古典概型与几何概型

古典概型与几何概型

一、相关概念

1. 古典概型(等可能概型)

定义:若随机试验满足:

  • 样本空间只包含有限个基本事件(有限性)
  • 每个基本事件发生的可能性相同(等可能性)

则称该试验为古典概型

2. 几何概型

定义:若随机试验满足:

  • 样本空间Ω是一个可度量的几何区域(长度、面积、体积等)
  • 每个样本点出现是等可能的,即落在Ω的任意可度量子区域A中的可能性与A的度量成正比,而与A的形状和位置无关

则称该试验为几何概型

古典概型:

就像从一副扑克牌中随机抽一张牌:

  • 总共只有54种可能(有限性)
  • 每张牌被抽到的机会都一样(等可能性)

几何概型:

就像在操场上随机扔一个沙包:

  • 沙包可能落在操场任何地方(无限可能)
  • 落在某个区域的概率只和这个区域的面积大小有关

二、公式与符号

古典概型公式:

复制代码
P(A) = m/n
其中:
m = 事件A包含的基本事件数
n = 样本空间的基本事件总数

几何概型公式:

复制代码
P(A) = 度量(A) / 度量(Ω)
具体形式:
- 一维(长度):P(A) = L(A)/L(Ω)
- 二维(面积):P(A) = S(A)/S(Ω)
- 三维(体积):P(A) = V(A)/V(Ω)

三、举例说明

例题1(古典概型):抛掷两枚均匀骰子

问题:求点数之和为8的概率

解题步骤

复制代码
1. 确定样本空间:每枚骰子有6面,两枚共有6×6=36种等可能结果
Ω = {(1,1),(1,2),...,(6,6)}
2. 定义事件A:点数之和为8
A = {(2,6),(3,5),(4,4),(5,3),(6,2)} 共5种情况
3. 计算概率:
P(A) = 5/36 ≈ 0.1389

例题2(几何概型):候车问题

问题:公交车每10分钟一班,乘客随机到达,求候车时间不超过3分钟的概率

解题步骤

复制代码
1. 确定样本空间:乘客在[0,10]分钟内随机到达
Ω的长度:10分钟
2. 定义事件A:候车时间≤3分钟
- 乘客在t时刻到达,候车时间为10-t
- 要满足10-t ≤ 3,即t ≥ 7
- 所以A = [7,10]
3. 计算概率:
P(A) = 长度([7,10]) / 长度([0,10]) = 3/10 = 0.3

四、实际应用案例

案例1(古典概型):彩票中奖计算

情景:从30个号码中选7个开奖号码,购买1注(选7个号)中一等奖的概率

计算过程

复制代码
1. 样本空间总数:C(30,7) = 30选7的组合数
C(30,7) = 30!/(7!×23!) = 2035800
2. 中一等奖:只有1种情况(与开奖号码完全一致)
3. 概率:P = 1/2035800 ≈ 4.91×10⁻⁷

现实意义:这种极低的概率解释了为什么中大奖如此困难。

案例2(几何概型):约会问题

情景:甲乙约定12:00-13:00见面,先到者等15分钟即离开,求能见面的概率

建模与计算

复制代码
1. 设甲到达时刻为x,乙到达时刻为y(单位:分钟)
x,y ∈ [0,60]

2. 能见面的条件:|x-y| ≤ 15

3. 建立坐标系:
- 样本空间:正方形区域0≤x≤60,0≤y≤60
- 面积:S(Ω)=60×60=3600

4. 事件A:|x-y|≤15
- 在坐标系中是两条直线y=x±15之间的区域
- 计算A的面积:
S(A) = 正方形面积 - 两个三角形面积
= 3600 - 2×(1/2×45×45)
= 3600 - 2025 = 1575

5. 概率:P(A)=1575/3600=0.4375

现实意义:约43.75%的见面成功率,说明需要更宽松的时间约定。

五、总结

  1. 古典概型特点

    • 有限个结果
    • 每个结果等可能
    • 计算:有利结果数/总结果数
  2. 几何概型特点

    • 无限个结果(连续区域)
    • 等可能性体现在度量上
    • 计算:几何度量比
  3. 关键区别

    • 古典概型:离散、有限
    • 几何概型:连续、无限

六、思考题

思考题1(古典概型):

一副52张扑克牌,求抽到红桃或A的概率

解答

复制代码
设A="抽到红桃",B="抽到A"
P(A)=13/52,P(B)=4/52
但红桃A被重复计算:P(A∩B)=1/52
根据加法公式:
P(A∪B)=P(A)+P(B)-P(A∩B)
=13/52+4/52-1/52
=16/52=4/13≈0.3077

思考题2(几何概型):

在[0,2]随机取x,求x²-3x+2<0的概率

解答

复制代码
1. 解不等式:x²-3x+2<0
(x-1)(x-2)<0 ⇒ 1 < x < 2
2. 样本空间长度:2-0=2
3. 事件A的长度:2-1=1
4. 概率:P(A)=1/2=0.5
相关推荐
点云SLAM1 天前
似然函数(Likelihood Function)和最大似然估计
算法·机器学习·概率论·数理统计·最大似然估计·似然函数·概率分布
Figo_Cheung1 天前
Figo几何基础论:基于集合几何化的统一理论框架与哲学意涵——首次提出“几何化诱导的全息原理”
算法·机器学习·概率论·迭代加深
木非哲1 天前
AB实验的关键认知(十四)实验复盘与总结
概率论·abtest
无风听海1 天前
负对数似然函数详解
概率论
AI科技星1 天前
加速运动正电荷产生加速度反向引力场的详细求导过程
人工智能·线性代数·算法·机器学习·矩阵·概率论
木非哲2 天前
AB实验的关键认知(十一)A/A实验
概率论·abtest
木非哲2 天前
AB实验的关键认知(十二)黄金时刻-最大统计功效阶段-MPR
概率论·abtest
larance3 天前
先验概率、似然概率与后验概率详解
概率论
张祥6422889044 天前
误差理论与测量平差基础笔记六
笔记·算法·概率论