Professional Documents
Culture Documents
概率统计释难解疑
概率统计释难解疑
谢兴武 李宏伟 主编
北 京
内容简介
本书是为促进学生深入学习概率统计课程而撰写的一本学习指导书 .
本书针对学生在学习过程中经过思考而产生的疑难问题 ,采用问答式予以
解答 .内容涉及对基本概念 、基础理论的理解 ,对解题思路的启发诱导 ,对解
题过程的步步剖析 ,以及对重要方法的归纳和总结 .
本书列出 200 多个问题 ,并在分析大部分问题的同时 ,结合实际 ,解答
了与之有关的典型例题 .这些例题来自国内外大学的考题 、竞赛题 ,以及全
国历年硕士研究生入学考试试题 .这些范例集知识性与趣味性于一体 ,既能
提高学生的学习兴趣与热情 ,又能开阔视野 ,提高学生分析问题与解决问题
的能力 .
本书可以作为高等院校各专业概率统计课程的教学参考书 ,同时对报
考硕士研究生的学生也有参考价值 .
图书在版编目(CIP)数据
ISBN 978唱7唱03唱018536唱5
Ⅰ .概 … Ⅱ .① 谢 … ② 李 … Ⅲ .① 概率论唱高等学校唱解题 ② 数理统
计唱高等学校唱解题 Ⅳ .O21唱44
出版
北 京 东 黄 城 根 北 街 16 号
邮 政 编 码 :1 00 7 1 7
h t tp :/ / w w w .sciencep .co m
中国科学院印刷厂印刷
科学出版社发行 各地新华书店经销
倡
2007 年 2 月 第 一 版 开 本 :B5(720 × 1000)
2007 年 2 月 第 一 次 印 刷 印 张 :18
印 数 :1 — 4 500 字 数 :322 000
定价 :24畅00 元
(如有印装质量问题 ,我社负责调换枙科印枛)
前 言
概率统计课程是高等理工科院校学生的最主要的数学基础课之一 , 也是全国
硕士研究生入学的数学考试必考课程 . 学生对它掌握的好坏 , 不仅直接关系到后续
课程的学习 , 而且对提高教学质量和人才培养质量都有着深远的影响 . 初次接触概
率统计课程的学生普遍感到基本概念难懂 、 习题难做 、 方法不易掌握 . 为了帮助学
生深入地学好这一门课程 , 解答学生学习中遇到的疑难问题 , 我们收集了多年来教
学中发现的问题 , 汇集了长期担任概率统计课程教学的丰富教学经验 , 提炼加工而
编写了本书 . 本书是以教育部关于高等工科学校概率论与数理统计课程教学基本要
求为依据 , 为理工科院校学生编写的一本概率统计课程学习指导书 .
全书共分 9 章 , 每章结合具体问题展开讨论 , 内容涉及对基本概念的深入理
解 , 对基本运算方法的总结 、 归纳提高 , 加强基础理论知识的剖析 ; 根据具体问
题 , 结合实际 , 分析解答了有关的典型例题 , 这些例题来自国内外大学 最新考
题 、 竞赛题 , 特别精选了历届全国研究生入学的数学考试部分试题 , 例题一题多
解 , 典型新颖 . 对问题的分析与解答 , 注重集知识性 、 科学性与趣味性于一体 ,
既提高学生的学习兴趣和热情 , 又提高学生分析问题与解决问题的能力 ; 其中部
分问题与解答的深度与广度高于教育部对该课程的基本 要求 , 可以开阔 学生视
野 , 启迪思维 , 增长知识面 , 为进一步学习新的知识打下坚实的基础 .
区别于习题解和一般的复习资料 , 本书从教学中学生遇到的实际问题出发 ,
以问答形式讲解 . 为了便于学生阅读 , 各问题之间保持相对独立性 , 对每一问题
的解答力求简明扼要 , 结合具体例题 , 联系实际讲解 , 以使学生从中逐渐弄清基
本概念 , 掌握基本理论和熟悉基本方法 , 并做到举一反三 , 触类旁通 .
本书既可以作为理工科院校学生学习概率统计课程的同步学习指导书 , 也可
以作为报考硕士研究生考生的复习参考资料 , 还可供大专院校数学教师及有关人
员参考 .
本书的编写得到了中国地质大学 “十一五” 教材建设项目资助 , 编者在此表
示衷心的感谢 . 希望本书对提高课程教学质量有所裨益 , 但限于作者水平 , 疏漏
与不足之处在所难免 , 恳请读者批评指正 .
编者
2006 年 9 月
目 录
引言 …………………………………………………………………………………… 1
0唱1 概率统计产生和发展 …………………………………………………… 1
0唱2 概率统计研究的对象与应用 …………………………………………… 1
0唱3 学好概率统计应注意的几点 …………………………………………… 2
第一章 随机事件与概率 …………………………………………………………… 4
第一节 事件的关系与运算 …………………………………………………… 4
一 、 内容提要 ………………………………………………………………… 4
二 、 释难解疑 ………………………………………………………………… 5
1唱1 如何理解 “随机试验” 这一概念 ? ……………………………………… 5
1唱2 如何正确理解事件 、 必然事件和不可能事件 ? ………………………… 6
1唱3 通过已知事件表达其他事件 …………………………………………… 6
1唱4 如何正确运用事件的运算法则 ? ……………………………………… 8
1唱5 事件互不相容与对立及独立的区别与联系 ……………………………… 9
1唱6 随机现象有规律性吗 ? ……………………………………………… 10
1唱7 频率与概率之间有何关系 ? 频率的极限是概率对吗 ? ………………… 11
珡 ? ………………………………… 12
1唱8 如何灵活运用公式 P( A) = 1 - P( A)
1唱9 赌金如何分配才算公平 ? …………………………………………… 13
1唱10 赠券收集问题 ……………………………………………………… 14
1唱11 概率为 1 事件的积概率是 1 吗 ? …………………………………… 14
第二节 事件的概率 ………………………………………………………… 15
一 、 内容提要 ………………………………………………………………… 15
二 、 释难解疑 ………………………………………………………………… 16
1唱12 古典概型的直接计算法 ……………………………………………… 16
1唱13 古典概型的基本问题 ………………………………………………… 18
1唱14 抓阄与顺序无关 ……………………………………………………… 21
1唱15 传球问题 …………………………………………………………… 22
1唱16 联欢会礼品问题 ……………………………………………………… 23
1唱17 摸球游戏中谁是真正的赢家 ………………………………………… 24
1唱18 数整除问题 ………………………………………………………… 25
1唱19 几何概型的特点与计算 ……………………………………………… 25
· iv · 目 录
一 、 内容提要 ………………………………………………………………… 58
二 、 释难解疑 ………………………………………………………………… 59
2唱1 如何理解随机变量和随机变量的函数 ? ……………………………… 59
2唱2 引入分布函数的作用 ………………………………………………… 59
2唱3 “离散” 与 “连续” 型随机变量的区别 ………………………………… 60
2唱4 概率分布或概率密度的判断 …………………………………………… 60
2唱5 分布函数的判断 ……………………………………………………… 62
2唱6 关于离散型随机变量的基本计算 ……………………………………… 63
2唱7 关于连续型随机变量的基本计算 ……………………………………… 65
2唱8 既非离散型 , 又非连续型的随机变量存在吗 ? ………………………… 68
第二节 几种重要的随机变量分布 ………………………………………… 68
一 、 内容提要 ………………………………………………………………… 68
二 、 释难解疑 ………………………………………………………………… 69
2唱9 关于二项分布的计算 ………………………………………………… 69
2唱10 关于二项分布的应用 ………………………………………………… 71
2唱11 二项分布取何值时概率最大 ? ……………………………………… 73
2唱12 顾问决策问题 ……………………………………………………… 73
2唱13 泊松分布取何值时概率最大 ? ……………………………………… 73
2唱14 泊松分布的使用范围与产生机制……………………………………… 74
2唱15 如何合理配备维修工 ? ……………………………………………… 75
2唱16 宇宙粒子进入火箭仪器舱的分布……………………………………… 75
2唱17 独立试验序列中等待时间问题 ……………………………………… 76
2唱18 超几何分布的泊松逼近 ……………………………………………… 77
2唱19 建立微分方程求概率 ………………………………………………… 78
2唱20 平面上随机游动 ……………………………………………………… 79
2唱21 如何正确使用正态分布表 …………………………………………… 80
2唱22 正态分布的计算与应用问题 ………………………………………… 81
2唱23 赶到火车站走哪条路保险 ? ………………………………………… 84
2唱24 录用者最低分数是多少 ? …………………………………………… 84
2唱25 公共汽车的门至少设计多高 ? ……………………………………… 85
2唱26 指数分布与几何分布的无记忆性……………………………………… 85
第三节 随机变量函数的分布 ……………………………………………… 86
一 、 内容提要 ………………………………………………………………… 86
二 、 释难解疑 ………………………………………………………………… 87
2唱27 如何求离散型随机变量函数的分布 …………………………………… 87
· vi · 目 录
问题 概率统计是怎样产生和发展的 ?
答 概率统计的产生和发展 是社 会 客观 实际 的需 要 . 15 ~ 16 世 纪意 大利 数
学家帕乔利 (Pacioli , 1445 ~ 1517) 、 塔 尔 塔 利亚 ( T ar taglia , 1499 ~ 1557) 和
卡尔丹 (Cardan , 1501 ~ 1576) 的著述中曾讨论过 “如果两人赌博提前结束 , 该
如何分配赌金” 等概率问题 . 在 17 世纪 资本 主义上 升初 期 , 封闭 的封 建社 会经
济逐渐为航海商业经济所取代 . 航海商业是冒风险的事业 , 大量投资是否有利可
图 , 怎样估计不幸事故与自然灾害的可能性及研究赌博 , 概率统计正是从研究这
类问题开始的 . 1654 年左右 , 爱好赌博的法国人梅雷 ( Mé ray ) 向帕斯卡提 出了
类似的合理分配赌金 问题 , 引发 了帕 斯卡 与 费马 之间 探 讨概 率 论问 题 的 多封 通
信 , 他们用 不 同 的 组 合 方 法 给 出 了 这 类 问 题 的 正 确 答 案 . 荷 兰 数 学 家 惠 更 斯
(C畅 H uy gens , 1629 ~ 1695) 访问巴黎 时了 解到 帕斯卡 与费 马的通 信研 究 , 对 这
类问题产生兴趣并著 枟论赌博中的计算枠 (1657) , 探讨概率问题的原理 . 这些数
学家主要以代数方法计算概率 , 他们的著述中出现了第一批概率论专门概念 (如数
学期望) 与定理 (如概率加法 、 乘法定理) , 标志着概率论作为一门科学的诞生 .
其后 , 随着生产实践的发展 , 特别是在射击 、 保险 、 测量等工作中提出一些
概率问题 , 促使人们在概率论的极限定理等方面进行深入地研究 , 起初主要对伯
努利试验概型进行研究 , 而后推广到更一般的场合 . 这个时期先后对概率论做出
重要贡献的数学家有伯努利 、 拉普拉斯 、 泊松和高斯 .
极限定理的研究在 18 世纪和 19 世纪成 了概 率论研 究的 中心 课题 . 在 20 世
纪初 , 由于新的数学方法的引入 , 这些古典问题得到很好的解决 , 这当中俄罗斯
彼得堡学派起了主导作用 , 建立了严格的数学基础 . 由于物理学 (如统计物理) 、
生物学以及工程技术 (如自动电话 、 无线电技术) 发展的推动 , 概率统计得到飞
速的发展 , 理论研究的课题不断扩大和深入 , 它向各个学科结合与渗透 , 成了数
学的一个活跃分支 .
问题 概率统计研究的对象是什么 ? 又有什么应用 ?
· 2 · 引 言
答 在自然界和人类 社会 中 各类 事 物千 变 万化 , 归 纳起 来 有两 类 不 同的 现
象 : 一类为必然现象 . 一定 条 件下 , 结 果 是 肯定 的 . 如 在海 平 面 , 一个 大 气 压
下 , 水加温到 100 ℃ 沸 腾 ; 两 个点 电 荷 同 电 相斥 , 异 电 相吸 . 另 一 类是 随 机 现
象 . 一定条件下 , 结果是不肯定的 . 如实弹射击 , 打一发子弹 , 可能中也可能不
中 ; 生产一个产品 , 可能是正品 , 也可能是次品 ; 抛一枚硬币可能出现正面 , 也
可能出现反面 .
概率统计是研究随机现象统计规律性的一门学科 , 是对随机现象的统计规律
进行演绎和归纳的科学 , 是从数量上研 究随 机现象 的客 观规 律的一 门数 学学科 ,
它是近代数学的重要组成部分 , 也是很有特色的一个数学分支 .
概率统计在科学技术各领域有十分广泛的应用 , 概率统计的应用几乎遍及所
有的科学技术领域 , 工农业生产 及国 民经济 各部 门 . 如 保险业 务 ; 气 象 、 水文 、
地震预报 ; 产品的抽样检验 ; 研制新产品中寻求最佳生产方案 ; 在可靠性工程中
进行器件和装置使用可靠性程度和平均寿命的估算 ; 在军事上 , 反导弹系统的建
立 ; 在自动控制中 , 给出数学模型用电脑控制生产 ; 在通信工程中 , 可以提高信
号的抗干扰性和分辨率等 . 在理论联系实际方面 , 它是数学最活跃的分支之一 .
当代科学发展的一个特点是概率统计方法日益渗透到各个领域 . 它向各基础
学科 、 工程学科渗透或结合 , 成为近代经济理论 、 管理科学等学科在应用 、 研究
中的重要工具 , 产生了不少边缘学科 , 如生物统计 、 统计物理 、 数学地质 . 它是
信息理论 、 控制理论和人工智能等重 要新 兴学科 的基 础 , 也 是科学 家和 工程师 、
经济师们最常用的工具 . 因此 , 概率论与数理统计已经成为大学中绝大多数专业
的学生必修的一门基础课 .
问题 如何才能学好概率统计 ?
答 概率统计研究随机现象 , 研究课题别开生面 ; 有自己独特的概念 , 内容
丰富 , 结论深刻 ; 用到高等数学 、 线性代数的许多知识 ; 初学者往往感到基本概
念难懂 , 习题难做 , 方法不易掌握 . 要学好这门课 , 要注意以下几点 :
1畅 “概率统计” 仍然 是一 门 数学 , 因 而学 习 确定 性 数学 的 经验 仍 然 是有 用
的 , 例如 , 要准确掌握每个概念的含义并明了其实际背景 ; 数学结论的成立是依
靠逻辑推理证明的 , 而不是依靠实验 ; 为了掌握基本理论 , 必须完成较多的练习
题等学习方法 , 现在仍然是需要的 .
2畅 随机数学 的 结 论 虽 然 必 须 经 过 严 格 的 证 明 , 但 是 其 结 论 形 式 往 往 会 以
“一定的概率成立” 出现 , 这与确定 性数 学有 非常大 的区 别 , 读者 要小 心理 解其
含义 .
引 言 · 3 ·
第一节 事件的关系与运算
一、内 容提 要
1畅 基本概念
(1) 随机试验
如果试验满足下列三个特性 :
① 试验可以在相同的情形下重复进行 ;
② 试验的所有可能结果是明确可知的 , 并且不止一个 ;
③ 进行一次试验之前不能确定出现哪一个结果 .
则称该试验为随机试验 , 简称试验 , 用 E 表示 .
(2) 样本空间 、 样本点和事件
随机试验的可能结果称为样本点 , 全体样本点构成的集合称为样本空间 . 样
本空间用 Ω 表示 , 样本空间的子集称为事件 , 事件用 A ,B ,C ,… 表示 , 不可能事
件记为 碬 , 必然事件记为 Ω .
2畅 事件的关系与运算
(1) 事件之间的四种关系 :
① 包含关系 A炒 B;
② 等价关系 A= B;
③ 对立关系 事件 A 的对立事件 A
珡 ;
④ 互斥关系 A B = 碬 称 A 与 B 互不相容 .
(2) 事件之间的三种运算 :
① 事件的和 A ∪ B (或 A + B) ;
② 事件的积 A ∩ B (或 A B) ;
③ 事件的差 A- B.
(3) 事件的运算法则
分配律 : ( A + B) C = A C + B C , A + ( B C) = ( A + B)( A + C) ;
结合律 : ( A + B) + C = A + ( B + C) , ( A B) C = A( B C) ;
第一节 事件的关系与运算 · 5 ·
交换律 : A + B = B + A , A B = B A ; 对偶律 : A + B = 珚A 珚B , A B = 珚A + B
珚;
还原律 : A
珢= A; 补元律 : A ∪ B = Ω ;
吸收律 : 若 A 炒 B , 则 A B = A , A ∪ B = B ;分解律 : 若 A 炒 B , 则 B = A + A
珡B;
蕴涵律 : 若 A B = 碬 , 则 A 炒 珚B , B 炒 A
珡; 排中律 : A ∪ 珡A = Ω ;
矛盾律 : A A
珡= 碬 ; 差积转换律 : A - B = A珚B = A - ( A B) .
3畅 加法公式
(1) P( A + B) = P( A) + P( B) - P( A B) , 若 A , B 互 不相容 , 则 P( A + B) =
P( A) + P( B) ;
(2) P( A + B + C) = P( A) + P( B) + P( C) - P( A B) - P( A C) - P( B C) +
P( A B C) ;
n n
(3) P ∑ Ai ∑ P( Ai ) - ∑ P( Ai A j ) + … + ( - 1) P( A1 A2 … A n ) .
n + 1
=
i= 1 i= 1 1 ≤ i < j ≤ n
4畅 几个常用公式
(1) P( A - B) = P( A) - P( A B) ;
(2) 若 A 1 ,A2 ,… ,A n 独立 , 则
P( A1 + A 2 + … + A n ) = 1 - P( A1 + A2 + … + A n ) = 1 - P( A1 A2 … A n )
n n
= 1 -
i= 1
∏ P( A i ) = 1 - ∏
i= 1
[1 - P( Ai )] .
二、释 难解 疑
问题 如何正确理解事件 、 必然事件和不可能事件 ?
答 随机试验结果的 全体 称 为样 本 空间 , 样 本空 间 的子 集 一般 称 为 随机 事
件 , 随机事件是指在一定条件下可能 发生 也可能 不发 生的 事件 . 应 该注 意的是 ,
事件的结果是相应于 “一定条件” 而言的 . 因此 , 要弄清某一随机事件 , 就必须
明确事件发生的条件以及在此条件下产生了什么结果 . 例如 , 某人作试验 “向上
抛掷一枚质地均匀的硬币” , “质地均匀的硬币” 是条件 , 在此条件下硬币落地时
正面向上 (或反面 向上 ) 则 是 结果 ; 又 如 , 某 气象 台 每 天中 午 观察 风 速 , 则 时
间 、 地点是条件 , 观察 到 的 风 速 是 结 果 ; 再 如 , 某 人 掷 一 枚 质 地 均 匀 的 骰 子 ,
“质地均匀的骰子” 是条件 , 在此条件下出现一点 、 两点 、 … 、 六点之一是结果 .
我们称试验中必定要发生的事件为必然事件 , 不可能发生的事件为不可能事
件 . 必然事件的概率一定为 1 , 不可能事件的概率一定为 0 ; 但反之不一定成立 ,
即概率为 1 的 事件 不 一 定 是 必然 事 件 , 概 率为 0 的 事 件 不 一 定 是 不 可 能事 件 .
例如 , 随机 变 量 X 表 示 测 量 误 差 , X 在 [ - 0畅 05 ,0畅 05 ] 上 服 从 均 匀 分 布 ,
P( - 0畅 05 < X < 0畅 05) = 1 , 显然 { - 0畅 05 < X < 0畅 05} 不是必然 事件 , 即测 量的
误差 X 可 能不 在 ( - 0畅 05 ,0畅 05) 内 , 而 取 0畅 05 或 取 - 0畅 05 . 所 以 , 概 率 为 1
的事件不一定是必然事件 . P( X = 0畅 05) = 0 , 但 { X = 0畅 05} 是 可能发生 的 , 即
测量的误差可以取 0畅 05 . 所以 , 概率为 0 的事件不一定是不可能事件 .
问题 如何通过已知事件表达其他事件 ?
答 概率统计中对一些比较复杂的事件 , 我们常常将其分解为一些简单事件
的和 、 差 、 积等运算 , 或将其分解为一些互不相容的简单事件的和来运算 , 化难
为易 . 熟悉和掌握用已知简单事件表示其他复合事件是计算事件概率的关键 . 通
过已知事件表达其他事件 , 首先要弄清被表示事件是由哪些简单事件复合的 , 明
确他们之间的关系 , 然后运用事件的关系 、 运算及运算法则将被表示事件用简单
的已知事件正确表示出来 . 由于思考 问题 的角度 不同 , 表示 的结果 可能 不一样 ,
但这些结果是等价的 , 我们应尽量选择用最简洁的形式来表示 .
例1 设 A , B , C 为三事件 , 用 A , B , C 运算关系表示下列事件 .
(1) D = “ A , B , C 中至少两个发生” ;
第一节 事件的关系与运算 · 7 ·
(3) A
珡1 A
珡2 … A
珡 i - 1 A i 珡A i + 1 … 珡A j - 1 A j 珡A j + 1 … 珡A n ; (4) A
珡1 A
珡 2 … 珡A n .
例3 以 A 表示事件 “ 甲种产品畅销 , 乙种产 品滞销” , 则其 对立事 件 珡A 为
[ ].
( A) “甲种产品滞销 , 乙种产品畅销” (B) “ 甲乙两种产品均畅销”
(C) “ 甲种产品滞销” ( D) “甲种产品滞销或乙种产品畅销”
解 设 B = “ 甲种产品 畅销 ” , C = “ 乙 种产 品 滞 销” , 则 A = B C , 珡A = B C =
珚B + 珚C , 甲种产品滞销或乙种产品畅销 , 故选 (D) .
例4 如图 1畅 3畅 1 , 令 A i 表 示 “第 i 个开 关闭 合” , i = 1 ,2 ,3 ,4 ,5 ,6 , 试 用
A1 ,A2 ,… ,A 6 表示下列事件 : (1) 系统 Ⅰ 为通路 , (2) 系统 Ⅱ 为通路 .
解 (1) A1 + A2 A3 + A4 ; (2) A1 A5 + A1 A2 A3 A4 + A6 A3 A4 + A6 A 2 A 5 .
· 8 · 第一章 随机事件与概率
图 1畅 3畅 1
例5 试把 A1 + A2 + … + A n 表示为 n 个两两互不相容事件的和 .
n
解 ∑
i= 1
Ai = A1 + 珡A1 A2 + 珡A 1 珡A 2 A3 + … + 珡A 1 A
珡2 … A
珡 n - 1 An .
问题 如何正确运用事件的运算法则 ?
答 首先正确理解 事件的和 、 差 及积的 概念 , “ 事件 A 与 B 至少一 个发生”
称为事件 A 与 B 的并 (或和 ) , 记为 A ∪ B 或 A + B ; “ 事件 A 与 B 都发生 ” 称
为事件 A 与 B 的交 (或积 ) , 记为 A ∩ B 或 A B ; “事 件 A 发生 而 B 不发生 ” 称
为事件 A 与 B 的差 , 记为 A - B , A - B = A B
珚 . 其次了解事件和与积的运算与数
的和与积的运算一样满足以下运算法则 :
(1) 交换律 A+ B= B+ A, AB = B A ;
(2) 结合律 ( A + B) + C = A + ( B + C) , ( A B) C = A( B C) ;
(3) 乘法对加法的分配律 ( A + B) C = A C + B C .
事件为样本空间的子集 , 事件的运算实质上是集合的运算 , 所以事件还满足
以下集合运算法则 :
(4) 并对交的分配律
( AB) ∪ C = ( A ∪ C)( B ∪ C) 或( AB) + C = ( A + C)( B + C) ;
(5) 吸收律 ( A ∪ B) A = A , A B ∪ A = A 或 ( A + B) A = A , A B + A = A ;
(6) 对偶律 A ∪ B = 珡A 珚B , A B = 珡A ∪ B
珚 或 A + B = 珡A 珚B , A B = 珡A + B
珚.
利用对偶原理常常可以将事件的和与积的运算相互转化 , 使事件的运算化繁
为易 .
1 1
例1 已知 P( A) = P( B) = P( C) = , P( A B) = 0 , P( A C) = P( B C) = ,
4 16
求事件 A ,B ,C 全不发生的概率 .
解 P( A
珡 珚B 珚C) = P( A + B + C) = 1 - P( A + B + C)
= 1 - [ P( A) + P( B) + P( C) - P( AB)
第一节 事件的关系与运算 · 9 ·
p = 1 - P( 珡A 1 珡A 2 … A
珡n) = 1 - ∏
i= 1
P( Ai ) = 1 - ∏
i = 1
(1 - pi ) .
问题 互不相容事件与等可能事件 、 对立事件及相互独立事件有什么区别 ?
答 “互不相容事件 ” 和 “等可 能事 件” 是迥然 不同 的两个 概念 . 互不 相容
事件是对两个事件而言的 . 若有 A 、 B 两 个事件 , 当事 件 A 发 生时 事件 B 就 不
发生 , 当事件 B 发生时事件 A 就不发 生 . 也 就是说 , 事件 A 、 B 同 时发 生是 不
可能的 , 我们就把这种不可能同时发生的两个事件叫做互不相容事件 , 也有人把
它们叫做互斥事件 . 基于此 , 两个可同时发生或同时不发生的事件则不能称作互
不相容事件 . 如掷一枚骰子 , 事件 A1 = “出现一点” 和事 件 A2 = “ 出现两点 ” 是
互不相容事件 ; 同样掷一枚硬币一次 , 出现 正面和 出现 反面 也是互 不相 容事件 .
在一次试验中 , 由于某种对称性条件使得若干个随机事件中每一事件发生的可能
性是完全相同的 , 则称这些事件为等可能事件 , 在数目上它可为 2 个或多个 . 而
互不相容事件仅指不可能同时发生的两个事件 , 例如 ,掷一个均匀骰子 , “出现 1
点或 2 点” 与 “出现 2 点或 3 点” 这两个事件是等可能的 , 但它们不是互不相容
事件 .
“互不相容事件 ” 和 “对立事件 ” 都 是就 两个事 件而 言的 . 互 不相 容事 件是
· 10 · 第一章 随机事件与概率
1 唱6 随机 现象有规 律性吗 ?
1 2 3 4 5 6 7 8 9 10
甲 97 95 98 92 100 96 92 94 91 96
乙 50 52 47 56 45 54 44 43 48 47
我们可以看出规律 性 : 甲 可 说几 乎 每发 必 中 , 乙 只 有大 约 一半 的 可 能性 打
中 . 这种规律性称为统计规律性 , 在大量试验中才显示出来 , 不是个别试验显示
的特性 . 再例如 , 从婴儿出生的调查来看 , 男 、 女婴孩的可能性各占一半 , 对某
个对象不出现这一规律性 .
利用随机现象的规律性 , 可以指导实践 . 例如 , 农业生产上选择品种 , 如果
当地发生旱灾的可能性大 , 水灾的可能性小 , 就应选择耐旱的品种 , 反之则应选
择耐涝的品种 .
在统计学中 , 以 “小概率事件” 判断原理来进行假设检验 . 例如 , 厂方声称
产品的废品率为 5 % , 随机有放回的抽样检查 , 发现 “5 个产品有 2 个次品” . 这
时 , 应当拒绝 “废品率为 5 % ” . 为 什么 ? 因 为 “5 个 产 品 有 2 个次 品” 的 概 率
p = C5 (0畅 05) (0畅 95) ≈ 0畅 021 是 小概 率事 件 , 在 一次 试 验中 不可 能发 生 , 现 在
2 2 3
居然发生了 , 应怀疑原假设 .
可能性小的事并不等于不发生 , 例如地震 . 某地某日发生大地震的可能性是
非常小的 , 但就整个地球来说 , 一年总要发生几次大地震 .
出现正面的概率为 → 0 ( n → ∞ ) , 发 生的 可 能性 很小 , 几 乎为 零 . 也就 是
2
nA nA
说对任意正数 ε, lim P - P( A) < ε = 1 成立 , 即频率 依概率收敛于概率
n → ∞ n n
P( A) ,这就是第五章中要学习的伯努利大数定律 .
1 唱8 如何灵 活运用公 式 P( A) = 1 - P( 珡A ) ?
问题 如何灵活运用公式 P( A) = 1 - P( 珡A ) ?
答 求某个事件的概率时 , 常遇到求 “至少 … ” 或 “至多 … ” 等事件概率的
问题 . 若从正面考察这些事件 , 它们 往往 是诸多 事件 的和 或积 , 求 解时 很繁琐 .
但 “至少 … ” 、 “至多 … ” 这些事件的对立事件却又比较简单 , 且其概率也很容易
求出 .
此时 , 不妨来一个逆向思考 , 先求其对立事件的概率 , 然后再求原来事件的
概率 . 这就需要运用公式 P( A) = 1 - P( 珡A ) 了 .
例1 某型号的高射炮 , 每门炮 发射 一发 击中的 概率 为 0畅 6 , 现若 干门 炮同
时发射一发 , 问欲以 99 % 的把握击中来犯的一架敌机至少需要配置几门炮 ?
解 设需要配置 n 门高射炮 , A i = “ 第 i 门高射炮击中飞机” , B = “飞机被击
中” , 则
P( Ai ) = 0畅 6 , i = 1 ,2 ,… ,n ,
P( B) = P( A 1 + A2 + … + A n ) = 1 - P( A 1 + A2 + … + A n )
= 1 - P( 珡A 1 珡A 2 … 珡A n ) = 1 - P( 珡A1 ) P( 珡A2 ) … P( 珡A n ) = 1 - 0畅 4 ,
n
lg0畅 01
n ≥
n n
1 - 0畅 4 ≥ 99 % 痴 0畅 4 ≤ 0畅 01 痴 = 5畅 026 .
lg0畅 4
所以 , 至少配备 6 门炮 .
例2 一袋中装有 n 个球 , 其 中有 n - 1 个黑 球 和一 个白 球 , 每 次从 袋中 随
机地摸出一个球并换入一只黑球 , 这样继续下去 , 问第 k 次摸球摸出黑球的概率 .
分析 设 A k = “第 k 次摸球摸 出黑 球” , 要求 P( A k ) , 直接 计算 困难 , 因为
我们不知道前 k - 1 次摸到的是黑球 , 还是白球 . 下面用对立事件的公式来做 .
解 A
珡 k = “第 k 次摸球摸出一个白球” , 则前 k - 1 次每 次从袋 中随 机地 摸出
一个黑球 ,
第一节 事件的关系与运算 · 13 ·
1 n- 1
k-1
P( A k ) = 1 - P( 珡A k ) = 1 - P( A1 A2 … A k - 1 珡A k ) = 1 - .
n n
例3 甲有 n + 1 个硬 币 , 乙 有 n 个硬 币 , 双 方 投掷 之后 进行 比较 , 求甲 掷
出的正面数比乙掷出的正面数多的概率 .
解 设 A = “甲掷出正面数 > 乙掷 出 正面 数” , B = “ 甲掷 出反 面数 > 乙掷 出
反面数” , 珡A = “ 甲掷 出正 面数 ≤ 乙 掷出 正面 数” = “甲 掷出 反 面数 > 乙掷 出反 面
数” = B ,
P( A) = 1 - P( 珡A ) = 1 - P( B) .
1
由于硬币均匀 , 由对称性 P( A) = P( B) , 所以 , 2 P( A) = 1 , 得 P( A) = .
2
1 唱9 赌金如何分 配才算公 平 ?
问题 1651 年夏 , 法国数 学 、 物 理学 家帕 斯卡 在一 次 旅途 中偶 遇贵 族公 子
德 · 梅尔 , 他提出 “分赌金问题” 向帕斯卡求教 , 问题如下 : 德 · 梅尔和赌友掷
一枚骰子 , 各押 32 枚金币 , 梅尔如果先 掷 3 次 6 点或 赌友先 掷 3 次 4 点 , 就赢
了对方 , 赌博进行了一段时间 , 梅尔已掷了 2 次 6 点 , 而对方掷了 1 次 4 点 , 此
时梅尔接通知要马上陪国王接见外 宾 , 赌博 只好 中止 , 请 问两 人如 何分配 64 枚
金币才算合理 ?
分析 方案 1 : 平均分 , 这对梅尔欠公平 .
方案 2 : 全部归梅尔 , 这对赌友不公平 .
赌友也提出方案 3 : 他要再掷两次 4 点 , 而梅 尔要再掷 一次 6 点 , 才能 赢了
对方 . 所以有权分梅尔的一半 , 即梅 尔分 64 枚金币 的三 分之二 , 而自 己分 三分
之一 . 梅尔认为赌友方案不对 , 提出方案 4 : 即使 下次赌友 掷一次 4 点 , 他 还可
以分二分之一 , 即 32 枚金币 ; 再加上下一次他还有一半希望得到 16 枚金币 , 所
以应分 64 枚金币的四分之三 , 而赌友分四分之一 .
到底谁对 ? 帕斯卡苦苦思索了两三年 , 才想出一点眉目 , 于是写信和好友费
马讨论 , 结果认为梅尔方案对 . 荷兰数学 、 物理学家惠更斯也参加了讨论 , 结果
写成 枟论赌博中的计算枠 一书 , 这是概率论最早的一本著作 . 可以说这宣告了概
率论这一学科的诞生 . 下面我们来看一看为什么梅尔方案正确 .
解 设想赌博继续进行下去 , 如果梅尔再赢一局 , 或赌友再赢两局就最终赢
了对方 .
1
P(梅尔赢一局) = P(梅尔输一局) = ,
2
A = “ 梅尔先赢 一 局” , B = “梅 尔 先 输 一 局 , 再 赢 一 局” , C = “ 梅 尔 赢 了 对方” ,
则 C = A + B , A 与 B 互不相容 .
· 14 · 第一章 随机事件与概率
P( C) = P( A + B) = P( A) + P( B) = 1 + 1 × 1 = 3 ,
2 2 2 4
3 1
P(赌友赢了对方 ) = P( C
珚) = 1 - = .
4 4
3 1
梅尔最终赢的概率为 , 而赌友 赢的 概率为 . 所 以 , 梅 尔应 分 64 枚 金币
4 4
的四分之三 , 而赌友分四分之一是合理的 .
1 唱10 赠券收集 问题
问题 食品厂把印有 水浒 108 将 之 一 的画 卡 作为 赠 券装 入 某种 儿 童 食品 袋
中 , 每袋一卡 , 试求购买 n 袋这种食品而能收集全套画卡的概率 .
解 设 珚Ai = “收到 108 将第 i 将画卡” , i = 1 ,2 ,… ,108 , B = “收集到全套画卡” .
(108 - 1)
n
1 n
P( A i ) = = 1 - ,
108 n 108
n n
(108 - 2) 2
P( A i A j ) = n = 1 - , i ≠ j ,… ,
108 108
n n
[108 - (108 - 1)] 107
P( A i1 Ai 2 … A i1 0 7 ) = = 1 - ,
108
n
108
P( A1 A 2 … A 1 0 8 ) = 0 ,
所求概率为
P( B) = P( 珡A 1 A
珡2 … A
珡 1 0 8 ) = P( A1 + A2 + … + A1 0 8 ) = 1 - P( A 1 + A2 + … + A1 0 8 )
10 8
∑ P( A i ) - ∑ P( A i A j ) + … + ( - 1) P( A 1 A2 … A1 0 8 )
109
= 1 -
i= 1 1 ≤ j < i ≤ 10 8
n n n
1 2 107
= 1 - C1 0 8 1 - + C1 0 8 1 - C1 0 8 1 -
1 2 107 10 7
- … + ( - 1) .
108 108 108
讨论 我们可以类似地解决以下问题 :
(1) 考试时共有 N 张考签 . n 个学生参加考试 ( n ≥ N) , 被抽过的考签立刻
放回 , 并在考试结束之后 , 至少有一张考签没有被抽到的概率 .
(2) 设有一列 火车 共 有 n 节车 厢 . 在 某 站 有 k( k ≥ n) 个 旅 客上 这 列 火车 ,
并随意地选择车厢 , 求每节车厢至少进入一个旅客的概率 .
问题 概率为 1 的事件的积概率是 1 吗 ?
答 有限个概率为 1 的事 件的积事件的概 率是 1 . 即 A1 ,A2 ,… ,A n 为样本空
第二节 事件的概率 · 15 ·
间 Ω 上的有限个事件 , 且 P( A1 ) = P( A2 ) = … = P( A n ) = 1 , 则 P( A1 A2 … An ) = 1 .
因为
P( 珡A i ) = 0 , P( 珡A i 珡A j ) = 0 , … , P( A
珡 1 珡A2 … 珡A n ) = 0 ,
P( A1 A2 … A n ) = P( 珡A1 + 珡A2 + … + A
珡 n ) = 1 - P( 珡A1 + 珡A2 + … + A
珡n)
n
= 1 - ∑
i= 1
P( 珡Ai ) - ∑
1 ≤ i< j ≤ n
P( 珡A i 珡A j ) + …
P( 珡A1 珡A 2 … 珡A n )
n -1
+ ( - 1) = 1.
无限个 概 率 为 1 的 事 件 的 积 事 件 的 概 率 不 一 定 是 1 . 例 如 随 机 试 验 为 在
(0 ,1) 内随机取一个值 , 橙 α ∈ (0 ,1) , 事 件 Aα 表示在 (0 ,α) ∪ ( α ,1) 内取 一个
值 . 显然 P( A α ) = 1 , 但是 P ∩
α ∈ ( 0 ,1 )
Aα = P( 碬 ) = 0 .
讨论 由以上分析我们可以类似得到 : 有限个概率为零的事件的和事件的概
率是零 , 但无限个概率为零的事件的和事件的概率不一定是零 .
第二节 事件的概率
一、内 容提 要
1畅 古典概型
1
样本空间 Ω = { A1 ,A 2 ,… ,A n } , 且 P( Ai ) = , i = 1 ,2 ,… ,n , 则任 一事 件
n
A 的概率为
A 包含的基本事件数 k
P( A) = .
样本空间事件总数 n
计算中用到以下结论 :
(1) 加法原理 , 乘法原理 .
(2) 从 m 个不同元素中任取 n( n ≤ m) 个元素的排列总数为
A m = m( m - 1) … ( m - n + 1) .
n
m!
(3) 从 m 个不同元素中任取 n( n ≤ m) 个元素的组合总数为 Cnm = .
n ! ( m - n) !
(4) 从 m 个不同元素中任取 n( n ≤ m) 个元素可以重复的排列总数为 m .
n
2畅 几何概型
3畅 概率的统计定义
在 n 次重复独立试验中 , 事件 A 发 生的 频率具 有稳 定 性 , 即 在某 一数 p 附
近波动 , 且当 n 越大时 , 波动 幅度 越小 , 则 定义 频率的 稳定 值 p 为事 件 A 发 生
的概率 , 即 P( A) = p .
4畅 概率的公理化定义
P ∑
i= 1
Ai = ∑
i= 1
P( Ai ) .
5畅 条件概率
P( AB)
P( B | A) = .
P( A)
6畅 乘法公式
P( A B) = P( A) P( B | A) ; P( AB C) = P( A) P( B | A) P( C | AB) .
二、释 难解 疑
问题 直接计算古典概型有哪些计算方法 ?
答 古典概型直接计算法就是选取适当的样本空间 Ω , 直接计算样本点总数
k
n 和事件 A 所包含的样本点数 k , 代入公式 P( A) = , 从而求出事件 A 的概率 .
n
计算 n 与 k 对简单的问题只需枚举 , 较复杂的问题用排列组合计算 .
方法 1 : 枚举计算
例1 考虑一元二次方程 X + B X + C = 0 , 其 中 B , C 分别 是将一 骰子 接连
2
第二节 事件的概率 · 17 ·
方程有重根 骋 B2 - 4 C = 0 , 即 C = .
4
B 1 2 3 4 5 6
C ≤ B /4 基本事件数
2
0 1 2 4 6 6
C = B2 /4 基本事件数 0 1 0 1 0 0
1 + 2 + 4 + 6 + 6 19 1 + 1 1
p = = , q = = .
36 36 36 18
例2 任取一正数 , 求该数的平方的个位数是 9 的概率 .
解 全体正数作为样本空间 , 元素无限不是古典概型 , 而正数平方的个位数
只取决于该正数的个位数 , 它们可能是 0 ,1 ,2 ,… ,9 这 10 个数中任意一个 , 所以
样本空间为 Ω = {0 ,1 ,2 ,… ,9} . 事件 A = “正数的 平方的 个位数是 9” , 这正 数的
个位只 能取 3 或 7 , 所 以 事 件 A 只 包含 2 个 样本 点 , 故 所 求 事 件 A 的 概 率 为
2 1
P( A) = = .
10 5
方法 2 : 用排列组合计算
例3 随机地将 15 名新生平均分 配到三个班中 , 这 15 名新生 有 3 名优秀生 .
求 (1) 每个班各分一名优秀生的概率 p ; (2) 3 名优秀生在同一个班的概率 q .
15 !
解 基本事件总数有 种.
5 !5 !5 !
(1) 每个班各分一名优秀生有 3 ! 种 ,对每一分法 , 12 名非优秀生平均分配到
3 !12 !
12 ! 3 !12 ! 4 !4 !4 ! 25
三个班中分法总数为 种 , 所以共有 种分法 . 所以 p = = .
4 !4 !4 ! 4 !4 !4 ! 15 ! 91
5 !5 !5 !
(2) 3 名优秀生分配到同一个班 , 分法有 3 种 , 对每一分法 , 12 名非优秀生
3 × 12 !
12 ! 3 × 12 ! 2 !5 !5 ! 6
分配到三个班中分法总数为 , 共有 种 , 所以 q = = .
2 !5 !5 ! 2 !5 !5 ! 15 ! 91
5 !5 !5 !
例4 (1) 设 n 个人排成一排 , 求甲 、 乙两人之间恰有 r(0 ≤ r ≤ n - 2) 人的
概率 ; (2) 设 n 个 人排 成一 圈 , 按 顺 时针 方 向 , 求 甲 、 乙 两 人 之间 恰 有 r(0 ≤
· 18 · 第一章 随机事件与概率
r ≤ n - 2) 人的概率 .
解 (1) 记 A = “甲 、 乙两人之间 恰有 r 人 ” , n 个人 排成一排 , 基本事 件总
数为 n !. 设甲排在第 i 位 , 则乙排在第 i + r + 1 位 , 所以 i 只能取 1 ,2 ,n - r - 1 ,
共 n - r - 1 种取法 , 其余 n - 2 是 n - 2 人的 全排 列 , 有 ( n - 2) ! 种 . 甲 、 乙位
置可以互换 , 有 C2 种 , 故 A 占有的基本事件数为 C2 ( n - r - 1)( n - 2) !, 所求概
1 1
率为
C2 ( n - r - 1)( n - 2) ! 2( n - r - 1)
1
P( A) = = .
n! n( n - 1)
(2) 记 B = “ 甲 、 乙两人之 间恰 有 r 人 ” , n 个 人排 成一 圈 , 在圆 圈上设 定 n
个位置标号 . n 个人排入该 圆圈 有 n ! 种 排法 , 即样 本空 间基 本 事件 总数 为 n !.
甲先占位 , 有 n 种选择 , 按顺时针方向乙 位置也 确定 了 , 而剩 下的 n - 2 个 人随
意占位 , 有 ( n - 2) ! 种 , B 占有的基本事件数为 n( n - 2) !, 故所求概率为
n( n - 2) ! 1
P( B) = = .
n! n- 1
问题 古典概型有哪些基本问题 ?
答 古典概型有以下三类基本问题 : 摸球问题 、 投球问题和随机取数问题 .
( Ⅰ ) 摸球问题是指从 n 个 可 分辨 的球 中 , 按 照不 同的 要 求 , 摸出 m 个球 ,
计算事件概率的一类问题 .
例1 袋中装有 α 个白球和 β 个黑球 , 现采用以下三种方式从中任取 a + b 个
球 ( a ≤ α , b ≤ β) , 试求所取出球恰有 a 个白球和 b 个黑球的概率 .
(1) 从袋中一次性抽取 ;
(2) 无放回抽取 , 每次取一个 , 取后不放回 ;
(3) 有放回抽取 , 每次取一个 , 取后放回 .
解 设 B = “ 取出 a + b 个球恰有 a 个白球和 b 个黑球” .
Cα C β
a b
Cα C β ( a + b) ! C α Cβ
a b a b
P( B) = = ;
Aα + β
a+ b
Cαa++ βb
α
(3) 取后放回 , 抽到的白球数 X ~ B a + b , , 所以
α+β
b
α
a
β
P( B) = C
a
a+ b .
α + β α+ β