古典概型

article/2025/10/18 20:51:26

例1】一部四册的文集按任意次序放到书架上去,问各册自右向左或自左向右恰成 1,2,3,4 的顺序(用 A 表示)的概率是多少?

   

此随机试验的结果是四本书在书架上的一种放法,而每一种放法对应于 1,2,3,4 的一种排列。也即是说 1,2,3,4 四部文册之间是有顺序的。因此试验的样本点总数就是四部文册的一个全排列,为 A_{4}^{4}= 4! .

由于文集按照“任意的”次序放到书架上去,因此每一种放法或样本点的出现是等可能的,由此可知这是一个古典概型问题。A 包含的样本为 \left \{ 1,2,3,4 \right \}\left \{ 4,3,2,1 \right \} 两种, 因此 A 所包含的样本点数为2,所以

                                                                   P\left ( A \right )= \frac{2}{4!}= \frac{1}{12}.

例2】箱中有5个白球及4个黑球,从中任取3个球,求下列事件的概率:

(1)取到的都是白球;

(2)取到2个白球1个黑球.

    

本实验是从9个球中任取3个球,由于球形状相同,只有颜色不同,因此这是一个组合问题。从9个球中任取3个球,共有 C_{9}^{3} 种不同的取法,且每种取法的出现具有等可能性,因此属古典概型问题。

(1)令 A = “取到的都是白球”。从5个白球中任取3个,那么 A 所包含的样本点数为 C_{5}^{3} ,所以

                                                                   P\left ( A \right )= \frac{C_{5}^{3}}{C_{9}^{3}}= \frac{5}{42}.

(2)令 B = “取到2个白球1个黑球”。从5个白球中任取2个,从4个黑球中任取1个,那么 B 所包含的样本点数为C_{5}^{2}C_{4}^{1},所以

                                                                  P\left ( B \right )= \frac{C_{5}^{2}C_{4}^{1}}{C_{9}^{3}}= \frac{10}{21}.

上例去球的方式称为“不放回抽取”,若将其改为“放回抽取”,即每次从箱中任取一球,记下球的颜色后放回箱中,再作第2次抽取,如此连取3次,则上例中事件 AB的概率为多少?

(1)令 A = “取到的都是白球”。从9个球中任取一个白球的概率是 P_{1}= \frac{5}{9} ,放回抽取下一次,下一次取到白球的概率不变,所以

                                                           P\left ( A \right )= P_{1}\times P_{1}\times P_{1}= \left (\frac{5}{9} \right )^{3}= \frac{125}{729} .

(2)令 B = “取到2个白球1个黑球”。从9个球中任取一个白球的概率是 P_{1}= \frac{5}{9} ,从9个球中任取一个黑球的概率是 P_{2}= \frac{4}{9} ,放回抽取下一次,下一次取到白球和黑球的概率都不变。但是这里有一个顺序问题,取到的黑球是在第1次、第二次、还是第三次抽取的时候取到的?所以有一个组合问题,应该是 C_{3}^{1}= 3 种情况,所以

                                                           P\left ( B \right )=C_{3}^{1} \times P_{1}\times P_{1}\times P_{2}= \frac{100}{243} .

【例3】把10本不同的书随意放在书架上,求其中指定的5本书放在一起的概率。

10本书是互不相同的,所以这是一个排列问题。10本书随意的放在书架上,那么一共有 A_{10}^{10}= 10! 种放法。

现在需要将指定的5本书放到一起,意思就是不能让这指定的5本书分开。那么可以将这指定的5本书看做是一个整体,也即是看做一本书。那么6本书排列的数目是 A_{6}^{6}= 6! 种,指定的5本书自身内部的顺序也可以是任意的,那么5本书自身内部排列顺序的数目有 A_{5}^{5}= 5! 种,所以

                                                                       P\left ( A \right )= \frac{6!\times 5!}{10!}= \frac{1}{42} .

【例4】设有 N 件产品,其中有 M 件次品,现从这 N 件中随机地取出 n 件(n\leq N),求 n 件中恰有 m 件(m\leq M)次品的概率。

本题的关键思想是:抽取的 n 件产品中有 m 件次品,\left ( n-m \right ) 件非次品!

非次品数目 + 次品数目 = 总的产品数目;

总的产品数目为 N , 总的次品数目为 M ,则总的非次品数目为(N-M);

总的事件数目是 C_{N}^{n} 种;

抽出 n 件产品中恰有 m 件次品,那么非次品有(n-m)件;

M 件次品中随机抽取 m 件次品的抽法有 C_{M}^{m} 种;

从(N-M)件非次品中随机抽取(n-m)件非次品的抽法有 C_{N-M}^{n-m} 种;

所以最终的概率为

                                                              P_{A}= \frac{C_{M}^{m}\times C_{N-M}^{n-m}}{C_{N}^{n}}.

【例5】某班级有 n 个人(n\leq 365),问同时有两人的生日在同一天的概率是多少?

由于每个人在一年365天的每一天过生日都是可能的,所以 n 个人可能的生日情况为 365^{n} 种,且每一种情况的出现具有等可能性,故属古典概型问题。

A = “至少有两人的生日在同一天”,由于 A 所包含的样本点数不便直接计算,我们来考察其对立事件 \bar{A} ,因为 \bar{A} = “ n 个人的生日全不同”,所以 \bar{A} 所包含的样本点数为

                                                   365\times 364\times \times \cdots \left ( 365-n+1 \right )= \frac{365!}{\left ( 365-n \right )!}.

解释:\bar{A} = “ n 个人生日全不同”,那么第1个人过生日的可能是365天中的任何一天,也就是365种可能;第2个人过生日的可能是除了第一个人生日那天的其余364天,也就是364种可能;以此类推,第 n 个人过生日有 \left ( 365-n+1 \right ) 种可能。

因此

                                                              P\left ( \bar{A} \right )= \frac{\frac{365!}{\left ( 365-n \right )!}}{365^{n}}= \frac{365!}{365^{n}\left ( 365-n \right )!}.

于是,由概率的公式可得(对立事件的概率之和为1),

                                                        P\left ( A \right )= 1-P\left ( \bar{A} \right )= 1-\frac{365!}{365^{n}\left ( 365-n \right )!}.

【例6】袋内有 a 个白球与 b 个黑球。每次从袋中任取一个球,取出的球不再放回去。接连取 k 个球(k\leq a+b),求第 k 次取得白球的概率。

思想:这道题的思想是先满足第 k 次取球的条件,然后再满足前 \left ( k-1 \right ) 次的情况。

考虑到取球的顺序,本试验的样本点总数应为 a+b 个球中选 k 个球的全排列数,即 A_{a+b}^{k}

我们可以人为的先从 a 白球中任意取出一个白球,保留起来,保证第 k 次抽取时,至少有一个白球存在。

那么从 a 个白球中任意取出一个球的取法有 C_{a}^{1}= a 种;

k-1 次取球可从余下的 a+b-1 个球中任取 k-1 个球,所以样本点数为  aA_{a+b-1}^{k-1}

因此

                                                                    P\left ( A \right )= \frac{aA_{a+b-1}^{k-1}}{A_{a+b}^{k}}= \frac{a}{a+b}.

值得注意的是,这个结果与 k 无关,即取得白球的概率与先后次序无关。

【例7】从1~200的正整数中任取一数,球此数能被6或8整除的概率。

A = “取到的数能被6整除”,B = “取到的数能被8整除”,则 AB 就表示“取到的数既能被6整除又能被8整除”,即“能被24整除”。

由于 A 所包含的样本点数为33;B所包含的样本点数为25;AB 所包含的样本点数为8.于是根据广义加法定理,所求概率为

                                          P\left ( A\cup B \right )= P\left ( A \right )+P\left ( B \right )-P\left ( AB \right )=\frac{33}{200}+\frac{25}{200}-\frac{8}{200}= \frac{1}{4}.

【例8】设有 n 个人,每个人都等可能地被分配到 N 个房间中的任何一间去住(n\leq N),求下列事件的概率:

(1)指定的 n 个房间各有一个人住;

(2)恰好有 n 个房间,其中各住一人.

这是一个“分房间”的问题。

因为每一个人有 N 个房间可供选择,所以 n 个人住的方式共有 N^{n} 种,它们是等可能的;

(1)在第一个问题中,指定的 n 个房间各有一个人住。第一个人可以选择的房间数目为 n 种,第二个人可以选择房间数目为 \left ( n-1 \right ) 种,以此类推。所以 n 个人选房间的选择方法有 n!

所以

                                                                            P_{1}= \frac{n!}{N^{n}}.

(2)在第二个问题,由于 n 个房间是任意的(相对于第一个问题,房间没有指定),所以相对于第一个问题,需要从 N 个房间中选出 n 个房间,选择的方法有 C_{N}^{n} 种;

剩下的思路和第一个问题相同,所以

                                                                         P_{2}= \frac{C_{N}^{n}n!}{N^{n}}.

--------------------- 本文来自 PursueLuo 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/PursueLuo/article/details/81279302?utm_source=copy


http://chatgpt.dhexx.cn/article/Ts2OwWS3.shtml

相关文章

概率论3——古典概型与二项分布

排列组合 排列组合高中应该就学过,包括两个原理(加法和乘法原理),以及排列和组合 两个原理 加法原理 比如完成某件事有3类途径,在1类中有4种方法,第2类中有2种方法,第3类中有3种方法&#xf…

概率论基础(1)古典和几何概型及事件运算

概率论对于学习 NLP 方向的人,重要性不言而喻。于是我打算从概率论基础篇开始复习,也顺便巩固巩固基础。 1.事件及运算 1.1 文森图及运算 1.2常用运算律 1.3相关练习 理解:要么A要么B要么C发生,所以是A ∪ B ∪ C&#xff…

概率论--古典概型和几何概型

-------------------------------------------几何概型------------------------------------------------------------------ 向某一可度量的区域内任掷一点.如果所掷的点落在中任意子区域内的可能性大小与A的度量(长度,面积和体积等&…

古典概型和几何概型

古典概型(等可能概型) 1.1定义(随机试验模型) ①只有有限个可能 ②每个结果发生的可能性大小相同。 由 1P(S)得 设事件A包含样本空间S中k个基本事件,那么事件A发生的概率为 1.2计算古典概型的方法——排列跟组合 …

古典概型-分房模型

古典概型问题一般从排列组合、乘法原理的角度思考; 回想概率的基本公式:p(A)A事件发生的次数/总的实验次数 (1)k个盒子已经指定了,每次拿一个球放入其中一个盒子 第一问可以理解为:指定的k个盒子中各有一球…

【概率论与数理统计】猴博士 笔记 p1-p2 古典概型、几何概型

视频 古典概型 常见的古典概型题目分为: 有放回无放回 有放回 对于有放回的题目,一般可以这样做: 举个例子,如题: 则它们的答案是: 1. C 4 4 ∗ ( 2 5 ) 4 C_{4}^{4} *&…

概率论 事件关系 古典概型与几何概型

基本知识点 随机试验:1.不确定性2.可预知性3.可重复性基本事件:包含一个样本点 必然事件:全集 不可能事件:空集 子集2^n-1-1(减去空集与真集) 事件间的关系 1.包含关系 2.和运算AUBAB,A与B至少有一个发生 3.积事件A∩BAB,AB同时发生 4.差事件A-BAB ̅A-AB,A发生但B不发生 5.…

概率论 1.3 古典概型与几何概型

1.3.1 排列与组合 排列 从n个不同元素任取r(r<n)个元素排成一列(考虑元素出现的先后次序)&#xff0c;称此为一个排列&#xff0c;此种排列的总数为n(n-1)....(n-r1)n!/(n-r)&#xff01;&#xff0c;若rn,则称为全排列&#xff0c; 2.重复排列 从n个不同元素中每次取出一个…

概率论基础 —— 1. 基本事件类型、运算规则,及古典概型与几何型概型

概率论与数理统计的相关知识&#xff0c;是机器学习及深度学习最常应用到的基本知识。因为对于机器学习和深度学习来说&#xff0c;最常见的一个应用场景就是训练一堆样本集后&#xff0c;给定一个测试样本&#xff0c;它可能同时具备类A和类B的特征&#xff0c;那么就需要通过…

概率论---古典概型

1、称具有下列两个特征的随机试验模型为古典概型&#xff1a; (1)随机试验具有有限个可能的结果&#xff1b;&#xff08;2)每一个结果发生的可能性大小相同. 2、在古典概型的假设下&#xff0c;设事件A包含样本空间S中的k个基本事件为,即(基本事件只含一个样本点),则 , 即古…

5. 等可能概型(古典概型)

文章目录 等可能概型(古典概型) 等可能概型(古典概型) 定义&#xff1a;若实验满足&#xff1a; 样本空间 S 种样本点有限&#xff08;有限性&#xff09;出现每一个样本点的概率相等&#xff08;等可能性&#xff09; 称这种试验为等可能概型&#xff08;或古典概型&#x…

古典概型、条件概率

文章目录 1 概率1.1 定义1.2 性质 2 古典概型2.1 定义2.2 计算公式 3 条件概率3.1 定义3.2 性质3.3 乘法定理 1 概率 1.1 定义 定义 (概率的公理化定义)&#xff1a;设 E E E 是随机试验&#xff0c;其样本空间 S S S &#xff0c;对于 E E E 的每一事件 A A A 赋于一个实…

概率笔记2——古典概型

上一章中通过几个示例对概率进行了初步介绍&#xff0c;从本章开始&#xff0c;将系统地介绍概率的相关知识。 基本概念 概率研究的是随机现象背后的客观规律——我们对随机没有兴趣&#xff0c;感兴趣的是通过大量随机试验总结出的数学模型。 随机试验 顾名思义&#xff0c;这…

概率统计·概率论的基本概念【古典概型、几何概型】

注意划线部分的这种表示方式 古典概型&#xff08;等可能概型&#xff09; 乘法原理 基本模型 箱中摸球 分组分配&#xff08;分球入箱&#xff09; 先给特殊元素分配 # —— 事件个数 以上题的思路如下&#xff1a; 例题 抽签模型 因为不知道前面人的结果&#xff0c;所以…

古典概型例题

【例1】一部四册的文集按任意次序放到书架上去&#xff0c;问各册自右向左或自左向右恰成 1&#xff0c;2&#xff0c;3&#xff0c;4 的顺序&#xff08;用 表示&#xff09;的概率是多少&#xff1f; 解 此随机试验的结果是四本书在书架上的一种放法&#xff0c;而每一…

概率论的学习和整理10:古典概型 和 N重伯努利试验 的概率和计算方法对比 -----(头脑要纠错!!!)

目录 1 古典概型&#xff08;等可能模型 / 等概率模型&#xff09; 1.1 古典概型的定义 1.2 现实的例子很多 1.3 古典概型的核心要求 1.4 古典概型的好处 1.4.1 足够直观 1.4.2 适应面广&#xff0c;只要基础事件概型相等即可套用 1.4.3 适应面广&#xff0c;只要各…

古典概型——概率论与数理统计(宋浩)

事件的概率 1.2.1概率的初等描述 概率的定义&#xff1a;事件发生的可能性的大小&#xff08;P&#xff08;A&#xff09;&#xff09; 性质&#xff1a; P&#xff08;Ω&#xff09;1&#xff0c;P&#xff08;φ&#xff09;0&#xff08;规范性&#xff09;0<P(A)&l…

移远 4G EC20 高通 9X07 工业级 车规级 CAT4 CAT6

EC20 是移远通信推出的最高LTE Cat 6无线通信模块&#xff0c;采用LTE 3GPP Rel.11 技术&#xff0c;支持最大下行速率300Mbps和最大上行速率50Mbps&#xff1b;同时在封装上兼容移远通信UMTS/HSPA UC20模块以及移远通信多网络制式LTE Cat 3 EC20模块&#xff0c;实现了3G网络与…

cat详解

1、概念 cat命令(concatenate的缩写)是Linux操作系统中使用最广泛的命令行实用工具之一。它是一个标准的Linux实用程序&#xff0c;用于查看文件的内容&#xff0c;而不需要在任何文本编辑器中打开它。cat命令的另一个主要用法是将多个文件串联到一个文件中。 2、基本参数 参…

hashcat详细使用教程

hashcat简介 hashcat是一款自称为世界上最快的密码破解工具。 hashcat常用命令 -m 指定哈希类型 -a 指定破解模式 -V 查看版本信息 -o 将输出结果储存到指…