首页 · 课程 · 数学
数学
概率
本课涵盖概率的古典定义、基本性质、例题解析及四大核心定律:加法公式、条件概率、独立性与贝叶斯定理。
基本定义与概念
概率 事件发生的可能性大小的度量,取值范围在 0 到 1 之间。
样本空间 S: 所有可能的结果。事件 E: S 的子集。P(E)=|E|/|S|。
P(∅)=0, P(S)=1, P(E')=1-P(E).
古典概型的定义
古典概率定义为有利于事件发生的结果数与样本空间中等可能的结果总数之比,记为 \(P(E)=\frac{|E|}{|S|}\),其中 \(|E|\) 为事件 \(E\) 的元素个数,\(|S|\) 为样本空间 \(S\) 的元素个数。
定义的由来: 该定义源于样本空间 \(S\) 中所有基本事件等可能的假设,从而使该比率成为事件 \(E\) 发生概率的公正度量。
概率的基本性质
- 对任意事件 \(E\),有 \(0 \leq P(E) \leq 1\)。
- 不可能事件的概率 \(P(\emptyset)=0\)。
- 必然事件的概率 \(P(S)=1\)。
- 对于任意事件 \(E\),\(P(E')=1-P(E)\),其中 \(E'\) 是 \(E\) 在 \(S\) 中的补事件。
性质的由来: 这些性质源于概率的柯尔莫哥洛夫公理,保证了概率测度与逻辑和计数的一致性。
分步解答例题
- 例 1:投掷一枚均匀硬币一次。求出现正面的概率。
解:
- 确定样本空间 \(S=\{H,T\}\),其中 \(H\) 表示正面,\(T\) 表示反面。
- \(S\) 中元素的个数为 \(|S|=2\)。
- 事件 \(E=\{H\}\),其元素个数为 \(|E|=1\)。
- 应用公式:\(P(E)=\frac{|E|}{|S|}=\frac{1}{2}\)。
- 例 2:将一枚均匀的六面骰子投掷一次。求得到奇数的概率。
解:
- 确定样本空间 \(S={1,2,3,4,5,6}\),\(|S|=6\)。
- 事件 \(E={1,3,5}\)(奇数),\(|E|=3\)。
- 应用公式:\(P(E)=\frac{|E|}{|S|}=\frac{3}{6}=\frac{1}{2}\)。
常见错误及其纠正
- 错误:认为 \(P(E)\) 可以大于 1 或小于 0。
纠正:必须始终满足 \(0 \leq P(E) \leq 1\),因为概率是介于不可能事件与必然事件之间的有界度量。
- 错误:忘记结果必须等可能才能使用公式 \(P(E)=\frac{|E|}{|S|}\)。
纠正:若结果不等可能,必须使用频率定义或概率公理系统,而不能使用古典公式。
- 错误:混淆事件与其补事件,写成 \(P(E')=P(E)\) 而非 \(1-P(E)\)。
纠正:补事件 \(E'\) 包含所有不在 \(E\) 中的结果,因此 \(P(E)+P(E')=P(S)=1\),从而 \(P(E')=1-P(E)\)。
考试提示
- 始终首先明确界定样本空间 \(S\),并确保不重不漏地计算所有可能结果。
- 在应用古典概率公式前,先验证各结果是否等可能;若对等可能性存疑,应在题目中寻找更多信息。
- 利用对立事件性质 \(P(E')=1-P(E)\) 简便地求非直接概率,特别是在直接计算 \(P(E)\) 较为复杂时。
- 核对答案是否落在 0 到 1 之间(含端点);若超出此范围,请回溯检查解题步骤。
基本定律与公式
概率基本定律与公式
概率定律是中国留学生学历考试(CSCA)数学科目大量试题的基础基石。仅靠死记硬背公式是不够的,必须理解每条定律背后的数学逻辑,才能灵活应用于各类题目。以下详细列述四条主要定律及其逻辑推导。
| 定律 | 数学公式 |
|---|
| 加法定律(两事件的总概率) | \(P(A \cup B) = P(A) + P(B) - P(A \cap B)\) |
| 条件概率 | \(P(A|B) = \frac{P(A \cap B)}{P(B)}\) |
| 两事件的独立性 | \(P(A \cap B) = P(A) \times P(B)\) |
| 贝叶斯定理 | \(P(A|B) = \frac{P(B|A) \times P(A)}{P(B)}\) |
定律的逻辑推导
- 加法定律: 计算事件 \(A\) 或事件 \(B\) 发生的概率时,我们将两者的概率相加。然而,若两者存在重叠(即同时发生 \(A \cap B\)),该公共部分在和式 \(P(A) + P(B)\) 中会被重复计算一次。为修正此重复计数,需减去一次 \(P(A \cap B)\)。若两事件互斥,则 \(P(A \cap B) = 0\),定律化为 \(P(A \cup B) = P(A) + P(B)\)。
- 条件概率:该定律测量事件发生的概率 \(A\)已知事件 \(B\)因为我们知道\(B\)由于 B 已发生,新的样本空间缩减为仅为事件 B。\(B\)因此,我们将交集的概率 \(P(A \cap B)\)新样本空间\(P(B)\), 前提是 \(P(B) > 0\);否则除以零无定义,此时条件概率也无定义。
- 两事件的独立性:若一个事件的发生完全不影响另一个事件发生的概率,则称这两个事件相互独立。数学上表示为 \(P(A|B) = P(A)\)。代入条件概率公式 \(P(A|B) = \frac{P(A \cap B)}{P(B)}\),得到 \(\frac{P(A \cap B)}{P(B)} = P(A)\)。两边同乘 \(P(B)\)(假设 \(P(B) > 0\)),即得 \(P(A \cap B) = P(A) \times P(B)\)。
- 贝叶斯定理:它用于反转条件概率,即求出 \(P(A|B)\)当已知\(P(B|A)\)该定理基于条件概率定律与全概率定律的结合。由条件概率定律可得\(P(A \cap B) = P(B|A) \times P(A)\)和\(P(A \cap B) = P(A|B) \times P(B)\)将这两个表达式设为相等,可得\(P(A|B) \times P(B) = P(B|A) \times P(A)\)两边同时除以 \(P(B)\)(假设\(P(B) > 0\), 我们得到贝叶斯定理:\(P(A|B) = \frac{P(B|A) \times P(A)}{P(B)}\)该定理是基于新数据更新信念问题中的关键工具,例如医学诊断或质量控制。
解例 (1):加法公式与独立性的应用
题目: 在 CSCA 测试中,若某学生通过数学的概率为 \(P(A) = 0.8\),通过物理的概率为 \(P(B) = 0.7\),且通过这两门课程为相互独立的事件。求该学生至少通过一门课程的概率。
分步解答:
- 因为两事件相互独立,首先利用独立性公式计算同时通过两门课程的概率:
\(P(A \cap B) = P(A) \times P(B) = 0.8 \times 0.7 = 0.56\) - 所求为至少通过一门课程的概率,即两事件并集的概率 \(P(A \cup B)\)。
- 应用加法公式:
\(P(A \cup B) = P(A) + P(B) - P(A \cap B)\) - 代入数值:
\(P(A \cup B) = 0.8 + 0.7 - 0.56 = 1.5 - 0.56 = 0.94\) - 结果: 该学生至少通过一门课程的概率为 \(0.94\)。
解答例 (2):贝叶斯定理与条件概率的应用
题目:某工厂使用两台机器生产电子元件。第一台机器生产 \(60%\) 的元件,其次品率为 \(2%\);第二台机器生产 \(40%\) 的元件,其次品率为 \(3%\)。若随机抽取一件元件并发现其为次品,求该元件由第一台机器生产的概率。
分步解答:
- 定义事件:设 \(M_1\) 为第一台机器生产的事件,\(M_2\) 为第二台机器生产的事件,\(D\) 为元件为次品的事件。
- 已知条件为:
\(P(M_1) = 0.60\),\(P(M_2) = 0.40\)
\(P(D|M_1) = 0.02\),\(P(D|M_2) = 0.03\) - 要求求 \(P(M_1|D)\)。我们使用贝叶斯定理:
\(P(M_1|D) = \frac{P(D|M_1) \times P(M_1)}{P(D)}\) - 利用全概率公式计算分母 \(P(D)\):
\(P(D) = P(D|M_1) \times P(M_1) + P(D|M_2) \times P(M_2)\)
\(P(D) = (0.02 \times 0.60) + (0.03 \times 0.40) = 0.012 + 0.012 = 0.024\) - 代入贝叶斯公式:
\(P(M_1|D) = \frac{0.02 \times 0.60}{0.024} = \frac{0.012}{0.024} = 0.5\) - 结果:有缺陷零件来自第一台机器的概率是 \(0.5\) 或 \(50%\)。
常见错误须避免
- 混淆独立与互斥:互斥事件不能同时发生(即 \(P(A \cap B) = 0\)),而独立事件的发生互不影响(即 \(P(A \cap B) = P(A) \times P(B)\))。若 \(P(A) > 0\) 且 \(P(B) > 0\),则两事件不可能既互斥又独立,因为互斥要求 \(P(A \cap B) = 0\),而独立要求 \(P(A \cap B) = P(A) \times P(B) > 0\),二者矛盾。
- 忘记减去交集:使用两不互斥事件的加法公式时,有学生忘记减去 \(P(A \cap B)\),导致得到大于 \(1\) 的概率,这在数学上是不可能的,因为必须始终有 \(0 \leq P(E) \leq 1\)。例如,若在上例中按 \(P(A \cup B) = P(A) + P(B)\) 计算而不减交集,会得到 \(0.8 + 0.7 = 1.5 > 1\),显然错误。
- 错误地颠倒条件:误以为 \(P(A|B)\) 等于 \(P(B|A)\)。这两个概率完全不同,仅在极特殊情况下相等,如当 \(P(A) = P(B)\) 或两事件独立且等概率时。必须正确使用贝叶斯定理在两者间转换。
- 忽略分母条件:在条件概率中\(P(A|B) = \frac{P(A \cap B)}{P(B)}\), 必须确保\(P(B) \neq 0\),否则运算无定义。例如,若 \(P(B) = 0\), 那么事件 \(B\)不可能发生,因此询问……的概率毫无意义\(A\)已知\(B\).
CSCA 考试黄金技巧
- 首先确定关系类型: 开始解题前,仔细阅读题目,判断事件是相互独立、互斥还是条件关系。关键词如“已知”、“如果已知”、“不影响”等会直接指向正确公式。
- 使用文氏图: 在加法法则题目中,画出表示事件的圆圈有助于直观、准确地确定交集与并集区域,避免重复计数的陷阱。
- 验证结果的合理性: 始终确保最终概率落在区间 \(0 \leq P \leq 1\) 内。若得到诸如 \(1.2\) 这样的值,说明出现了计算错误或遗漏了减去交集。
- 练习复合贝叶斯题: 贝叶斯定理题目在留学生中国大学入学考试中高频出现。练习用概率表或决策树整理已知条件,再代入公式计算。
详细例题解析
详细例题解析
概率是中国留学生大学入学考试(CSCA)中最重要、最常考的题型之一。解答概率题要求准确理解样本空间、加法与乘法法则,并能区分独立事件与非独立事件。下面给出详细例题解析及所用数学法则的说明,随后附带补充例题与常见易错点。
例题 1:投掷两个骰子并计算点数之和的概率
题目: 投掷两个均匀的六面骰子,求朝上面点数之和等于 \(7\) 的概率。
分步解答:
- 投掷一枚骰子时,可能的结果数为 \(6\)。因为投掷两枚骰子,所以样本空间中结果的总数为 \(6 \times 6 = 36\) 种可能结果。
- 找出点数之和为 \(7\) 的有序数对:分别为 \((1,6)\)、\((2,5)\)、\((3,4)\)、\((4,3)\)、\((5,2)\) 和 \((6,1)\)。
- 符合条件的有利结果数为 \(6\)。
- 根据古典概型定义,事件的概率等于有利结果数除以可能结果总数,得:
\(P(\text{和} = 7) = \frac{6}{36} = \frac{1}{6}\)
法则说明:本题依据基本计数原理。因为每个结果出现的机会相同(均匀骰子),所以我们使用概率的古典定义。原因在于古典概率假设所有基本事件等可能,而此处因骰子均匀且投掷相互独立,该条件得到满足。
CSCA 考试提示:在涉及骰子和硬币的问题中,务必先准确计算样本空间的大小,以避免分母出错。
例题 2:不放回抽取(相关事件)
题目:一个盒子里装有 \(5\) 个红球和 \(3\)蓝球。随机依次抽取两个球不放回两个抽取的球都是红球的概率是多少?
分步解答:
- 盒子里球的总数是\(5 + 3 = 8\)个球。
- 第一次尝试抽到红球的概率是:
\(P(\text(第一个红)\frac{5}{8}\) - 由于抽取是不放回进行的,第二次抽取的样本空间发生变化。剩余红球数变为 \(4\),剩余球总数变为 \(7\)。因此,在第一次抽到红球的条件下,第二次抽到红球的概率为:
\(P(\text{第二次红} \mid \text{第一次红}) = \frac{4}{7}\) - 利用相关事件的乘法公式:
\(P(\text{两红}) = \frac{5}{8} \times \frac{4}{7} = \frac{20}{56} = \frac{5}{14}\)
公式解释: 当第一个事件的发生影响第二个事件的概率时,使用乘法公式 \(P(A \cap B) = P(A) \times P(B \mid A)\)。原因在于不放回抽取在第一次抽取后改变了盒子的组成,使第二个事件依赖于第一个事件的结果。若错误地假设独立,会得到不能反映样本空间真实变化的错误结果。
CSCA 考试提示: 在任何不放回抽取中,每次抽取后都要准确计算剩余球数,切勿假设概率保持不变。
例题 3:事件独立性的检验
题目:若 \(P(A) = 0.4\),\(P(B) = 0.5\),且 \(P(A \cap B) = 0.2\)。事件 \(A\) 与 \(B\) 是否独立?
分步解答:
- 独立的定义:事件 \(A\) 与 \(B\) 独立,当且仅当它们交集的概率等于各自概率的乘积,即 \(P(A \cap B) = P(A) \times P(B)\)。
- 计算两个单独概率的乘积:
\(P(A) \times P(B) = 0.4 \times 0.5 = 0.2\) - 将结果与给定的交集概率比较:
\(P(A \cap B) = 0.2\) - 因为 \(P(A) \times P(B) = P(A \cap B)\),所以事件 \(A\) 与 \(B\)相互独立.
规则解析:独立意味着一个事件的发生不提供关于另一个事件发生的任何信息,因而不改变其概率。原因在于:已知 \(A\) 发生,不改变 \(B\) 的更新概率,即 \(P(B \mid A) = P(B)\),此处成立是因为 \(\frac{P(A \cap B)}{P(A)} = \frac{0.2}{0.4} = 0.5 = P(B)\)。
CSCA 考试提示:切勿在未验证条件 \(P(A \cap B) = P(A) \times P(B)\) 前假设独立,即使看起来合乎逻辑。
例题 4:概率加法法则
题目:若 \(P(A) = 0.6\),且 \(P(B) = 0.3\),且 \(P(A \cap B) = 0.1\)。求两事件的并的概率 \(P(A \cup B)\)。
分步解答:
- 应用概率的一般加法公式,该公式考虑到不重复计算交集:
\(P(A \cup B) = P(A) + P(B) - P(A \cap B)\) - 代入已知数值:
\(P(A \cup B) = 0.6 + 0.3 - 0.1 = 0.8\)
公式解释:将 \(P(A)\) 与 \(P(B)\) 相加时,它们的公共区域 \(P(A \cap B)\) 被计算了两次,因此必须减去一次,以得到并事件的精确概率。原因在于集合 \(A \cup B\) 包含属于 \(A\) 或 \(B\) 或两者兼有的元素,而 \(P(A)+P(B)\) 会将交集计算两次,故减去一次以修正计数。
CSCA 考试提示:请记住,简化加法公式 \(P(A)+P(B)\) 仅在事件互斥(即 \(P(A \cap B)=0\))时成立,否则应使用一般公式。
例 5:贝叶斯定理(逆条件概率)
题目:某大学系别中,男生比例为 \(60\%\),戴眼镜的学生比例为 \(30\%\)。已知 \(25\%\) 的男生戴眼镜,求戴眼镜的学生是男生的概率。
分步解答:
- 我们用数学语言确定已知条件:
\(P(\text{男}) = 0.6\)
\(P(\text{戴眼镜}) = 0.3\)
\(P(\text{戴眼镜} \mid \text{男}) = 0.25\) - 要求求出 \(P(\text{男} \mid \text{戴眼镜})\)。利用贝叶斯公式:
\(P(\text{男} \mid \text{戴眼镜}) = \frac{P(\text{戴眼镜} \mid \text{男}) \times P(\text{男})}{P(\text{戴眼镜})}\) - 代入数值:
\(P(\text{男} \mid \text{戴眼镜}) = \frac{0.25 \times 0.6}{0.3} = \frac{0.15}{0.3} = 0.5\)
公式解析:贝叶斯公式允许我们反转条件;即从某类别中某特征的概率,转向在已知特征下属于该类别的概率。原因在于我们已知一个方向的条件概率(\(P(\text{戴眼镜} \mid \text{男})\)),却要求反方向的概率,贝叶斯公式利用乘法公式和全概率公式(此处为男、女两类别)实现概率的反向推导。
CSCA 考试提示:贝叶斯定理题目非常常见。在直接代入公式前,总要先画树形图,以明确各类别及其合法概率。
额外全解例题
例题 6:事件的补集与交集
题目:在一场入学考试中,某学生数学及格的概率为 \(P(M) = 0.7\),物理及格的概率为 \(P(P) = 0.5\)。若该学生两门均及格的概率为 \(P(M \cap P) = 0.3\),求该学生两门均不及格的概率。
分步解答:
- 学生两门均不及格,即数学不及格且物理不及格,这是“至少一门及格”这一事件的补集。因此我们要求 \(P(\overline{M \cup P})\)。
- 第一步,利用加法公式计算至少一门及格的概率:
\(P(M \cup P) = P(M) + P(P) - P(M \cap P)\)
\(P(M \cup P) = 0.7 + 0.5 - 0.3 = 0.9\) - 第二步,利用补集公式:
\(P(\overline{M \cup P}) = 1 - P(M \cup P)\)
\(P(\overline{M \cup P}) = 1 - 0.9 = 0.1\)
故该学生两门均不及格的概率为 \(0.1\)。
公式解析:之所以使用补集,是因为在缺乏依赖关系信息时,直接计算 \(P(\overline{M} \cap \overline{P})\) 可能较为复杂,而 \(P(M \cup P)\) 可通过加法公式较易求出,其补集即精确给出所求事件。
例题 7:二项分布(二项概率)
题目:向靶心射箭,单次射中概率为 \(p = 0.4\)。若独立射箭 \(3\) 次,求恰好射中两次的概率。
分步解答:
- 这是重复伯努利试验,试验次数 \(n = 3\),要求射中次数 \(k = 2\),成功概率 \(p = 0.4\),失败概率 \(q = 1 - p = 0.6\)。
- 使用二项分布公式:
\(P(X = k) = \binom{n}{k} \times p^k \times q^{n-k}\) - 计算组合数:
\(\binom{3}{2} = \frac{3!}{2! \times 1!} = 3\) - 代入公式:
\(P(X = 2) = 3 \times (0.4)^2 \times (0.6)^1\)
\(P(X = 2) = 3 \times 0.16 \times 0.6 = 0.288\)
因此,恰好射中两次的概率为 \(0.288\)。
规则解析:之所以使用二项分布,是因为满足条件:固定次数的独立试验(\(n=3\))、每次试验只有两种结果(射中/未中)、成功概率恒定(\(p=0.4\))。若不满足这些条件,则不能直接应用该公式。
CSCA 考试提示:核实是否满足应用二项分布的条件:试验次数固定、只有两种结果(成功/失败)、试验相互独立。
常见错误须避免
- 混淆独立事件与相关事件: 在不放回抽样的情况下使用简单乘法法则 \(P(A \cap B) = P(A) \times P(B)\)。请记住,不放回抽样必须使用条件概率 \(P(B \mid A)\)。
- 在加法法则中忘记减去交集: 写成 \(P(A \cup B) = P(A) + P(B)\) 而不减去 \(P(A \cap B)\),导致在某些情况下得到大于 \(1\) 的概率。
- 样本空间计算错误: 掷两个骰子时,部分学生认为结果 \((1,2)\) 与 \((2,1)\) 相同,这是错误的。必须将它们视为两个不同的结果,使样本空间为 \(36\) 而非 \(21\)。
- 错误应用贝叶斯定理: 混淆 \(P(A \mid B)\) 与 \(P(B \mid A)\)。仔细审题,明确何为“已知”(条件)、何为“求解”(目标)。
- 概率超出允许范围: 任何计算出的概率都必须落在区间 \(0 \leq P(E) \leq 1\) 内。若得到 \(1.2\) 或 \(-0.3\) 这样的值,计算必有错误。
CSCA 考试总结与黄金技巧
在中国大学入学考试(CSCA)中,将考查你的逻辑分析能力和快速应用定律的能力。遇到任何概率题时,请遵循以下步骤:
- 确定实验类型(有放回或无放回、独立或相关)。
- 用正确的符号将已知条件写成清晰的数学形式,如 \(P(A)\)、\(P(A \cap B)\) 和 \(P(A \mid B)\)。
- 根据事件的性质选择合适的定律。
- 检验最终答案的合理性(是否在 \(0\) 与 \(1\) 之间?)。
SVG示意图
SVG示意图:概率的文氏图
文氏图是概率学习中的基本可视化工具,它使学生能够形象地理解不同样本空间内各事件之间的关系。该图在CSCA考试中被广泛使用,以简化涉及事件并集与交集的问题。
第一个圆表示事件\(A\),第二个圆表示事件\(B\)。它们的重叠区域表示两个事件的交集,即两者同时发生,用概率\(P(A \cap B)\)表示。两个圆共同覆盖的总区域表示两个事件的并集\(P(A \cup B)\)。
加法法则的数学依据
一般加法法则规定:\(P(A \cup B) = P(A) + P(B) - P(A \cap B)\)。减去项\(P(A \cap B)\)的逻辑原因是避免重复计数;在将事件\(A\)的概率与事件\(B\)的概率相加时,交集区域被计算了两次(一次在\(A\)内,一次在\(B\)内),因此必须减去一次才能得到并集的正确值。
若两事件互斥(即不能同时发生),则\(P(A \cap B) = 0\),法则简化为:\(P(A \cup B) = P(A) + P(B)\)。
解题示例1:加法法则的直接应用
题目:在随机实验中,若 \(P(A) = 0.4\) 且 \(P(B) = 0.5\) 且 \(P(A \cap B) = 0.2\),求两个事件中至少发生一个的概率 \(P(A \cup B)\)。
完整步骤解答:
- 确定已知条件:\(P(A) = 0.4\),\(P(B) = 0.5\),\(P(A \cap B) = 0.2\)。
- 应用一般加法公式:\(P(A \cup B) = P(A) + P(B) - P(A \cap B)\)。
- 代入数值:\(P(A \cup B) = 0.4 + 0.5 - 0.2\)。
- 计算最终结果:\(P(A \cup B) = 0.7\)。
第二个例题:求交集概率
题目: 在某班级中,学生通过数学测验的概率为 \(P(M) = 0.8\),通过物理测验的概率为 \(P(P) = 0.7\),通过至少一门测验的概率为 \(P(M \cup P) = 0.9\)。求同时通过两门测验的概率。
完整步骤解答:
- 写出数学公式:\(P(M \cup P) = P(M) + P(P) - P(M \cap P)\)。
- 变形方程求交集:\(P(M \cap P) = P(M) + P(P) - P(M \cup P)\)。
- 代入已知条件:\(P(M \cap P) = 0.8 + 0.7 - 0.9\)。
- 加减运算:\(P(M \cap P) = 1.5 - 0.9 = 0.6\)。
- 因此,该学生同时通过两次测试的概率是 \(0.6\)。
常见错误须避免
- 忘记减去交集:部分学生直接计算 \(P(A) + P(B)\) 而不减去 \(P(A \cap B)\),导致结果错误,有时甚至超过 1。
- 混淆并集与交集:请始终记住符号 \(\cup\) 表示并集(或),符号 \(\cap\) 表示交集(且)。
- 总是假设互斥:除非题目明确说明两事件互斥,否则不要假定 \(P(A \cap B) = 0\)。
- 忽略概率的取值范围:必须始终确认所求概率满足条件 \(0 \leq P(E) \leq 1\)。
CSCA 考试技巧
- 在选择题中,先在草稿纸上快速画出文氏图,精确确定所需区域,然后再开始计算。
- 注意阿拉伯语或英语题目中的关键词:“或”表示并集 \(\cup\),“和”或“共同”表示交集 \(\cap\)。
- 若题目要求求事件 \(A\) 不发生的概率,直接使用补集:\(P(A^c) = 1 - P(A)\),这是从文氏图导出的性质,即圆 \(A\) 外部且总矩形内部的区域。
对比表
对比表:互斥事件与独立事件
准确区分互斥事件与独立事件,是中国留学生大学入学考试(CSCA)数学科目考查的最重要概念之一。混淆这两个概念必然导致选错公式,因此我们提供这份详细对比,以阐明根本差异及每条规则背后的逻辑依据。
| 性质 | 互斥 | 独立 |
|---|
| 交集概率 \(P(A \cap B)\) | \(0\) | \(P(A) \times P(B)\) |
| 并集概率 \(P(A \cup B)\) | \(P(A) + P(B)\) | \(P(A) + P(B) - P(A) \times P(B)\) |
规则的逻辑解释
- 互斥事件: 指两个事件不能同时发生,即它们的交集为空集 \(A \cap B = \emptyset\)。因此,两者同时发生的概率为零:\(P(A \cap B) = 0\)。根据一般加法公式 \(P(A \cup B) = P(A) + P(B) - P(A \cap B)\),由于交集为零,公式简化为 \(P(A \cup B) = P(A) + P(B)\)。
- 独立事件:它们是两个事件,其中一个的发生不影响另一个发生的概率。数学上,这意味着条件概率等于原始概率:\(P(A \mid B) = P(A)\)。由条件概率的定义 \(P(A \cap B) = P(A \mid B) \times P(B)\),可直接推得 \(P(A \cap B) = P(A) \times P(B)\)。至于并集,应用一般法则并代入交集的值,得到 \(P(A \cup B) = P(A) + P(B) - P(A) \times P(B)\)。
第一个解答例题:互斥事件
在投掷一枚均匀六面骰子的实验中,设事件 \(A\) 为出现数字 \(2\),事件 \(B\) 为出现数字 \(5\)。求 \(P(A \cap B)\) 与 \(P(A \cup B)\)。
完整分步解答:
- 因为数字 \(2\) 和数字 \(5\) 不可能在一次投骰中同时出现,所以事件 \(A\) 和 \(B\) 互斥。
- 每个事件单独发生的概率是 \(P(A) = \frac{1}{6}\) 和 \(P(B) = \frac{1}{6}\)。
- 应用互斥事件的交集法则:\(P(A \cap B) = 0\)。
- 应用互斥事件的并集法则:\(P(A \cup B) = P(A) + P(B) = \frac{1}{6} + \frac{1}{6} = \frac{2}{6} = \frac{1}{3}\)。
第二个解答例题:独立事件
两个盒子:第一个盒子含有 \(3\) 个红球和 \(2\) 个蓝球,第二个盒子含有 \(4\) 个红球和 \(6\) 个蓝球。从每个盒子中随机抽取一个球。设 \(A\) 为从第一个盒子抽到红球的事件,\(B\) 为从第二个盒子抽到红球的事件。求两个抽取的球都是红球的概率,以及至少有一个是红球的概率。
完整步骤解答:
- 从第一个盒子抽取不影响从第二个盒子抽取,因此事件 \(A\) 和 \(B\) 相互独立。
- 计算各事件的概率:\(P(A) = \frac{3}{5}\) 与 \(P(B) = \frac{4}{10} = \frac{2}{5}\)。
- 两个球都是红球的概率(交集):\(P(A \cap B) = P(A) \times P(B) = \frac{3}{5} \times \frac{2}{5} = \frac{6}{25}\)。
- 至少有一个球是红球的概率(并集):\(P(A \cup B) = P(A) + P(B) - P(A \cap B) = \frac{3}{5} + \frac{2}{5} - \frac{6}{25}\)。
- 通分:\(P(A \cup B) = \frac{15}{25} + \frac{10}{25} - \frac{6}{25} = \frac{19}{25}\)。
常见错误须避免
- 混淆互斥与独立:部分学生错误地认为互斥事件是独立事件。事实上,两个互斥事件(概率非零)完全相互依赖;若其中一个发生,另一个发生的概率即为零,即 \(P(B \mid A) = 0 \neq P(B)\)。
- 对独立事件使用简单加法公式:计算两个独立事件的并集时忘记减去交集,会导致结果在某些情况下大于 \(1\),这在概率中是不可能的,因为必须始终满足 \(0 \leq P(E) \leq 1\)。
- 将互斥事件的概率相乘:对互斥事件应用公式 \(P(A) \times P(B)\),而非将结果置为零。
CSCA 考试黄金技巧
- 仔细阅读题目文本:寻找关键词,如“不能同时发生”(提示互斥)或“不影响彼此”/“有放回”(提示独立)。
- 核验答案正确性:务必确保最终概率落在区间 \(0 \leq P \leq 1\) 内。若得到诸如 \(1.2\) 之类的概率,必定是你在并集公式中忘记减去交集。
- 记住特殊情况:若 \(P(A) > 0\) 且 \(P(B) > 0\),则两事件不可能既互斥又独立。此考点在 CSCA 考试的判断题或选择题中高频出现。
CSCA考试提示与常见错误
CSCA考试提示与常见错误
概率是CSCA考试最严格考察学生对基本概念理解精确度及辨别相似情况能力的主题之一。以下是一组有数学推理支撑的黄金备考提示,随后附有完整解析示例及须避免的主要错误。
第一:考试策略提示
- 明确界定样本空间: 开始任何计算前,必须准确确定样本空间\(S\)并计算其元素个数\(n(S)\)。原因在于任意事件\(E\)的概率由关系式\(P(E) = \frac{n(E)}{n(S)}\)定义,分母确定若有误差,必然导致答案错误。
- 区分有放回抽样与无放回抽样:从盒子中取出一个球后再放回(有放回),样本空间保持不变,事件相互独立,即 \(P(A \cap B) = P(A) \times P(B)\)。若为不放回取样,则样本空间随每一步缩小,事件变为相关,必须使用条件概率。
- 利用对立事件简化计算: 当题目询问事件"至少发生一次"的概率时,计算对立事件往往容易得多。法则为\(P(E) = 1 - P(E^c)\),其中\(E^c\)表示对立事件(即\(E\)绝不发生)。这能在考试中节省宝贵时间并降低计算失误概率。
- 注意条件概率的不对称性:学生最容易犯错的重要规则之一是\(P(A|B) \neq P(B|A)\)在一般情况下。概率\(P(A|B)\)表示在 发生的条件下 发生的概率\(A\)已知\(B\),并按公式计算\(P(A|B) = \frac{P(A \cap B)}{P(B)}\), 而\(P(B|A) = \frac{P(A \cap B)}{P(A)}\)区别在于分母,它代表已知事件(条件)。
第二:全步骤详解例题
例 1:加法公式与条件概率
某大学中,学生通过数学的概率为 \(P(M) = 0.7\),通过物理的概率为 \(P(P) = 0.6\),同时通过两门课的概率为 \(P(M \cap P) = 0.5\)。求:(1) 至少通过一门课的概率。(2) 已知通过物理,求通过数学的概率。
完整步骤解答:
- 问 (1):运用概率加法公式。之所以要减去交集,是因为把 \(P(M) + P(P)\) 相加时,交集区域被计算了两次,故需减去一次。公式为:\(P(M \cup P) = P(M) + P(P) - P(M \cap P)\)。
- 代入已知数值:\(P(M \cup P) = 0.7 + 0.6 - 0.5 = 0.8\)。
- 问 (2):直接应用条件概率公式:\(P(M|P) = \frac{P(M \cap P)}{P(P)}\)。
- 代入数值:\(P(M|P) = \frac{0.5}{0.6} = \frac{5}{6}\)。
例 2:利用对立事件与不放回抽样
一个盒子里有 \(4\) 个红球和 \(6\) 个蓝球。随机不放回地抽取 \(3\) 个球。求至少得到 1 个红球的概率。
完整分步解答:
- 球的总数是 \(10\)。不放回地抽取 \(3\) 个球的样本空间用组合数计算:\(n(S) = \binom{10}{3} = \frac{10 \times 9 \times 8}{3 \times 2 \times 1} = 120\)。
- 我们不计算(1 个红球、2 个红球、3 个红球)的情况并求和,而是利用补集技巧,因为题目问的是“至少”。补事件 \(E^c\) 是“未抽到任何红球”,即只抽取 \(3\) 个蓝球。
- 抽取 \(3\)个蓝球,从\(6\)为:\(n(E^c) = \binom{6}{3} = \frac{6 \times 5 \times 4}{3 \times 2 \times 1} = 20\).
- 补事件的概率:\(P(E^c) = \frac{20}{120} = \frac{1}{6}\)。
- 所求概率:\(P(E) = 1 - P(E^c) = 1 - \frac{1}{6} = \frac{5}{6}\)。
第三:常见错误表及其纠正
| 常见错误 | 纠正与解释 |
|---|
| 计算两个非互斥事件的并集时,忘记减去交集。 | 必须始终应用公式 \(P(A \cup B) = P(A) + P(B) - P(A \cap B)\)不要省略 ⟦106⟧P(A ⟦107⟧ B)⟦108⟧,除非这两个事件互斥(即 ⟦109⟧P(A ⟦110⟧ B) = 0⟦111⟧)。\(P(A \cap B)\)除非这两个事件互斥(即 \(P(A \cap B) = 0\)). |
| 自动假设事件相互独立并直接使用乘法。 | 公式 \(P(A \cap B) = P(A) \times P(B)\) 仅在 \(A\) 与 \(B\) 相互独立时成立。若为不放回抽样,必须使用 \(P(A \cap B) = P(A) \times P(B|A)\)。 |
| 计算样本空间时混淆排列与组合。 | 若抽取顺序不重要(如选举委员会),使用组合 \(\binom{n}{r}\);若顺序重要(如颁发金、银、铜牌),使用排列。 |
第四:CSCA 考试中需警惕的其他常见错误清单。
- 超出概率取值范围:请始终牢记,对任意事件 \(E\),必须满足条件 \(0 \leq P(E) \leq 1\)。若解得概率大于 \(1\) 或为负值,必定是解题步骤出错。
- 忽略“至少”或“至多”条件:这些措辞是命题人提示使用补集公式 \(P(E) = 1 - P(E^c)\) 而非冗长直接计算的明确信号。
- 在文字表述中混淆并集与交集:“或”表示并集 \(\cup\),适用加法公式;“和”或“同时”表示交集 \(\cap\),适用乘法公式(需考虑独立性)。
附加练习与解答
附加练习与解答
本节是中国大学入学考试(CSCA)数学科目备考中最重要的部分之一,它将考查直接对公式理解的基础练习与需要分析性思维的拓展练习相结合。开始解题前,请始终牢记:概率是事件发生可能性的度量,其取值始终位于区间 \(0 \leq P(E) \leq 1\) 内。
练习 1:加法公式与互斥事件、非互斥事件
已知: 有一副标准扑克牌,共 \(52\) 张。要求求出抽到 "A" 或 "红桃" 的概率。
使用公式: 求两个事件中至少一个发生的概率时,使用一般加法公式:\(P(A \cup B) = P(A) + P(B) - P(A \cap B)\)。之所以要减去 \(P(A \cap B)\),是因为将两个事件的概率相加时,交集(即两者共有的元素)被计算了两次,必须减去一次以避免重复计算。
分步解答:
- 牌组中 A 的张数为 \(4\),故抽到 A 的概率为:\(P(\text{A}) = \frac{4}{52}\)。
- 牌组中红桃的张数为 \(13\),故抽到红桃的概率为:\(P(\text{红桃}) = \frac{13}{52}\)。
- 两个事件的交集是 "红桃 A",共 \(1\) 张,故:\(P(\text{A} \cap \text{红桃}) = \frac{1}{52}\)。
- 应用公式:\(P(\text{A} \cup \text{红桃}) = \frac{4}{52} + \frac{13}{52} - \frac{1}{52} = \frac{16}{52}\)。
- 将分子分母同除以 \(4\) 约分:\(P(\text{A} \cup \text{红桃}) = \frac{4}{13}\)。
理由与说明: 使用一般加法公式,因为事件“抽到 A”与“抽到红桃”不互斥(二者共有红桃 A),若直接相加而不减去交集,会将这张牌计算两次,违背概率计算中不重复计数的原则。
两道分步解答例题:
- 例 1: 在同一副牌中,求抽到“K”或“花色牌”(即梅花、方块、黑桃、红桃任一花色的牌)的概率。
解:
步骤 1:K 的张数 = \(4\),\(P(\text{K}) = \frac{4}{52}\)。
步骤 2:花色牌张数 = \(13\)(某一花色的所有牌),\(P(\text{花色牌}) = \frac{13}{52}\)。
步骤 3:交集 = 该花色的 K = \(1\) 张,\(P(\text{K} \cap \text{花色牌}) = \frac{1}{52}\)。
步骤 4:\(P(\text{K} \cup \text{花色牌}) = \frac{4}{52} + \frac{13}{52} - \frac{1}{52} = \frac{16}{52} = \frac{4}{13}\)。
步骤 5:按前述方法化简。 - 例 2:计算抽到一张牌为“7”或“黑色”(梅花或黑桃)的概率。
解:
步骤 1:数字 7 的牌数 = \(4\),\(P(7) = \frac{4}{52}\)。
步骤 2:黑色牌数 = \(26\)(13 张梅花 + 13 张黑桃),\(P(\text{黑色}) = \frac{26}{52}\)。
步骤 3:交集 = 既是黑色又是 7 的牌 = 2 张(梅花 7、黑桃 7),\(P(7 \cap \text{黑色}) = \frac{2}{52}\)。
步骤 4:\(P(7 \cup \text{黑色}) = \frac{4}{52} + \frac{26}{52} - \frac{2}{52} = \frac{28}{52} = \frac{7}{13}\)。
“常见错误”列表及其纠正:
- 错误: 忘记红桃 A 同时属于两个事件,而在交集中只计算了一次。
纠正:必须精确计算交集:只有一张牌(红桃A)同时属于这两个事件,因此\(P(A \cap B) = \frac{1}{52}\),而不是零或更多。 - 错误:化简\(\frac{16}{52}\)通过除以\(2\)仅为得到\(\frac{8}{26}\)而不继续化到最简形式。
修正:必须继续约分,直到不存在大于\(1\): \(\frac{16}{52} \div \frac{4}{4} = \frac{4}{13}\).
考试提示:在加法法则题目中,首先要准确确定两个事件,然后判断它们是否互斥(若互斥则无需减去交集)。如果不确定,假设它们不互斥并减去\(P(A \cap B)\) —— 这样总是稳妥的,因为如果它们互斥,则交集为零,减去它也不造成影响。
练习 2:不放回抽样与组合
已知:一个盒子里装有 \(4\) 个红球和 \(6\) 个白球。随机抽取 \(3\)随机不放回求所抽取的球均为白球的概率。
所用规则: 在不放回抽样中,每次抽取后可用元素的数量都会发生变化,这意味着事件是相互依赖的。此处计算概率时,我们使用组合数 \(\binom{n}{r}\),因为抽取顺序不影响结果。概率等于所求情况数除以所有可能情况总数。
分步解答:
- 球的总数为 \(4 + 6 = 10\)。
- 抽取 \(3\)个球从\(10\)为:\(\binom{10}{3} = \frac{10!}{3! \times 7!} = \frac{10 \times 9 \times 8}{3 \times 2 \times 1} = 120\).
- 抽取 \(3\)从……中取出白球\(6\)从⟦155⟧6⟦156⟧个白球中抽取⟦153⟧3⟦154⟧个白球的方法数为:\(\binom{6}{3} = \frac{6!}{3! \times 3!} = \frac{6 \times 5 \times 4}{3 \times 2 \times 1} = 20\).
- 所有球均为白球的概率为:\(P(\text{全白}) = \frac{20}{120} = \frac{1}{6}\)。
理由与说明: 我们使用组合数,因为抽取是不放回且不考虑顺序的;因此每组 \(3\) 个白球算作一种有利情况,每组从总数中取出的 \(3\) 个球算作一种可能情况。这保证了计算的准确性,避免了因顺序导致的重复或遗漏。
两个分步解答示例:
- 示例 1: 一个盒子里有 \(5\) 个绿球和 \(5\) 个黄球。不放回地抽取 \(2\) 个球。求两个球均为绿球的概率。
解:
步骤 1:总数 = \(5+5=10\)。
步骤 2:\(\binom{10}{2} = \frac{10\times9}{2} = 45\)。
步骤 3:\(\binom{5}{2} = \frac{5\times4}{2} = 10\)。
步骤 4:\(P = \frac{10}{45} = \frac{2}{9}\)。 - 例 2: 同一原箱子(\(4\) 红,\(6\) 白),不放回地抽取 \(2\) 个球。求一红一白的概率。
解:
步骤 1:总方案数 = \(\binom{10}{2} = 45\)。
步骤 2:有利方案数:从 \(4\) 中选 1 红,从 \(6\) 中选 1 白 → \(4 \times 6 = 24\)(因为两次选择在组合意义上相互独立,且此处不考虑顺序,因为我们将 {红,白} 视为同一种情况,与抽取顺序无关)。
步骤 3:\(P = \frac{24}{45} = \frac{8}{15}\)。
“常见错误”列表及其纠正:
- 错误: 将概率计算为乘法序列而不调整分母:\(\frac{6}{10} \times \frac{5}{9} \times \frac{4}{8}\) 然后忘记化简结果或步骤混淆。
纠正: 这种方法实际上是正确的(针对不放回的顺序抽取),但会得到相同的结果:\(\frac{6}{10} \times \frac{5}{9} \times \frac{4}{8} = \frac{120}{720} = \frac{1}{6}\)。常见错误是停留在 \(\frac{120}{720}\) 而不化简,或分母计算错误(例如使用 \(10^3\))。 - 错误: 使用排列而非组合:计算 \(P(10,3) = 720\) 作为总情况数。
纠正: 因为在“所有球均为白”这一事件中顺序不重要,使用排列会以相同比例高估可能情况和有利情况,但如果应用不一致可能导致错误。顺序不重要时,始终使用组合 \(\binom{n}{r}\)。
考试提示: 在不放回抽取题中,自问:顺序重要吗?若否(如“所有球均为白”“同色牌”等),用组合。若是(如“第一次抽红、第二次抽白”),用分母更新的顺序乘法:\(\frac{6}{10} \times \frac{4}{9}\) 等。
练习 3:事件的独立性
已知:若 \(P(A) = 0.5\),且 \(P(B) = 0.4\),且 \(P(A \cup B) = 0.7\)。事件 \(A\) 与 \(B\) 是否独立?
所用法则:当且仅当两事件的交集概率等于其各自概率的乘积时,称这两事件相互独立,即:\(P(A \cap B) = P(A) \times P(B)\)。为证实这一点,必须先利用第一题所述的加法法则求出 \(P(A \cap B)\)。
分步解答:
- 由加法法则:\(P(A \cup B) = P(A) + P(B) - P(A \cap B)\)。
- 代入已知数值:\(0.7 = 0.5 + 0.4 - P(A \cap B)\)。
- 解方程求交集:\(P(A \cap B) = 0.9 - 0.7 = 0.2\)。
- 现验证独立性条件:计算 \(P(A) \times P(B) = 0.5 \times 0.4 = 0.2\)。
- 因为 \(P(A \cap B) = 0.2 = P(A) \times P(B)\),条件成立,故断定事件 \(A\) 与 \(B\)相互独立.
理由与说明:先用加法法则求出 \(P(A \cap B)\),因为它直接关联已知的 \(P(A \cup B)\)。再将该交集概率与乘积 \(P(A)P(B)\) 比较;若相等,则一事件发生不影响另一事件发生的概率,即为独立的定义。此步骤顺序合理,因我们并不直接拥有 \(P(A \cap B)\),必须从并集推导而得。
两个分步解答的例题:
- 例 1:若 \(P(A) = 0.6\),\(P(B) = 0.5\),且 \(P(A \cup B) = 0.8\)。\(A\) 与 \(B\) 是否独立?
解:
步骤 1:\(0.8 = 0.6 + 0.5 - P(A \cap B)\) → \(P(A \cap B) = 1.1 - 0.8 = 0.3\)。
步骤 2:\(P(A)P(B) = 0.6 \times 0.5 = 0.3\)。
步骤 3:因为等式成立,所以这两个事件相互独立。 - 例 2:若 \(P(A) = 0.3\),\(P(B) = 0.7\),且 \(P(A \cup B) = 0.9\)。\(A\) 与 \(B\) 是否独立?
解:
步骤 1:\(0.9 = 0.3 + 0.7 - P(A \cap B)\) → \(P(A \cap B) = 1.0 - 0.9 = 0.1\)。
步骤 2:\(P(A)P(B) = 0.3 \times 0.7 = 0.21\)。
步骤 3:因为 \(0.1 \neq 0.21\),所以这两个事件不独立(实际上,这两个事件互斥,因为 \(P(A \cap B) = 0.1 > 0\),但此处我们假设已知数据一致;若它们真互斥,则应有 \(P(A \cap B)=0\)。本例仅作计算演示)。
“常见错误”列表及其纠正:
- 错误: 直接由 \(P(A \cup B) = P(A) + P(B)\) 假设独立,而未核实交集。
纠正: 该等式仅在 \(P(A \cap B) = 0\) 时成立,即两事件互斥时。独立要求 \(P(A \cap B) = P(A)P(B)\),这是完全不同的条件。例如,若 \(P(A)=0.5, P(B)=0.4\),则 \(P(A)+P(B)=0.9\),但已知值为 \(0.7\),故未经计算不能假设独立。 - 错误: 将 \(P(A) \times P(B)\) 当作加法计算:\(0.5 + 0.4 = 0.9\),而非乘法。
纠正: 独立的条件是乘法,而非加法。加法仅在交集为零时给出并集概率,这并非独立的定义。
考试提示: 已知 \(P(A \cup B)\) 时,第一步必须是用加法公式求出 \(P(A \cap B)\)。只有在此之后才能检验独立性。切勿在未显式计算交集并与乘积比较前,假设独立或不独立。
附加练习 1:条件概率
已知:在某学校,学习数学的学生比例为 \(P(M) = 0.6\),学习物理的学生比例为 \(P(P) = 0.4\),同时学习两门课程的学生比例为 \(P(M \cap P) = 0.24\)。若已知随机选取的一名学生学习数学,求该学生同时学习物理的概率。
使用法则:当已有先验信息缩小样本空间时,使用条件概率。其公式为:\(P(B|A) = \frac{P(A \cap B)}{P(A)}\),前提是 \(P(A) > 0\)。其逻辑是:我们只关注事件 \(A\) 发生的那部分样本空间,并考察事件 \(B\) 在其中所占的比例。
分步解答:
- 要求的是在学习数学条件下学习物理的概率,即 \(P(P|M)\)。
- 直接应用公式:\(P(P|M) = \frac{P(M \cap P)}{P(M)}\)。
- 代入数值:\(P(P|M) = \frac{0.24}{0.6}\)。
- 分子分母同乘 \(100\) 以去除小数:\(P(P|M) = \frac{24}{60} = \frac{2}{5} = 0.4\)。
- 因此,已知该学生学习数学的条件下,其学习物理的概率为 \(0.4\)。
理由与说明:我们使用条件概率,因为已知条件指定了一个先验条件:已知该学生学习数学。该条件将样本空间从所有学生缩减为仅学习数学的学生。在这个缩减后的空间内,我们计算同时学习物理的比例,这正是 \(\frac{P(M \cap P)}{P(M)}\) 所给出的:在学习数学的学生中,同时学习两门学科的学生所占的百分比。
两个分步解答的例题:
- 例 1:在同一所学校,若已知该学生学习物理,求其同时学习数学的概率。即计算 \(P(M|P)\)。
解:
步骤 1:\(P(M|P) = \frac{P(M \cap P)}{P(P)} = \frac{0.24}{0.4}\)。
步骤 2:\(\frac{0.24}{0.4} = \frac{24}{40} = \frac{3}{5} = 0.6\)。
步骤 3:因此,该概率为 \(0.6\)。 - 例 2:假设在另一个班级,\(P(M) = 0.7\),\(P(P) = 0.3\),且 \(P(M \cap P) = 0.21\)。若已知该学生学习数学,求其学习物理的概率。
解:
步骤 1:\(P(P|M) = \frac{0.21}{0.7} = \frac{21}{70} = \frac{3}{10} = 0.3\)。
步骤 2:注意到这等于 \(P(P)\),这在本例中暗示了独立性(但在未验证完整条件前不能得出结论)。
“常见错误”列表及每个错误的纠正:
- 错误: 颠倒条件:当题目要求“已知学习数学”时,计算了 \(P(M|P)\) 而不是 \(P(P|M)\)。
纠正: 始终将“已知”后面的事件放在分母:\(P(B|A)\) 意味着 \(A\) 是条件,因此分母是 \(P(A)\)。此处,“已知学习数学” → \(M\) 为条件 → 分母 \(P(M)\)。 - 错误: 忘记在除法前验证 \(P(A) > 0\),若条件事件不可能发生,可能导致除以零。
纠正: 始终确保条件事件的概率大于零。本例中,\(P(M)=0.6>0\),故运算有效。若 \(P(M)=0\),则该问题无定义。
考试提示: 在条件概率题中,注意寻找“已知”、“若已知”、“已知条件”等措辞。这些直接表明其后的事件为条件,应置于分母。随后写出公式 \(P(\text{所求}|\text{条件}) = \frac{P(\text{条件} \cap \text{所求})}{P(\text{条件})}\) 并代入数值。
附加练习 2:全概率公式
已知:某工厂使用两台机器生产电子元件。第一台机器生产总产量的 \(60%\),次品率为 \(2%\)。第二台机器生产总产量的 \(40%\),次品率为 \(5%\)。从总产量中随机抽取一件元件,求其为次品的概率。
使用的法则:当样本空间被划分为互斥且穷尽的事件(如来自不同机器的产品)时,我们使用全概率公式:\(P(D) = P(D|M_1) \times P(M_1) + P(D|M_2) \times P(M_2)\)。该公式基于将通向目标事件的所有可能途径的贡献相加。
分步解答:
- 设元件来自第一台机器的事件为 \(M_1\),来自第二台机器的事件为 \(M_2\),元件为次品的事件为 \(D\)。
- 已知:\(P(M_1) = 0.6\),\(P(M_2) = 0.4\),\(P(D|M_1) = 0.02\),\(P(D|M_2) = 0.05\)。
- 应用全概率公式:\(P(D) = (0.02 \times 0.6) + (0.05 \times 0.4)\)。
- 计算各项:\(P(D) = 0.012 + 0.020\)。
- 最终结果:\(P(D) = 0.032\)。
- 因此,所抽取元件为次品的概率为 \(0.032\),即 \(3.2%\)。
推理与理由: 我们使用全概率公式,因为事件“选中一件次品”可以通过两条互斥且穷尽的途径发生:要么该件来自第一台机器且为次品,要么来自第二台机器且为次品。这两条途径互不相交(因为同一件产品不可能同时来自两台机器),且覆盖了所有可能性(因为每件产品都来自这两台机器中的某一台)。因此,总概率等于各途径概率之和,这正是全概率公式所给出的结果。
两个分步求解例题:
- 例 1: 某工厂使用三台机器:甲机器产量占比 \(50\%\),次品率 \(1\%\);乙机器产量占比 \(30\%\),次品率 \(4\%\);丙机器产量占比 \(20\%\),次品率 \(0.5\%\)。求随机抽取一件产品为次品的概率。
解:
步骤 1:\(P(D) = P(D|A)P(A) + P(D|B)P(B) + P(D|T)P(T)\)
步骤 2:\(= (0.01 \times 0.5) + (0.04 \times 0.3) + (0.005 \times 0.2)\)
步骤 3:\(= 0.005 + 0.012 + 0.001 = 0.018\)
步骤 4:因此,该概率为 \(0.018\) 或 \(1.8\%\)。 - 例 2: 在某城市,\(70\%\) 人口居住在城区,\(30\%\) 居住在农村。城区居民吸烟的概率为 \(25\%\),农村居民吸烟的概率为 \(15\%\)。求随机抽取一人为吸烟者的概率。
解:
步骤 1:\(P(S) = P(S|U)P(U) + P(S|R)P(R)\)
步骤 2:\(= (0.25 \times 0.7) + (0.15 \times 0.3)\)
步骤 3:\(= 0.175 + 0.045 = 0.22\)
步骤 4:因此,概率为 \(0.22\) 或 \(22\%\)。
“常见错误”列表及其纠正:
- 错误: 使用缺陷率的算术平均:\(\frac{2\% + 5\%}{2} = 3.5\%\),未考虑生产权重。
纠正: 必须考虑每台机器在总产量中的权重。产量较大的机器对总概率影响更大。此处,第一台机器生产 \(60\%\),因此其缺陷率 \(2\%\) 的贡献为 \(0.02 \times 0.6 = 0.012\),而非简单的一半之和。 - 错误: 乘法前忘将百分数转为小数:计算 \(2 \times 0.6 = 1.2\) 再 \(5 \times 0.4 = 2.0\) 相加得 \(3.2\),却忘记这是百分数的百分数,须除以 \(100\) 才得 \(0.032\)。
纠正:总是先将百分数转换为小数再相乘:\(2\% = 0.02\),\(5\% = 0.05\)。然后 \(0.02 \times 0.6 = 0.012\),\(0.05 \times 0.4 = 0.02\),总和 \(0.032\)。如果使用百分数计算,请记住结果是百分数,需要正确解释:\( (2 \times 0.6) + (5 \times 0.4) = 1.2 + 2.0 = 3.2\%\),只要理解此处乘法得到的单位是“百分数”,这就是正确的。但为避免混淆,应先转换为小数。
考试提示:在全概率公式的题目中,首先确认划分样本空间的事件满足:
1. 互斥(同一次试验中不能发生不止一个)。
2. 穷尽(覆盖所有可能的结果)。
然后,对每个事件 \(M_i\),计算 \(P(D|M_i) \times P(M_i)\) 并求和。别忘了将百分数转为小数(如 \(60\% = 0.6\))后再相乘,否则结果会相差 \(100\) 倍。
常见错误须避免
- 混淆互斥事件与独立事件: 互斥事件不能同时发生(即 \(P(A \cap B) = 0\)),而独立事件指一个事件的发生不影响另一个事件(即 \(P(A \cap B) = P(A) \times P(B)\))。若两个事件互斥且概率均大于零,则它们必定不独立。
- 在加法法则中忘记减去交集:在计算非互斥事件的\(P(A \cup B)\)时,许多学生错误地仅相加\(P(A) + P(B)\)而不减去\(P(A \cap B)\),导致概率可能超过\(1\),这在数学上是不可能的。
- 使用排列而非组合:在不考虑顺序的随机抽取问题中(如从盒中取球),必须使用组合\(\binom{n}{r}\)。使用排列会错误地夸大情况数。
- 忽略不放回抽取的条件:在不放回抽取中,必须在每一步更新分母(总情况数)和分子,或直接使用组合,正如我们在第二题中所做的那样。
CSCA 考试黄金技巧
- 关键词分析:仔细留意题目中的措辞。“或”表示使用加法法则\(\cup\),“和”或“同时”表示使用交集\(\cap\),“已知”或“如果已知”则直接指向条件概率。
- 绘制文氏图:在涉及三个或更多事件的复杂概率问题中,绘制文氏图极大地有助于整理已知条件,避免计算和逻辑错误。
- 验证概率的合理性:得出结果后,务必确认概率落在区间 \(0 \leq P \leq 1\) 内。若得到 \(1.2\) 或负值等结果,说明解题步骤有误,必须立即复核。
- 熟练掌握分数与化简:CSCA 考试通常倾向于以最简分数形式作答(例如 \(\frac{4}{13}\) 而非 \(0.307\)),因此要练习快速、准确地化简分数。