实际上是频率的稳定中心。
⚠️ 注意：频率是试验值，不是概率本身。但概率可以用大量重复试验中的频率来近似估计。
知识点四 事件的独立性
1. 相互独立事件的定义
对于两个事件 A 和 B，如果事件 A 是否发生对事件 B 发生的概率没有影响，即：
则称事件 A 与事件 B 相互独立（简称独立）。
2. 独立事件的性质
若 A 与 B 相互独立，则：
- A 与 B 也相互独立
- A 与 B 也相互独立
- A 与 B 也相互独立
💡 判断独立的方法： 1. 通过实际意义判断（如抛两枚硬币，结果互不影响） 2. 通过公式验证：P(AB) = P(A)·P(B)
3. 独立与互斥的关系
| 对比 | 互斥事件 | 独立事件 |
|---|---|---|
| 定义 | AB = ∅（不同时发生） | P(AB) = P(A)·P(B) |
| 关系 | 互斥一般不独立，独立一般不互斥 | —— |
| 特殊情况 | 若 P(A) > 0, P(B) > 0，则互斥 ⇒ 不独立 | 反之亦然 |
⚠️ 易错点：不要把"互斥"和"独立"混为一谈——互斥是一次试验里两个事件"不同时发生"，独立是不同试验之间"互不影响"。
4. 多个事件的独立性
若 n 个事件 A1, A2, ..., An 相互独立，则：
💡 相互独立事件的概率可以相乘。
重点例题
例题1 古典概型——掷骰子
题目：同时掷两颗质地均匀的骰子，求点数之和为 7 的概率。
解析： 样本空间大小：n = 6 × 6 = 36
点数之和为 7 的情况（有序对）：(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)，共 6 种。
答案：(1)/(6)
例题2 对立事件的应用
题目：袋中有 5 个红球、3 个白球，从中任取 2 个，求至少有一个白球的概率。
解析： "至少有一个白球"的对立事件是"全为红球"。
样本空间（任取 2 球）：C82 = 28
全为红球：C52 = 10
答案：(9)/(14)
💡 技巧：涉及"至少/至多"的问题，优先考虑对立事件。
例题3 独立事件的概率
题目：甲、乙两人独立地解同一道题，甲解对的概率为 0.8，乙解对的概率为 0.6，求： (1) 两人都解对的概率； (2) 至少有一人解对的概率。
解析： 设 A = "甲解对"，B = "乙解对"。A 与 B 独立。
(1) {aligned} P(AB) &= P(A)·P(B) = 0.8 × 0.6 = 0.48 {aligned}
(2) {aligned} P(A∪B) &= 1 - P(A·B) \ &= 1 - P(A)·P(B) \ &= 1 - 0.2 × 0.4 = 1 - 0.08 = 0.92 {aligned}
答案：(1) 0.48；(2) 0.92
易错点提醒
- ⚠️ 互斥 ≠ 独立：互斥是"不能同时发生"，独立是"互不影响"——二者是完全不同的概念
- ⚠️ 对立事件一定是互斥事件，但互斥事件不一定是对立事件（互斥可以都不发生）
- ⚠️ 古典概型的两个条件缺一不可：既要有限性，又要等可能性——缺少任一条件都不能用 P(A) = m/n
- ⚠️ 频率不是概率：频率是试验的结果（随试验变化），概率是理论值（确定常数）
- ⚠️ "至少"问题：涉及"至少一个""至多一个"这类词，用对立事件求解往往更简单
- ⚠️ 独立才能相乘：只有相互独立事件的交集概率才能直接用乘法公式 P(AB) = P(A)·P(B)
方法技巧
1. 古典概型的求解步骤
- 确定样本空间 Ω，计算样本点总数 n
- 确定事件 A 包含的样本点数 m
- 计算概率：P(A) = m/n
💡 计数时可用排列组合公式，注意有序/无序统一。
2. "至少…"问题一律用对立事件
这是求解"至少型"概率问题的最有效方法。
3. 复杂事件概率的处理思路
| 事件关系 | 概率公式 |
|---|---|
| 互斥事件的和 | P(A ∪ B) = P(A) + P(B) |
| 任意事件的和 | P(A ∪ B) = P(A) + P(B) - P(AB) |
| 独立事件的积 | P(AB) = P(A)·P(B) |
| 对立事件 | P(A) = 1 - P(A) |
本章知识框架
第10章 概率
├── 随机事件与概率
│ ├── 随机试验、样本点、样本空间
│ ├── 随机事件
│ │ ├── 必然事件、不可能事件、基本事件
│ │ └── 事件的分类
│ ├── 事件的关系与运算
│ │ ├── 包含、并事件、交事件
│ │ ├── 互斥事件 ≠ 对立事件
│ │ └── 事件运算的符号表示
│ └── 概率的定义与基本性质
│ ├── 非负性、规范性、可加性
│ └── 概率的取值范围 [0, 1]
├── 古典概型
│ ├── 古典概型的条件（有限性 + 等可能性）
│ ├── 概率公式 P(A) = m/n
│ ├── 排列与组合基础
│ │ ├── 分类加法计数原理
│ │ ├── 分步乘法计数原理
│ │ ├── 排列数公式
│ │ └── 组合数公式
│ └── 常见模型（摸球、掷骰子、抽签）
├── 频率与概率
│ ├── 频数与频率
│ ├── 频率的稳定性
│ └── 频率与概率的关系
└── 事件的独立性
├── 相互独立事件的定义
├── 独立事件的性质
├── 独立 ≠ 互斥
└── 多个事件的独立性
📌 笔记区
本文档由 AI 辅助生成，仅供参考学习使用