概率论——2 古典概型和几何概型

古典概型

定义

若随机试验$E$满足：

1. 样本空间$S$只含有有限个样本点，$S=e_1,e_2,...,e_n$;
2. 每个基本事件（样本点）发生的可能性相同，都为$\frac{1}{n}$，$n$是样本点总数;

则称此随机试验的概率模型为等可能概型，也称为古典概型。

在古典概型中，事件$A$发生的概率为：
$$P(A)=\frac{k}{n}=\frac{A包含的基本事件数}{S中基本事件的总数}$$
求$P(A)$时，只需找出$k,n$就可以，与样本点是什么无关

经典模型

抛硬币

如抛$n$次硬币，求正面朝上$m$次的概率

取球模型（分为放回抽样和不放回抽样）

如盒子里分别有$4$个白球和$2$个红球，取两次球（分为放回和不放回），求两次都是白球的概率

放回抽样和不放回抽样所计算出来的概率不同

放球模型

如将$n$只球随机放入$N(N\ge n)$个盒子中，求每个盒子至多有一只球的概率（设盒子容量不限）
$$P(A)=\frac{A_N^n}{N^n}$$
从放球模型可以引申出生日问题，即假设每个人的生日在一年365天中任一天等可能，均为$\frac{1}{365}$，随机选取$n(n\le 365)$个人，它们生日各不相同的概率为：
$$P=\frac{A_{365}^n}{365^n}$$
那么$n$个人中至少有两人生日相同的概率为：
$$1-P$$
当$n$为$50$时，两人生日相同的概率就已经超过$0.9$了

产品抽样检测模型

设有$N$件产品，其中有$D$件次品，现从中任取$n$件，求其中恰有$k(k\le D)$件次品的概率是多少：
$$P=\frac{C_D^k{C}_{N-D}^{n-k}}{C_N^n}$$
这个分布也称为古典概型中的超几何分布

抽奖模型

袋中有$a$只白球，$b$只红球，$k$个人依次在袋中取一只球，分别作放回抽样和不放回抽样，求第$i(i=1,2,...,k)$人取到白球的概率$(k\le a+b)$

无论是否放回，概率均为：
$$P=\frac{a}{a+b}$$
且该概率与取球先后次序也无关

几何概型

定义

若随机试验$E$满足：

与古典概型的区别是：几何概型是基本事件无限，等可能的随机试验。

实际推断原理

实际推断原理，也称为小概率原理，它基于的观察是，在一次实验或观察中，如果发生了概率极小的事件，那么我们就有理由怀疑先前的假设或条件可能不成立，或者存在某些未被考虑的因素。这个原理强调，在一次实验中，小概率事件实际上几乎不可能发生。如果这样的事件发生了，那么我们应该怀疑我们的假设或模型可能存在问题。