计数原理基础知识

1. 排列

2. 组合

3. 二项式

3.1 二项式展开

$(a+b{)}^2$等于什么？答案根据初中数学知识很容易得到：$a^2+2ab+b^2$
那么，如何通过排列组合知识从理论上抽象出公式呢？

1. $(a+b{)}^2=(a+b)(a+b)$
2. 第一个$(a+b)$的取值有2种方案，分别是：a，b
   第二个$(a+b)$的取值也有2种方案，分别是：a，b
3. 从第一个$(a+b)$分别取a，b后，整个式子等于$a(a+b)+b(a+b)$
   再从第二个$(a+b)$分别取a，b后，整个式子等于$a\times a+a\times b+b\times a+b\times b$
4. 展开后共有4项相加，因为第一个$(a+b)$有2项，要从2项里取值组合：$C_2^1$，第二个$(a+b)$也有2项，同理组合数也是$C_2^1$
5. 所以，最终组合数是：$C_2^1{C}_2^1=4$

以b作为基准，k是每一次组合时取到b的数量，那么2-k就是a的数量，得到结果中每一项的公式：$a^{2-k}\cdot b^k$

k取值	组合数	每项值
k = 0	$C_2^0=1$	$a^2\cdot b^0$
k = 1	$C_2^1=2$	$a^1\cdot b^1$
k = 2	$C_2^2=1$	$a^0\cdot b^2$

组合数就是二项式展开后，每一项的系数，最终结果：$a^2+2ab+b^2$

按照上述规律，计算$(a+b{)}^3$
$$\begin{gathered} C_3^0\cdot a^{3-0}{b}^0+C_3^1\cdot a^{3-1}{b}^1+C_3^2\cdot a^{3-2}{b}^2+C_3^3\cdot a^{3-3}{b}^3 \\ =a^3+3\cdot a^{2}b+3a{b}^2+b^3 \end{gathered}$$

类推到$$\begin{gathered} (a+b{)}^n \\ ⟹C_n^0\cdot a^n{b}^0+C_n^1\cdot a^{n-1}b1+...+C_n^k\cdot a^{n-k}{b}^k+...+C_n^n\cdot a^{n-n}{b}^n \end{gathered}$$
其中，$C_n^k\cdot a^{n-k}{b}^k$是二项式展开的通项，

注意从0开始，所以这是第k+1项
二项式展开通项(k+1项)：$C_n^k\cdot a^{n-k}{b}^k$

3.2 二项式系数的性质

1. 组合数对称性
   $C_n^m=C_n^{n-m}$
2. 增减性：
   $m<\frac{n+1}{2}$时，$C_n^m$随m增大而增大
   $m>\frac{n+1}{2}$时，$C_n^m$随m增大而减小
3. 最大值：
   n为偶数时，$C_n^{\frac{n}{2}}$取得最大值
   n为奇数时：$C_n^{\frac{n-1}{2}}$与$C_n^{\frac{n+1}{2}}$相等，同时取得最大值

4. [随机变量] 条件概率

同一个试验中，2个事件A与B同时发生，& A与B相互独立，那么A，B同时发生的概率：$P(AB)=P(A)\cdot P(B)$
当A与B不独立时，咋办呢？条件概率

4.1 条件概率

回顾古典概型，满足条件如下：

1. 有限基本事件
2. 事件发生等可能
   古典概型中，基本事件A事件发生的概率：总基本事件包含的样本点分之A事件包含的样本点：$P(A)=\frac{n(A)}{n(\Omega )}$

例子：班级里有45人，抽签选班长

	团员	非团员	合计
男生	16	9	25
女生	14	6	20
合计	30	15	45

1. 抽签选到男生的概率有多大？
   符合古典概型, $P(A)=\frac{n(A)}{n(\Omega )}=\frac{男生事件样本点数量：25}{总样本点数量：45}=\frac{5}{9}$
2. 如果之选到的是团员，那么选到男生的概率多大？
   此时，A条件（团员）的样本点数量是$n(A)=30$，A条件下B事件的样本点（团员中的男生）数量$n(AB)=16$，$⟶$ $P(B|A)=\frac{n(AB)}{n(A)}=\frac{16}{30}$

条件概率：
在A事件发生的条件下 $⟶$ B事件发生的概率
A事件发生的概率 分之 AB事件同时发生的概率
$⟹$记为：$P(B|A)$
等于样本点的比值：$\frac{n(AB)}{n(A)}$

条件概率与概率乘法

1. 根据上一节内容，$P(B|A)=\frac{n(AB)}{n(A)}$
2. 分子分母同时除以$n(\Omega )⟶P(B|A)=\frac{\frac{n(AB)}{n(\Omega )}}{\frac{n(A)}{n(\Omega )}}$
3. 分子部分是A,B事件同时发生的概率，分母部分是A事件发生的概率
4. 所以：$P(B|A)=\frac{n(AB)}{n(A)}⟶P(B|A)=\frac{P(AB)}{P(A)}$

条件概率：A，B两个随机事件，且P(A)>0，A发生的条件下，B发生的概率为条件概率

如果A，B相互独立，$$\begin{gathered} P(AB)=P(A)\cdot P(B) \\ \to P(B|A)=\frac{P(AB)}{P(A)}=\frac{P(A)\cdot P(B)}{P(A)}=P(B) \end{gathered}$$
得到的结论：如果P(B|A) = P(B)，且P(A)>0，那么A，B事件一定相互独立

概率乘法公式

任意事件A，B，且P(A)>0，$P(AB)=P(A)\cdot P(B|A)$

当A，B互相独立时$P(AB)=P(A)\cdot P(B)$
当不确定A，B是否独立是，用$P(AB)=P(A)\cdot P(B|A)$

例子1：

5道题，3代数题，2几何题，每次随机抽取1道题，抽出的题目不放回

1. 第一次抽到代数，且第二次抽到几何的概率？（积事件）
2. 在第一次抽到代数的情况下，第二次收到几何的概率？（条件概率）

对于1. 问题可以抽象成排列问题，第一次和第二次是2个格子，分别在2个格子里放上代数，与几何。

设，A：“第一次抽到代数事件”，B：“第二次抽到几何事件”
排列的样本总数量（总排列数）$n(\Omega )=A_5^2$，第一个格子里是代数的样本数量$n(A)=A_3^1$，第二个格子里是几何的样本总数量$n(B)=A_2^1$。
满足要求的概率就是：$P(AB)=\frac{n(AB)}{n(\Omega )}=\frac{A_3^1\cdot A_2^1}{A_5^2}=\frac{3\cdot 2}{20}=\frac{3}{10}$

对于2. 是条件概率，在A成立的条件下，B发生的概率

$P(B|A)=\frac{P(AB)}{P(A)}=\frac{3/10}{3/5}=\frac{1}{2}$

例子2

盒子里有3个球，2个红色1个蓝色，甲乙丙3人依次无放回各抽一个。他们抽到蓝色球的概率如何？
设，甲，乙，丙抽到蓝色球的事件分别是A，B，C
B事件发生需要A事件不发生，所以$B=\overline{A}B$
C事件发生需要AB事件都不发生，所以$C=\overline{A}\overline{B}C$
根据古典概型：
A事件发生的概率：$P(A)=\frac{n(蓝色数量)}{n(总数量)}=1/3$
B事件发生的概率：A事件没有发生的概率 【乘以】 A事件没有发生的条件下B事件发生的概率，因为是不放回抽取，此时B事件发生的概率是1/2。
$P(B)=P(\overline{A}B)=P(\overline{A})\cdot P(B|\overline{A})=2/3\cdot 1/2=1/3$
C事件发生的概率：
$P(C)=P(\overline{A}\overline{B}C)=P(\overline{A})\cdot P(\overline{B})\cdot P(C)=2/3\cdot 1/2\cdot 1/1=1/3$

A，B，C事件发生的概率都是1/3，所以不放回抽取时，抽中概率与抽取顺序无关。

例子3

0到9这10个数里，只有一个数能让猫开心，在不超过2次的尝试中，让猫开心的概率是多少？
2中情况可以让猫开心，1. 第一次蒙对了，2.第一次没蒙对，第二次蒙对了。
设，第一次尝试就蒙对了是事件$A_1$，第二次尝试才蒙对了是事件$A_2$
$P(A_1)=\frac{n(正确的数字)}{n(总数字)}=\frac{1}{10}$
$P(A_2)=P(\overline{A_1}{A}_2)=P(\overline{A_1})\cdot P(A_2|\overline{A_1})=\frac{9}{10}\cdot \frac{1}{9}=\frac{1}{10}$
所以，不超过2次蒙对的概率$P(A)=P(A_1\cup A_2)=P(A_1)+P(A_2)=\frac{1}{10}+\frac{1}{10}=\frac{1}{5}$

如果确认了这个数是奇数，那么概率又如何呢？
假设这个数是奇数的事件为B，问题就转换为：在B条件下，A的概率
$P(A|B)=P(A_1|B)+P(A_2|B)$
B条件是的样本空间从10缩小到5，$P(A_1)=1/5$，$P(A_2)=4/5\cdot 1/4=1/5$
最终概率是2/5

5. 全概率

Q1：a个红球，b个蓝球，随机摸出一个，摸出的球不放回。

$R_1$：第1次摸到红球事件
$R_2$：第2次摸到红球事件
$B_1$：第1次摸到蓝球事件
$B_2$：第2次摸到蓝球事件

$P(R_1)=\frac{a}{a+b}$ // 古典概型
$$\begin{gathered} P(R_2)=P(R_1{R}_2)\cup P(B_1{R}_2) \\ =P(R_1{R}_2)+P(B_1{R}_2) \\ =P(R_1)\cdot P(R_2|R_1)+P(B_1)\cdot P(R_2|B_1) \\ =\frac{a}{a+b}\cdot \frac{a-1}{a+b-1}+\frac{b}{a+b}\cdot \frac{a}{a+b-1} \\ =\frac{a(a-1+b)}{(a+b)(a+b-1)}=\frac{a}{a+b}=P(R_1) \end{gathered}$$
得到了结果：$P(R_1)=P(R_2)$

重要结论：在不放回的前提下，抽签中签的概率与抽签的顺序无关

全概率

整个事件的样本点数量是左边的方框，记为：$\Omega$
第一次将$\Omega$分为2个部分（红，蓝），
第二次在红蓝条件下分别再取红色事件（右边的图）
最后，将红，蓝条件下的红色事件合并。
因为$\Omega$只分成红，蓝两部分，所以红，蓝两部分的前提下取到的红色之和，就是$\Omega$中，第二次红色事件的总数。

1. 如果整体事件$\Omega$被分割成n个小事件$A_1,A_2,...,A_n$；
2. 在每一个小事件都发生的条件下事件B发生的概率$A_1{B}_1，A_2{B}_2,...,A_n{B}_n$；
3. 那么事件B在$\Omega$下发生的概率$P(B)=P(B_1|A_1)+P(B_2|A_2)+...+P(B_n|A_n)$
   

Q2. 3台机床生产同一型号零件

第一台产量占总数的25%，次品率6%
第二台产量占总数的30%，次品率5%
第三台产量占总数的45%，次品率5%

1. 任取一个零件，计算是次品的概率。

解答：
B事件：任取一个零件为次品
$A_i$事件: 零件是第$i$台机床生产的，$（i=1,2,3），\Omega =A_1\cup A_2\cup A_3，A_1,A_2,A_3$两两互斥
$P(A_1)=0.25，P(A_2)=0.3，P(A_3)=0.45$
$P(B|A_1)=0.06，P(B|A_2)=0.05，P(B|A_3)=0.05$
$P(B)=P(A_1)\cdot P(B|A_1)+P(A_2)\cdot P(B|A_2)+P(A_3)\cdot P(B|A_3)=0.0525$
第一台机床的概率 x 第一台机床的次品率 + 第二台机床的概率 x 第二台机床的次品率 + 第三台机床的概率 x 第三台机床的次品率

2. 如果抽到了一个次品，计算它是第$i(i=1,2,3)$台车床加工的概率。
   B事件：抽取到了次品事件
   $A_i$事件: 第几台车床加工的事件
   是第一台机床加工的概率：B事件发生的条件下A事件发生的概率：$P(A_1|B)$

$P(A_1|B)=\frac{P(A_{1}B)}{P(B)}$ // 分子是A_1与B两个交事件发生的概率

$=\frac{P(A_1)\cdot P(B|A_1)}{P(B)}$ // 根据概率乘法公式，分子：A_1发生的概率 * A_1条件下B发生的概率

$=\frac{0.25\ast 0.06}{0.0525}=\frac{2}{7}$

同理，可以求出来自第二台，第三台机床的概率。

上面例子中的概率可以分为2种，1. 先验概率，2.后验概率

1. 先验概率：试验开始时就已经确定的概率。每台机床的加工占比$P(A_i)$
2. 后验概率：试验之后计算得到的概率。抽到次品时，次品是哪个机床加工的概率$P(A_i|B)$

6. 贝叶斯公式

有：$A_1,A_2,...,A_n$互斥，$A_1\cup A_2\cup ...\cup A_n=\Omega ，P(A_i)\ne 0$
对：$\forall B\in \Omega ，P(B)\ne 0$
都有：$P(A_i|B)=\frac{P(A_i)P(B|A_i)}{P(B)}$

$=\frac{P(A_i)P(B|A_i)}{{\sum }_{i=1}^{n}P(A_i)P(B|A_i)}$ // 分母是全概率公式

回顾概率乘法：$P(A_i\cap B)=P(A_i)\cdot P(B|A_i)$

Q3. 发送数字信号0，1

发送0，接收到0的概率是0.9，接收到1的概率是0.1
发送1，接收到0的概率是0.05，接收到1的概率是0.95
0，1等可能发送

1. 接受0与1的概率（古典概型，全概率公式）
   $A$：发送0，$B$：接收0
   $\overline{A}$：发送1，$\overline{B}$：接收1
   接收0的概率：发送0接收0 + 发送1接收0
   $P(B)=P(A)\cdot P(B|A)+P(\overline{A})\cdot P(B|\overline{A})$
   $=0.5\times 0.9+0.5\times 0.05$
   $=0.475$
   接收1的概率：同理：0.525

2. 接收到0时，发送为1的概率（条件概率，贝叶斯公式）
   要求的是：当$B$发生时，$\overline{A}$发生的概率
   $P(\overline{A}|B)=\frac{P(\overline{A}\cap B)}{P(B)}$
   $=\frac{P(\overline{A})P(B|\overline{A})}{P(B)}$
   $=\frac{0.5\times 0.05}{0.475}$
   $=\frac{1}{19}$

7. 离散性随机变量及其分布列

随机抽一个产品，抽到次品：用0表示，抽到正品：用1表示
这种做法是用实数表示样本空间里的样本点，将数字对应到样本空间的样本点上
离散型随机变量的目的：实数集合来表示样本空间

$随机抽取：\{\begin{array}{l}抽到次品\to 0\\ 抽到正品\to 1\end{array}⟹X=\{\begin{array}{l}0\to 抽到次品\\ 1\to 抽到正品\end{array}$
把样本点的随机性转成实数的随机性，所以，$X$叫做随机变量

Q1：从100个产品里（超过3个是次品）随机抽取3个产品，X表示三个产品中次品的个数。

• 0：表示次品，1:表示正品
• 抽取次品的样本空间：
  3个次品：000
  2个次品：100，010，001
  1个次品：110， 011， 101
  0个次品：111
• $\Omega =\left\{\begin{array}{c}111,110,101,100,011,010,001,000\end{array}\right\}$
• $X=\left\{\begin{array}{c}0,1,2,3\end{array}\right\}$
• $\Omega$中的每一个$\omega$都有唯一一个$X(\omega )$与之对应，
• 此时，样本点的随机性就传递到了X的随机性，此时X就叫随机变量
• 当X的取值是有限的，并且可以一一列举，此时X叫做离散随机变量
• 一般用大写X，Y，Z表示随机变量，小写x，y，z表示随机变量的取值

Q2. 掷骰子，X：掷出的点数

掷出点数的等可能性：$P(X=i)=\frac{1}{6},i=1,2,3,4,5,6$

X	1	2	3	4	5	6
P	$\frac{1}{6}$	$\frac{1}{6}$	$\frac{1}{6}$	$\frac{1}{6}$	$\frac{1}{6}$	$\frac{1}{6}$

概率的分布列

离散性随机变量$X=x_1,x_2,...X$取每一个值$X_i$的概率：$P(X=x_i)=P_i，i=1,2,3,...,n$。
通俗的说，就是将$x_1,x_2,...,x_n$每一项的概率都列出来，就叫$X$的概率分布列
举个例子，掷骰子1-6的概率分布列就是$\left\{\begin{array}{c}\frac{1}{6},\frac{1}{6},\frac{1}{6},\frac{1}{6},\frac{1}{6},\frac{1}{6}\end{array}\right\}$

概率分布列可以直观展示为，概率分布表，概率分布图等

概	率	分	布	表
X	$x_1$	$x_2$	…	$x_n$
P	$P_1$	$P_2$	…	$P_n$

1. $i$的取值从$1$到$n$：$P_i\ge 0，i=1,2,...,n$
2. 所有取值的概率和为必然事件：${\sum }_{i=1}^n{P}_i=1$

Q2的问题

1. 掷出的点数不大于2的概率是多少？
   问题就是要求 $⟹\left\{\begin{array}{c}X\le 2\end{array}\right\}$的骰子概率
   根据上面的概率分布表，去X=1, 2是的P相加
   $P(X\le 2)=P(X=1)+P(X=2)=\frac{1}{6}+\frac{1}{6}=\frac{1}{3}$

2. 掷出偶数点 $⟹X\in \left\{\begin{array}{c}2,4,6\end{array}\right\}$
   同理： P ( { X = 2 } ∪ { X = 4 } ∪ { X = 6 } ) = P ( X = 2 ) + P ( X = 4 ) + P ( X = 6 ) = 1 6 + 1 6 + 1 6 = 1 2 P(\{X = 2\} \cup \{X = 4\} \cup \{X = 6\}) = P(X=2) + P(X=4) + P(X=6) = \frac 16 + \frac 16 + \frac 16= \frac 1 2 P({X=2}∪{X=4}∪{X=6})=P(X=2)+P(X=4)+P(X=6)=61​+61​+61​=21​

两点分布

Q：一批产品中次品率为5%，随机抽取1件，定义：$x=\{\begin{array}{l}1，抽到次品\\ 0，抽到次品\end{array}$，X的分布列

$⟹P(X=0)=0.95,P(X=1)=0.05$

对于，只有2种可能结果的随机试验，$\{\begin{array}{l}A：成功\\ \overline{A}：失败\end{array}⟹X=\{\begin{array}{l}1：A发生\\ 0:\overline{A}发生\end{array}$
那么，$P(A)=p，P(\overline{A})=1-p$，即：两个事件的概率和等于1

这种只可能有2种结果的随机变量X，就符合两点分布

概率分布列怎么列

Q2：200名学生体测成绩，一共5个等级（不及格：1， 及格：2， 中等：3， 良：4， 优：5），200名学生的成绩与人数关系如下表

等级	不及格	及格	中等	良	优
分数	1	2	3	4	5
人数	20	50	60	40	30

1. 求所选学生分数X的分布列

—	—	—	—	—	—
X	1	2	3	4	5
P	$\frac{20}{200}$	$\frac{50}{200}$	$\frac{60}{200}$	$\frac{40}{200}$	$\frac{30}{200}$

2. 求分数大于等于良的概率，P(X>=4)的概率
   $P(X\ge 4)=P(X=4)+P(X=5)$
   把上面表格中X=4， 5两列的P加起来就可以了。

Q3. 10台电脑中，3台是A品牌，7台是B品牌，随机抽取2台，A品牌台数的分布列

第一台是A的概率$A_1$，第二台是A的概率$A_2$
情况1：第一台是A，第二台是B $⟹P(A_1)\cdot P({\overline{A}}_1)=\frac{3}{10}\cdot \frac{7}{9}=\frac{7}{30}$
情况2：第一台是B，第二台是A $⟹P({\overline{A}}_1)\cdot P(A_1)=\frac{7}{10}\cdot \frac{3}{9}=\frac{7}{30}$
情况3：第一台是A，第二台也是A $⟹P(A_1)\cdot P(A_1)=\frac{3}{10}\cdot \frac{2}{9}=\frac{1}{15}$
情况4：第一台是B，第二台也是B $⟹P({\overline{A}}_1)\cdot P({\overline{A}}_1)=\frac{7}{10}\cdot \frac{6}{9}=\frac{7}{15}$
令X是2台中，A品牌的数量
$P(X=0)=\frac{7}{15}$
$P(X=1)=\frac{7}{30}+\frac{7}{30}=\frac{7}{15}$
$P(X=2)=\frac{1}{15}$

或者用组合的方式来处理，如下：
$P(X=0)=\frac{C_7^2}{C_{10}^2}=\frac{7}{15}$

$P(X=1)=\frac{C_3^1{C}_7^1}{C_{10}^2}=\frac{7}{15}$

$P(X=2)=\frac{C_3^2}{C_{10}^2}=\frac{1}{15}$

8. 离散性随机变量的数字特征

8.1 数学期望

甲乙两个人射击环数的概率分布如下：

环数X	7	8	9	10
甲射中的概率	0.1	0.2	0.3	0.4
乙射中的概率	0.15	0.25	0.4	0.2

甲的平均环数：$7\ast 0.1+8\ast 0.2+9\ast 0.3+10\ast 0.4=9$
乙的平均环数：$7\ast 0.15+8\ast 0.25+9\ast 0.4+10\ast 0.2=8.65$

反映随机变量的平均水平：期望

X	$x_1$	$x_2$	…	$x_n$
P	$p_1$	$p_2$	…	$p_n$

数学期望公式：$E(x)=x_1{p}_1+x_2{p}_2+...+x_n{p}_n$

Q: 游乐场里射箭中靶得1分，脱靶不得分。大聪明射箭中靶概率为0.8，那么他射箭一次得分的平均值是多少呢？

一些变换公式

• $E(x+b)=E(x)+b$

$E(x+b)=(x_1+b)\cdot p_1+(x_2+b)\cdot p_2+...+(x_{+}b)\cdot p_n$
$=(x_1\cdot p_1+x_2\cdot p_2+...+x_n\cdot p_n)+b\cdot (p_1+p_2+>...+p_n)$
$=E(x)+b$

• $E(aX)=a\cdot E(x)$

• $E(aX+b)=a\cdot E(x)+b$

8.2 方差

射击比赛中，甲，乙的环数X，Y分布如下：

X	6	7	8	9	10
P	0.09	0.24	0.30	0.28	0.07

Y	6	7	8	9	10
P	0.07	0.22	0.38	0.30	0.03

$E(X)=6\ast 0.09+7\ast 0.24+8\ast 0.32+9\ast 0.28+10\ast 0.07=8$
$E(Y)=6\ast 0.07+7\ast 0.22+8\ast 0.38+9\ast 0.30+10\ast 0.03=8$

X，Y的均值相同，但是环数分布不一样，所以均值的判断并不能准确的反映成绩分布与偏离程度。

因此引入方差

$D(X)=(x_1-E(x){)}^2\cdot P_1+(x_2-E(x){)}^2\cdot P_2+...+(x_n-E(x){)}^2\cdot P_n$

$={\sum }_{i=1}^n(x_i-E(x){)}^2\cdot P_i$

// 看起来是不是有点像最小二乘法

方差记为：$Var(X)$，开平方后是标准差：$\sqrt{D(x)}$

回到上面射击的例子
$D(X)={\sum }_{i=6}^{10}(x_i-8{)}^{2}P(X=i)=1.16，\sqrt{D}(X)=1.077$
$D(Y)={\sum }_{i=6}^{10}(x_i-8{)}^{2}P(X=i)=0.92，\sqrt{D}(X)=0.959$
所以，乙的环数散布更集中

可以将方差公式化简：

$D(X)={\sum }_{i=1}^n(X_i-E(X){)}^2\cdot P_i$

$={\sum }_{i=1}^n(X_i^2-2X_i\cdot E(X)+(E(X){)}^2)\cdot P_i$

$={\sum }_{i=1}^n{X}_i^2{P}_i-{\sum }_{i=1}^{n}2X_{i}E(X)\cdot P_i+{\sum }_{i=1}^n(E(X){)}^2\cdot P_i$

$={\sum }_{i=1}^n{X}_i^2{P}_i-2E(X){\sum }_{i=1}^n{X}_i\cdot P_i+(E(X){)}^2{\sum }_{i=1}^n{P}_i$

$={\sum }_{i=1}^n{X}_i^2{P}_i-2(E(X){)}^2+(E(X){)}^2$

$={\sum }_{i=1}^n{X}_i^2{P}_i-(E(X){)}^2$

Q: 这是一个具有实际意义的例子

根据天气预报，某地区近期有小洪水的概率0.25，有大洪水的概率0.01， 该地区某工地上有一台大型设备，遇到小洪水损失10000元，遇到大洪水损失60000元，为了保护设备，有以下3种方案：
方案1：运走设备：搬运费：3800元
方案2：建保护围墙，建设费2000元，但是围墙只能防小洪水
方案3：不采取措施
如何决策达到最划算。

分析条件：将洪水情况整理成X，以及方案1，2，3对应不同洪水的概率
求出三种方案中，方差最小的就O了！

方案1，2，3的数学期望：

9. 二项分布

$独立重复n次⟹n重伯努利试验\{\begin{array}{l}1.同一个伯努利试验重复n次\\ 2.试验结果相互独立\end{array}$

Q：某飞碟用动员设计中靶的概率是0.8，连续3次设计，中靶次数X的概率分布列？

$A_i：第i次中靶（i=1，2，3）$
$X：中靶的次数$

$P(X=0)=P({\overline{A}}_1{\overline{A}}_2{\overline{A}}_3)=0.2^3$
$P(X=1)=P(A_1{\overline{A}}_2{\overline{A}}_3)+P({\overline{A}}_1{A}_2{\overline{A}}_3)+P({\overline{A}}_1{\overline{A}}_2{A}_3)=3\ast 0.8\ast 0.2^2$
$P(X=2)=P(A_1{A}_2{\overline{A}}_3)+P(A_1{\overline{A}}_2{A}_3)+P({\overline{A}}_1{A}_2{A}_3)=3\ast 0.8^2\ast 0.2$
$P(X=0)=P(A_1{A}_2{A}_3)=0.8^3$
用中靶$A_i$作为选择基准：
$P(X=0)=C_3^0\times 0.8^0\times 0.2^3$
$P(X=1)=C_3^1\times 0.8^1\times 0.2^2$
$P(X=2)=C_3^2\times 0.8^2\times 0.2^1$
$P(X=3)=C_3^3\times 0.8^3\times 0.2^0$

因此，中靶次数k的公式，就可以写成
$P(X=k)=C_n^k\times 0.8^k\times 0.2^{3-k}$

在n重伯努利试验中，每次试验中A发生的概率为P(0<P<1),X表示事件A发生的次数。

则X的分布列：

$P(X=k)=C_n^k{P}^k(1-p{)}^{n-k},k=0,1,2,...,n$

随机变量X的分布列具有以上形式，则X服从二项分布，X～B(n, P)
X~B(10, 0.8)：随机变量X服从二项分布，10次事件，概率0.8

二项式$(a+b{)}^n$展开后，第k+1项的公式：$C_n^k{a}^k\cdot b^{n-k}$
与
$P(X=k)=C_n^k{P}^k(1-p{)}^{n-k}$看上去一毛一样。

那么n重伯努利试验中，X的分布列之和等于$(P+(1-P){)}^n=1$

Q：将一枚质地均匀的硬币抛掷10次，求：

1. 恰好出现5次正面朝上的概率。

分析：
抛掷质地均匀的硬币 $⟹\{\begin{array}{l}正面\\ 反面\end{array}$
抛掷10次$⟹10重伯努利试验$
$⟹$正面朝上的次数服从：二项分布
令：A=正面朝上，P(A) = 1/2
X：A发生的次数，X~B(10, 1/2)
$P(X=5)=C_{10}^5{\frac{1}{2}}^5{\frac{1}{2}}^5=\frac{63}{256}$

2. 正面朝上出现的频率在[0.4, 0.6]内的概率

分析：
等价于： 4 ≤ X ≤ 6 ⟹ X ∈ { 4 , 5 , 6 } 4 \leq X \leq 6 \Longrightarrow X \in \{4, 5, 6\} 4≤X≤6⟹X∈{4,5,6}
$P(4\le X\le 6)=P(X=4)+P(X=5)+P(X=6)=\frac{21}{32}$

Q：甲乙2人下象棋比赛，每一局甲获胜概率0.6，乙获胜概率0.4，那么采用3局2胜还是5局3胜队甲更有利？

3局2胜：
甲获胜的情况：

1. 打2局，2局都获胜，比分2:0；
2. 打3局，最后1局肯定获胜，从前两局挑一局获胜，比分2:1
   $P1=0.6^2+(C_2^1\times 0.6\times 0.4)\times 0.6=0.648$

5局3胜：
甲获胜的情况：
3. 打3局都获胜：3:0
4. 打4局，胜3局：3:1
5. 打5局，胜3局：3:2

$P2=0.6^{0.3}+C_3^2\times 0.6^2\times 0.4\times 0.6+C_4^2\times 0.6^2\times 0.4^2\times 0.6=0.68256$

P2>P1：所以5局3胜更有利于甲。