本系列文章主要讲解 MEM/MBA 数学基础,系列文章总纲链接为:MEM/MBA 数学总纲
本章节思维导图如下所示(思维导图会持续迭代):
第一层:
第二层:
1 排列组合
1.1 加法原理和乘法原理:
- 加法(分类)原理:如果完成一件事有 n 类办法,只要选择其中任何一类办法中的任何一种方法,就可以完成这件事.若第一类办法中有 m1 种不同的方法,第二类办法中有 m2 种不同的方法,......,第n类办法中有m [n]种不同的办法 ,那么完成这件事共有N = m1+m2 +...+ m[n] 种不同的方法。
- 乘法(分步)原理:如果完成一件事,必须依次连续地完成n个步骤,这件事才能完成.若完成第一个步骤有m1种不同的方法,完成第二个步骤有m2 种不同的方法,......,完成第n个步骤有m[n]种不同的方法,那么完成这件事共有N =m1 *m2 *...*m[n]种不同的方法。
两大原理的区别:两个原理的区别在于一个和分类有关,一个和分步有关。如果完成一件事有n类办法,这n类办法之间彼此之间是相互独立的,无论哪一类办法中的哪一种方法都能独立完成这件事,求完成这件事的方法种数,就用加法原理;如果完成 一件事需要分成 n 个步骤,缺一不可,即需要完成所有的步骤,才能完成这件事,而完成每 一个步骤各有若干种不同的方法,求完成这件事的方法种数,就用乘法原理。
1.2 排列与排列数
@1 排列:从n个不同元素中,任意取出m (m<=n) 个元素,按照一定顺序排成一列,称为从n个不同元素中取出 m 个元素的一个排列。
@2 排列数:从 n 个不同元素中取出 m 个元素(m≤n)的所有排列的种数,称为从 n 个不同元素中取出m个不同元素的排列数,排列数的公式如下所示:
这里当m=n时, 排列数称为n的全排列,用n!(n的阶乘,即n!= n*(n-1*(n-2)...*2*1))表示。一般情况下有:
这里我们规定:
1.3 组合与组合数
@1 组合:从 n 个不同元素中, 任意取出 m(m <= n) 个元素并为一组,叫做从 n 个不同元素中取出m 个元素的一个组合
@2 组合数:从 n 个不同元素中, 取出 m(m <= n) 个元素的所有组合的种数, 称为从 n 个不同元素中,取出m个不同元素的组合数,组合数的公式如下:
这里我们规定:
同时我们注意一个非常重要的关系:
1.4 排列与组合的联系和区别
排列和组合都是“从 n 个不同元素中,任取 m 个元素”。但排列的本质是要“按照一定的顺序排成一列”,组合却是“不计顺序并成一组”。从n个不同的元素中,取m个元素的排列可以分两个步骤完成:
- 从 n 个不同元素中任取 m 个元素的组合;
- 对这 m 个元素进行全排列,所以我们解排列组合应用题时可以“先组后排”;
1.5 排列与组合 常见问题 与 解题技巧
@1 限制条件
一般分为下面几种类型:
- 要求某些元素“在哪里”或“不在哪里”的排列、组合问题。
- 要求某些元素“相邻”或“不相邻”的排列、组合问题。
- 要求某些位置有某元素“占据”或“不占据”的排列、组合问题。
常用的解题方法有:
- 优先法(特殊位置优先或特殊元素优先):对元素或位置有特殊要求的排列组合问题,可以先从特殊元素或特殊位置着手,先解决 特殊元素或特殊位置,再考虑其他元素或位置。
- 捆绑法:相邻问题,把相邻的 k 个元素看作一个元素与其它元素排列,然后再考虑 k 个元素排列。
- 插空法:不相邻(相间)问题,首先将不受限制条件的元素排列起来,然后再在每两个元素之间(含这些元素的两端)。插入不能排在一起的元素。
- 排除法:从总体中排除不符合条件的方法数。
@2 均匀与不均匀分组问题(分组与分堆问题)
- 均匀分组与不均匀分组:如果组与组之间的元素个数相同,称为均匀分组;否则,称为不均匀分组。
- 小组有名称或小组无名称:只是简单地分组即可,不考虑组别关系,则小组无名称(定义为“分堆问题”);如果分为 A 组,B 组,C 组,或者种子队,非种子队等等,则小组有名称。重点:如果均匀分组,并且无名称,需要消序(消序即:要除以堆数的全排列。 其余情况均不需要消序!
1.6 排列与组合 特殊题型
2 概率初步
2.1 概率基本概念
@1 随机试验和事件
随机试验(满足下列三个条件的试验称为随机试验):
- 试验可在相同条件下重复进行;
- 试验的可能结果不止一个,且所有可能结果是已知的;
- 每次试验哪个结果出现是未知的.随机试验以后简称为试验,并常记为 E.
随机事件:在试验中可能出现也可能不出现的事情称为随机事件。例如:在掷骰子随机试验中,A 表示“掷出 2 点”; B 表示“掷出偶数点”均为随机事件。
@2 事件间的关系与运算
- 事件的和(如上图 左上):称事件 A 与事件 B 至少有一个发生的事件为 A 与 B 的和事件,简称为和,记为A∪B或A+B。例如:甲乙两人向目标射击,令 A 表示事件“甲击中目标”,B表示事件“乙击中目标”,则 A∪B表示“目标被击中”的事件。
- 事件的积(如上图 右上):称事件 A 与事件 B 同时发生的事件为 A 与 B 的积事件,简称为积,记为 A∩B或AB。例如:观察某电话交换台在某时刻接到的呼唤次数中,令A={接 到2的倍数次呼唤},B={接到3的倍数次呼唤},则 A∩B={接到6 的倍数次呼唤}。
- 互不相容(如上图 左下):若事件 A 与事件 B 不能同时发生,即 AB=空集 ,则称 A 与 B 是互不相容的。例如:观察某路口在某时刻的红绿灯。若A={红灯亮},B={绿灯亮},则 A 与 B 便是互不相容的。
- 对立事件(如上图 右下):称事件 A 不发生的事件为 A 的对立事件,记为 非A ,显然A∪ (非A) = 全集,A∩(非A) = 空集。
@3 事件的概率及其性质
定义:所谓事件 A 的概率是指事件 A 发生可能性程度的数值度量,记为 P(A) ,显然0 ≦ P(A) ≦ 1
概率的性质
- 性质1(加法公式):对任意事件 A、B,有 P(AUB) = P(A)+P(B)-P(AB)。若A、B互斥,则 P(AUB)= P(A)+ P(B)。
- 性质2(对立事件公式):对任意事件A,P( 非A) =1-P(A)。
2.2 古典概型
@1 基本事件:在一次随机试验中,如果一个事件满足下面两个特点:
- 任何两个基本事件是互斥的
- 任何事件(除不可能事件)都可以表示成基本事件的和
我们就把这类事件称为一个基本事件。
@2 古典概型
如果在一次试验中,所有可能出现的基本事件只有有限个,并且每个基本事件出现的可能性相等,我们就把具有这两个特点的概率模型称为古典概率模型,简称古典概型。古典概型的概率计算公式为:
2.3 事件的独立性
@1 事件的独立性
独立事件:设 A,B 是两个事件,如果事件 A 的发生和事件 B 的发生互不影响,则称两个事 件是相互独立的。对于相互独立的事件A和B,有P(AB) = P(A)P(B)
@2 事件独立的性质
如果事件A、B相互独立,则 A和非B、非A和B、非A和非B 每一对事件都相互独立。这一性质在计算“n个独立事件至少一个发生”的概率时,是非常有用的。
2.4 贝努利概型
n次独立重复试验:进行 n 次试验,如果每次实验的条件相同,且各试验相互独立,即每次试验的结果都不受其他多次试验结果发生与否的影响。
贝努利概型:在 n 次独立重复试验中,若每次试验的结果只有两种可能,事件A发生或不发生,且已知P(A)= p,这样的n次试验称作n重贝努利试验,而贝努利试验的有关概率计算称为贝努利概型。在贝努利概型中,若设 q=1-p ,则在n次试验中事件A恰好发生k(0 ≦ k ≦ n) 次的概率为:
3 数据描述
@1 算数平均数:有n个数x1,x2,...,x[n],称 (x1+x2+...+x[n])/n 为这n个数的算术平均数(也称平均数)。
@2 众数:在n个数 x1 , x2 ,..., x[n] 中,出现次数最多的数称为众数。
@3 中位数:将 n 个数 x1 , x2 ,..., x[n] ,按从小到大的顺序依次排列,当n为奇数时,处在最中间的那个数 x[(n+1)/2] 是这组数据的中位数;当n为偶数时,处在最中间的两个数的平均数 (x[n/2] + x[(n+1)/2])/2 是这组数据的中位数。
@4 方差与标准差
定义:设 x 是 n 个数据 x1 , x2 ,..., x[n] 的算术平均数,则方差公式为:
我们把样本方差的算术平均值叫做这组数据的标准差(也称均方差),记做 s ,标准差s的公式为:
它是用来衡量一组数据波动的大小。样本方差和标准差体现了总体的分散程度。