概率论基础__排列与组合

article/2025/9/15 11:44:30

在古典概型中, 计算事件的概率经常用到排列组合及其总数计算公式, 在此给出排列组合的定义及其相关公式。

一. 两个基本原理

1. 乘法原理

如果某件事需经 k 步才以完成, 做第一步有 m₁种方法, 做第二步有 m₂ 种方法,... 做第 k 步有 ccbef8b5799a4daba2cc83e127153ea2.png种方法, 那么完成这件事共有 35aeb6be82e64cba83bcb07323fa4eb5.png种方法。

2. 加法原理

如果某件事可由 k 类  不同途径之一去完成, 在第一类途径中有 m₁ 种完成方法, 在第二类途径中 有 m₂ 种完成方法, ... 在第 k 类途径中有 ff9d9a4e42e546dfa33742deb5fbc4ca.png种完成方法, 那么完成这件事共有  8d13afba0da543519408eda5d8e7f6ae.png 种方法。

排列和组合的公式都基于以上两个基本原理。

二. 排列

   1. 定义  8cab2001bf7046e193ab17d8eb335660.png

当 r = n时,称为全排列, 排列总数为 fe555c9bac9d4ef3b36c13af4e03c629.png 

 2. 可重复排列

从n个不同元素中每次取出一个, 放回后再取一个,如此连续取 r 次所得的排列称为 可重复排列, 此种排列总数共有   01814df898e942f1910f56c296909b49.png个, 注意, 这里的r允许大于n.

例题: 用 1,2,3,4,5这5个数字可以组成多少个三位数?

解: 组成的三位数是可重复, 属于可重复排列问题,  个数为 5³ = 125.

三. 组合

1. 定义

4701fd3542be43e2924b0481467d8f68.png

数学中规定, 0!=1, 8f0c4a8edd3948c3b3c4d77f1cd91d80.png

看例题: 有10个球队进行单循环比赛,  问需要安排多少场比赛?

解:  这是从10个球队中任选 2 个进行组合的问题,  选法总数为

 73fd86e6614e412b9130a9c10d1e04b9.png

 即需安排 45 场比赛。

2. 性质
 

f0b05b2bc93e461c8e4c1d5fb6d01919.pngb46db0b98d6546b7a22c4256efe154bb.png

四   使用组合容易出现的错误

 我们在是否使用组合时, 容易出现一种错误, 即想当然 “用不到组合”

 看一个例子:  一个盒子中有4个白球, 2个黑球, 从盒子任取2个球, 问取到黑球的概率是多少?

这个题目, 有的人一看,  就想当然地认为, 6个中取2个,概率为 \large \frac{1}{3}, 这么简单...

我们不禁有疑问, 是这样吗?1/3对吗??   这好像是黑球的组成比例, 不是任取2个球时都是黑球的概率。

实际上,任取2个球的取法有 \large \textrm{C}_{6}^{2} = 15种,  从盒中取2个黑球的取法有\large \textrm{C}_{2}^{2} = 1种 ,概率为\large {\color{Red}\frac{1}{15}}也就是说,取到2个黑球的概率 远小于1/3,  因为任取的取法是很多的!!! 

五 例题讲解

光说不练是假把式,接下来看几个例题

1 将C,C, E,E, I,N, S 7个字母随机排成一行, 那么恰好排成英文单词 SCIENCE的概率为______.

解析:随机将上述7个字母排成一行的数量为全排列 n=7!,  

按照单词SCIENCE来排列, 要注意不是一种, 不是一种! 因为C, E是可以调整顺序的。

顺序为  ,

所以 P= 4/ 7! = 1/1260.


http://chatgpt.dhexx.cn/article/XZQ4iBJ4.shtml

相关文章

概率论基础知识各种分布

离散分布:伯努力分布,二项分布,possion分布 一,伯努力分布 #执硬币 x_arrnp.array([0,1]) #x为1的概率 p0.7 #0 1分布 #由PMF生成对应的概率 离散事件 pr_arrstats.bernoulli.pmf(x_arr,p) plt.plot(x_arr,pr_arr,markero,lines…

机器学习——概率论基础

公式一:设A,B 是两个事件,且A不是不可能事件,则称 为在事件A发生的条件下,事件B发生的条件概率。一般地, ,且它满足以下三条件: (1)非负性;&#…

机器学习基础:概率论基础

机器学习基础:概率论基础 机器学习基础:随机变量及其概率分布 机器学习基础:大数定律与中心极限定理 机器学习必备基础知识,力求以最简洁的语言,描述最完整的内容。 很多知识没有深入剖析,也没必要深入剖析…

Ross《概率论基础教程》—Note 1

第一章——组合分析 1. 很多概率论中的问题只要通过计算某个事件发生的结果的数目就能解决,关于计数的数学理论就是组合分析(Combinatorial Analysis)。 2. 计数的基本法则:假设一共有r个实验,实验i有个结果&#xf…

概率论基础知识汇总

文章目录 矩:原始矩,中心矩协方差和相关系数大数定律 矩:原始矩,中心矩 存在意义: 在数学和统计学中,矩(moment)是对变量分布和形态特点的一组度量。 原点矩和中心距的定义 直接…

概率论的基础概念(1)

重点讲述: 首先,最重要的前提: (1)随机试验(大量(无穷次)重复试验)是概率论的基础!!! (2)随机变量是不确定的&…

概率论基础

概率论基础 1. 随机事件 1.1. 概念 1.1.1. 随机现象 在一定的条件下,并不总是出现相同的结果的现象称为随机现象,如抛一枚硬币与掷一颗骰子。随机现象有两个特点: 结果不止一个;哪一个结果出现,人们事先不知道。 …

概率论基础知识(一)概率论基本概念

概率论 0. 前言 本文主要旨在对概率论的基础概念与知识进行概要的总结,以便于使用到时可以参考。 概率论是数理统计的基础,也是很多机器学习模型的支撑,概率论在机器学习中占主要地位,因为概率论为机器学习算法的正确性提供了理…

SSD算法理解(2)

作者:叶 虎 编辑:祝鑫泉 前言 目标检测近年来已经取得了很重要的进展,主流的算法主要分为两个类型:(1)two-stage方法,如R-CNN系算法,其主要思路是先通过启发式方法(selec…

SSD算法详解default box

本文提出的SSD算法是一种直接预测目标类别和bounding box的多目标检测算法。 与faster rcnn相比,该算法没有生成 proposal 的过程,这就极大提高了检测速度。针对不同大小的目标检测,传统的做法是先将图像转换成不同大小(图像金字塔…

【个人整理】一文看尽目标检测算法SSD的核心架构与设计思想

前言:SSD(Single Shot MultiBox Detector)是大神Wei Liu在 ECCV 2016上发表的一种的目标检测算法。对于输入图像大小300x300的版本在VOC2007数据集上达到了72.1%mAP的准确率并且检测速度达到了惊人的58FPS( Faster RCNN&#xff1…

目标检测:SSD算法原理综述

SSD(Single Shot Detection)是一个流行且强大的目标检测网络,网络结构包含了基础网络(Base Network),辅助卷积层(Auxiliary Convolutions)和预测卷积层(Predicton Convol…

SSD算法阅读记录

SSD: Single Shot MultiBox Detector 一、网络结构二、模型设计1、多尺度特征映射2、使用卷积进行检测3、使用default boxes 三、模型训练1、匹配策略2、损失函数3、default boxes的确定4、难分样本挖掘 四、参考链接 一、网络结构 SSD网络是在VGG16的基础上修改得到的&#xf…

2.1 SSD算法理论

前言 随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。来源于哔哩哔哩博主“霹雳吧啦Wz”,博主学习作为笔记记录,欢迎大家一起讨论学习交流。 一…

SSD检测算法理解

SSD检测算法理解 简介1 SSD模型2 SSD算法的核心设计思想3 多尺度特征图检测思想4 单尺度特征图检测4.1 先验框的设置4.2 先验框的比例和宽高比4.3 Loss计算 5 性能评估 简介 在作者的原论文中提到,SSD算法要比当时优秀的Faster RCNN算法和YOLO算法识别效果更好&…

SSD算法通俗详解

算法简介 算法原理 样本构造 损失函数 使用细节 # ssd算法: ##简介 刘伟在2016年提出,发表在ECCV;是一种通过直接回归的方式去获取目标类别和位置的one-stage算法,不需要proposal;作用在卷积网络的输出特征图上进行预…

详细解读目标检测经典算法-SSD

学习目标: 知道SSD的多尺度特征图的网络知道SSD中先验框的生成方式知道SSD的损失函数的设计 目标检测算法主要分为两类: Two-stage方法:如R-CNN系列算法,主要思路就是通过Selective Search或者CNN网络产生一系列的稀疏矩阵的候…

SSD目标检测算法——通俗易懂解析

目录 前言SSD网络 前言 前面几篇文章我们讲解了YOLO系类的论文,今天我们来看下SSD算法。对YOLO有兴趣的小伙伴们可以一步到我前面的几篇博文: YOLOv1目标检测算法——通俗易懂的解析YOLOv2目标检测算法——通俗易懂的解析YOLOv3目标检测算法——通俗易懂…

SSD算法理解(1)

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u010167269/article/details/52563573 Preface 这是今年 ECCV 2016 的一篇文章,是 UNC Chapel Hill(北卡罗来纳大学教堂山分校) 的 Wei Li…

SSD算法分析

SSD算法分析 1 SSD算法概述2 SSD整体流程3 SSD中的重要概念3.1 多尺度Feature Map检测3.2 Default Box3.2.1 设计思路3.2.2 参数计算 4 SSD网络架构与网络预测4.1 网络架构4.2 网络预测4.3 预测值解码 5 网络训练5.1 Ground Truth编码5.2 匹配策略5.3 损失函数5.3.1 定位损失5.…