计算机专业《概率统计》期末考试很慌？详细临时抱佛脚速成！各类题型总结！快进来看看吧！

星辰大海1412

已于 2024-07-09 17:02:27 修改

阅读量2.7k

点赞数 15

文章标签：数学建模概率论

于 2023-06-26 19:39:57 首次发布

本文链接：https://blog.csdn.net/m0_61662775/article/details/131403533

版权

加油！还有时间，期末考试只是一次检验，而你所累积的知识和努力却是无法被考试分数所衡量的（bushi）

但你再不学就真的来不及了！！！

一、概率的性质(填空题、选择题)

1️⃣加法公式:

对任意事件A,B，有P(AUB) = P(A) + P(B) - P(AB)
若AB两两不相容则有P(AUB) = P(A)+P(B)

⭕推广:

对任意事件4,B,C，有
P(AUBUC)
= P(A)+P(B)+P(C) - P(AB)-P(BC)-P(AC)+ P(ABC)

若A,B,C互不相容，则 P(AUBUC) = P(A)+P(B)+P(C)

2️⃣减法公式:

对任意事件AB 有 P(A-B)=P(A)-P(AB);
若B∈A（包含在A中），则有 P(B)≤P(A)，且P(A-B)= P(A)-P(B) 大的事件发生的概率也大

记忆口诀：长杠变短杠，开口换方向

📜例题：

由加法公式得 P(AB)=P(A)+P(B)-P(AUB) = 0.5+0.7-0.8 = 0.4

例2：设4,B,C是三个事件，且P(A)=P(B)=P(C)=0.25，P(AB)=P(BC)=0，P(AC)=0.125，则A,B,C至少有一个发生的概率为________

解：P(AUBUC)
=P(A)+P(B)+P(C)-P(AB)-P(BC)-P(AC)+P(ABC)

由于ABC包含在AB中（ABC看成AB和C相交，AB都0肯定是0），所以P(ABC) ≤ P(AB)=0，故 P(ABC)=0 代入公式，得到
P(AUBUC)=0.25+0.25+0.25-0-0-0.125+0=0.625.

二、条件概率(填空题)

条件概率: 事件A 发生的条件下,B 发生的概率为 P(B|A) = P(AB) ÷ P(A)

乘法公式: 若P(A)>0，则P(AB)=P(B|A)P(A)

以上是对立事件发生的概率公式

如果加上A条件即加法公式

解：由加法公式 P(AUB) = P(A) + P(B) - P(AB)，知 P(A)= 0.6+0.25-0.3 = 0.55

⭕ ∩写成乘，∪写成+

= 0.2 ÷ ( 0.7 + 0.6 -0.5 ) = 1/4

🌟随机事件和概率应试技巧总结

（1）无放回题目(一次摸多个)

例1. 盒子里有 3绿 4红共7个小球，无放回的摸3个试求摸出 1绿 2红的概率？
例2. 钱包里有3张100元，5张10元，3张5元的纸币，随机摸3张，试求摸出 1张100, 1张10 ，1张5元的概率？

即答案为：

（2）有放回题目(进行多次，每次情况一致)

盒子里有 3绿 4红共 7个小球，有放回的摸 3次试求摸出 1绿 2红的概率
某商场举行抽奖活动，每位用户可转下面奖盘3次，试求转3次奖盘，转出1次减免10元 2次谢谢参与的概率

✍🏻例题：盒子里有 3绿 4红 2粉共9个小球，有放回的摸4次试求摸出 1绿 1红 2粉的概率

（3）事件的概率①

📜例题：已知A、B相互独立，P(A) = 0.4，P(B)= 0.45

解题思路画图如下：

画一个面积为 1的方框
题干每有一个事件(字母)，就在方框里画一个名称为该事的圆圈，暂时让各圆圈之间都有重合
根据 P(某事件) = 该事件对应区域的面积，调整每个圆圈的大小和位置
找出要求概率在图里对应的区域，算该区域的面积要求的概率 = 该区域面积

（4）事件概率题型②

在已知 B 发生的情况下，A否发生的概率

⭕A与B独立，那么 A否与 B 也独立，要求的 P(A否|B）= P（A否） = 1 - 0.4 ＝0.6

（5）🌟全概率公式

✍🏻例题：某高速公路上客车中有 20% 是高速客车，80% 是普通客车，假设高速客车发生故障的概率是 0.002， 普通客车发生故障的概率是 0.01。求该高速公路上有客车发生故障的概率。

（6）🌟贝叶斯公式

✍🏻例题：某高速公路上客车中有 20% 是 高速客车，80% 是 普通客车，假设高速客车发生故障的概率是 0.002，普通客车发生故障的概率是 0.01。求该高速公路上⭕有客车发生故障时，发生故障的是高速客车的概率

✍🏻随机事件和概率题型总结

（1）古典概型(有放回、无放回)

①有放回

例题1️⃣：

✍🏻题型思路：

例题2️⃣：

假如你宿舍有哥儿10000个，中午抽签决定午饭吃什么，共有5张签2张写的鸡公煲，1张写的黄焖鸡，1张写的脆皮鸡，1张写的麻辣烫.你们10000个依次抽签，每人抽完后把签放回，则求哥儿10000个中有2000个去吃鸡公煲、4000个去吃黄焖鸡、2000个去吃脆皮鸡2000个去吃麻辣烫的概率。

②无放回

✍🏻 做题思路：

（2）几何概型

✍🏻做题思路：

（3）事件的概率

⭕ =1是可能发生的，因此<1不是必然发生的。这种情况不是必然发生的，那么就不是必然事件。

（4）事件的独立性

✍🏻解题思路：

（5）条件概率

✍🏻解题思路：

（6）全概率公式

✍🏻解题思路：

（7）贝叶斯公式

✍🏻解题思路：

✍🏻推导图示关系：

三、🌟考点古典概型(填空题)

若随机试验的样本空间Ω只有有限个样本点，且每个基本事件发生的可能性相等，则事件A发生的概率为：

例题1️⃣：

在一副扑克牌 (52 张)中任取 4张，则4张花色金不相同的概率为_________。

解：每一张的概率都是相同的，且没有顺序关系。

四种花中各取一张（每一个花色各有十三张牌）

从M件次品中取m个，从 N - M 中选取 n - m 个
从N中选n 是整个事件发生的可能性

例题2️⃣：（抽样问题）

一个盒子中装有6（N）只杯子，其中有2只（m）不合格品，现做不放回抽样连续取2只（n），至少有1只是合格品的概率为_______。

例题3️⃣：

袋中有50个乒乓球，其中20个黄球，30个白球，今有三个人依次随机地从袋中各取一球，取后不放回，则第三个人取到黄球的概率是________。

解：由抽签原理知，第三个人取到黄球的概率与第一个人取到黄球的概率相等，为 2/5.

四、全概率与贝叶斯公式(大题)

①全概率公式

使用情况：A事件可以被 B事件分割

②🌟贝叶斯公式

使用情况：已知A发生的概率去判断是属于哪一块的概率。（如果已知结果A发生了，判是那种情况时，要用贝叶斯公式）

贝叶斯公式（Bayes' theorem）是概率统计中的一项重要公式，用于更新对某个事件发生的先验概率（prior probability）基于观察到的证据来计算其后验概率（posterior probability）。

贝叶斯公式的一般形式如下：

P(A|B) = (P(B|A) * P(A)) / P(B)

其中，P(A|B)表示在已知事件B发生的前提下，事件A发生的概率，称为后验概率。P(B|A)表示在事件A发生的前提下，事件B发生的概率，称为似然度。P(A)表示事件A发生的先验概率，即不考虑观察到的证据时事件A发生的概率。P(B)表示事件B发生的先验概率，即不考虑观察到的证据时事件B发生的概率。

贝叶斯公式的核心思想是根据观测到的证据来修正先验概率，得到更准确的后验概率。它将概率问题转化为条件概率的计算，使得我们能够根据已有的信息和观测到的证据来进行推断和决策。

例题1️⃣：

设工厂甲和工厂乙的次品率分别是1%和2%. 现从甲厂和乙厂的产品分别占60%和40%的一批产品中随机抽取一件求

(1) 这件产品是次品的概率;

(2) 该次品是由甲厂生产的概率为

解：设A为“抽取的是次品”，B1表示“该产品来自甲厂，B2表示“该产品来自乙厂”

由题意，P(B1)=0.6，P(B2)=0.4，P(A|B1)=0.01，P(A|B2)=0.02

(1)出于事件A的发生可以分成两种情况

来自甲厂(B1)，或来自乙厂(B2)，A=AB1+AB2
由全概率公式，
P(A)= P(AB1)+ P(AB2)
= P(A|B1)P(B1)+ P(A|B2)P(B2) = 0.01x0.6+0.02x04 = 0.014

(2)已知抽取的是次品，求它是甲厂生产的概率，用贝叶斯公式（已知结果，判断情况）

例题2️⃣：

两台车床加工同样的零件,第一台出现废品的概率为0.03第二台出现废品的概率为 002加工出来的零件放在一起，现已知第一台加工的零件比第二台加工的零件多一倍
(1)求任意取出一个零件是合格品的概率是多少?（利用对立事件求值）
(2)如果任取的零件是废品,求它是由第二台车床加工的概率

解：设A为 “取出的一件是废品”，B1为 “该零件由第一台车床加工”，B2为“该零件由第二台车床加工”

(2)由贝叶斯公式，所求概率为

五、事件的独立性（填空题、选择题）

例题1️⃣：

设事件A和B独立，P(B)=0.5
P(A-B)=0.3, 则P(B-A)=________。

由 0.3 = P(A-B) = P(A)-P(AB)

= P(A) - P(A)P(B) = P(A)-0.5P(A)

= 0.5P(A)

可知 P(4)=0.6. 因此 P(B-A) = P(B) - P(AB) = P(B) - P(A)P(B) = 0.5 - 0.6 x 0.5 = 0.2

例题2️⃣:

某人向同一目标重复射击，且每次射击相互独立，设每次命中目标的概率为P(0<p<1)，则此人第三次射击时恰好是第二次命中的概率为________。

解：设A表示“第i次命中”，那么所求事件可分成2种情况:

第一次 第二次 第三次
中未中中
未中中中

第一种情况发生的概率为:

第二种情况发生的概率为:

⭕第五次射击时恰好是第三次命中的概率是多少?

六、离散型随机变量分布律与分布函数互求(填空题、选择题)

分布律：①非负性，②全部概率和为1

例题：

解：由所有概率之和为1，得到p= 1 - 0.1 - 0.6 =0.3

≤ 全在左侧，而＜全在右侧，即右连续
给点可求得概率变化，因此可以发布函数、分布律互求

解：P(X=I) = P(X≤1) - P(X≤-1) = F(1) - F(-1) = 0.8 - 0.2 = 0.6.

实际上，由例13的分析，可知的分布律为

X
-1 1 3
P 0.2 0.8 - 0.2 = 0.6 1 - 0.8 = 0.2

七、二项分布和泊松分布(填空题、选择题) - 常见的离散型随机变量

当试验次数确定，每次试验的成功概率也确定，并且试验之间相互独立时，可以使用二项分布。
当事件发生的次数不确定，但在一定时间或空间内具有平均速率，并且事件之间相互独立时，可以使用泊松分布。

例题1️⃣：

从学校乘汽车到火车站的途中有5个十字路口，假设在各个十字路口遇到红灯的事件是相互独立的，并且概率都是0.4，那么途中遇到2次红灯的概率是_________。

例题2️⃣：

设在3次相互独立试验中，事件A出现的概率相等，若已知A至少出现1次的概率19/27，是则A在一次试验中出现的概率为_________。

解方程，得到 p = 1 / 3

🌟连续型需要积分题型应试技巧总结

（1）求分段函数在确定区间的定积分

✍🏻解题思路：

画出待求积分的上下限区域
根据 f 不同的取值范围，将区域分成几段
令待求积分 = 第一段区域积分 + 第二段区域积分 + ···

（2）求分段函数在-∞到未知数的定积分

✍🏻解题思路：

①画出 f式子不同式子的范围

②设积分上限 ∈ 第一个范围，求积分

设积分上限 ∈ 第二个范围，求积分

设积分上限 ∈ 第三个范围，求积分

③将各种情况结果汇总在一个大括号里

（3）求简单的二重积分

✍🏻解题思路：

（4）求 f(x,y) 的二重积分

✍🏻解题思路：

🌟一维连续型随机变量应试解题技巧

（1）已知 fx(x) 求概率

✍🏻解题技巧：

（2）求 fx(x) 中的未知数

（3）已知 fx(X)求F

✍🏻解题思路：

（4）求 F 中的未知数

✍🏻解题思路：

（5）已知 F 求 f

✍🏻解题思路：

（6）已知 f 求 f

✍🏻解题思路：

（7）已知 f 求期望、方差

✍🏻解题思路：

🌟离散型随机变量题型总结

（1）一维离散型求分布律

离散型 VS 连续型

一维离散型题型如下：

✍🏻解题思路：

⭕不用分布律里是因为题目没说事件A、B相互独立

（2）二维离散型求分布律

✍🏻解题思路：

（3）二维离散型求边缘分布律

（4）一维离散型求分布函数

✍🏻做题思路：

（5）二维离散型求分布函数

✍🏻做题思路：

⭕注意：

（6）🌟一维离散型求期望、方差

✍🏻做题思路：

（7）二维离散型求期望、方差

✍🏻连续型随机变量题型总结

（1）一维连续型求概率

✍🏻解题思路：

🌟积分常用公式：

分部积分法口诀：上导下积，斜线相乘，竖线相积，正负交替

例题：

（2）二维连续型求概率

✍🏻解题思路：

八、🌟关于连续型随机变量概率的计算(填空题、大题)

离散型随机变量分布函数为求和，连续型是随机变量函数是取积分
取某一个固定点的概率为0，即不用考虑端点的情况，是否加等号并不影响概率的值。

-∞ 可看为0代入

当x ≥ 1 时，F(x)=1.（即包含所有的概率）

从 a 到 b 的概率即是函数从 a 到 b 的积分
密度函数又是非0的，因此积分下限从0开始积
分布函数也可求概率

九、均匀分布(填空题) - 常见连续型随机变量①

均匀分布是一种概率分布，它的定义式可以如下表示：

对于一个随机变量X，如果其取值范围在[a, b]之间，且在该范围内的每个数值都有相等的可能性，则称X服从均匀分布。

记作：X ~ U(a, b)

其中，a和b是分布的参数，表示均匀分布的上下界。这意味着在[a, b]区间内的任何一个值的概率密度函数（PDF）为常数，表示该值出现的概率与其他值相等。

均匀分布的概率密度函数（PDF）为：

f(x) = 1 / (b - a)，a <= x <= b

其中，f(x)表示随机变量X取值为x的概率密度。

均匀分布的累积分布函数（CDF）为：

F(x) = (x - a) / (b - a)，a <= x <= b

其中，F(x)表示随机变量X小于等于x的概率。

⭕注意：均匀分布是在给定范围内所有值的概率相等，而不考虑取值范围外的情况。此外，均匀分布还可以有离散和连续两种形式，上述定义式适用于连续均匀分布。