目录
1.4.3 适应面广,只要各个事件发生概率相等,可使用放回抽样 或 不放回抽样,并不要求像 伯努利试验那样每次都独立/概率稳定
1.6 题目1:从10个球,2黑,8白,放回抽样(概率不变化)
2 伯努利概型 (伯努利试验) (重点是只划分为2种结果+多次试验概率稳定!!!)
4.1 题目1:10个球,包含1个白球,9个黑球,求摸1次里面有白球的概率
4.2 题目2:10个球,包含1个白球,9个黑球,求摸2次里面有白球的概率(放回)
4.3 题目3:10个球,包含1个白球,9个黑球,求摸2次里面有白球的概率(不放回/或者一次拿2个球)
1 古典概型(等可能模型 / 等概率模型)
1.1 古典概型的定义
百度百科:古典概型也叫传统概率、其定义是由法国数学家拉普拉斯 (Laplace ) 提出的。如果一个随机试验所包含的单位事件是有限的,且每个单位事件发生的可能性均相等,则这个随机试验叫做拉普拉斯试验,这种条件下的概率模型就叫古典概型
1.2 现实的例子很多
举例子
- 一般的6面骰
- 各种DND的骰子也是是概率相等
- 丢硬币也是概率相等
- 从一堆球里抽一个也是概率相等
1.3 古典概型的核心要求
古典概型是概率论中最直观和最简单的模型,古典概型具有两个特征:
- 随机试验的样本空间只包括有限个元素,即所有可能的结果是有限的( 不要求只有2种)
- 随机试验中每个基本事件(试验结果)发生的可能性相同。( 要求每种结果的发生概率相等)
这些核心要求,对应的就是局限性
- 如果不能抽象为等概率,也用不了
-
如果没有总体不是有限的,也没法用
1.4 古典概型的好处
1.4.1 足够直观
- 直观
- 足够简单
- 现实中确实有不少这样的对应模型,或者模型简化为古典概型。
1.4.2 适应面广,只要基础事件概型相等即可套用
- 古典概型看起来很笨,但是实际上还挺灵活的
- 古典概型有点万金油?
- 比如
- 只要随机试验的基础是可以划分为等概率就可以,比如10个球,2白8黑,虽然白黑概率不相等,但是10个球本身概率是相等的。
- 古典概型,一般是通过计算事件总数,p= 目标事件总数/ 样本空间事件总数
- 唯二的注意点:如果是多次随机试验,古典概型需要单次计算每次的概率,然后乘法原则*连起来。~ ~
1.4.3 适应面广,只要各个事件发生概率相等,可使用放回抽样 或 不放回抽样,并不要求像 伯努利试验那样每次都独立/概率稳定
- 古典概型,可以适合放回抽样,也适合不放回抽样
- 因为是不放回抽样,可以用 组合数计算,也可以用超几何分布计算,结果一样
- 并不要求每次试验是相互独立的,第一次试验可以改变样本总量,对第2次试验造成影响
- 可以每次都分步计算,
- 每步都计算时,引用不同的样本总量空间/可以变化
1.4.3 计算简单,可以用组合数计算等
- 古典概型的计算简单
- 是一种总体视角
- 古典分布的计算,可以认为是穷举法–但是因为排列组合引入,其实穷举范围很广,方便计算
1.5 古典概型的特殊之处
- 样本空间数量,但是样本空间可以变化
- 也就是适用放回抽样和不放回抽样(不放回抽样,每2次试验样本总量肯定变化了!不是伯努利试验,也就是不放回抽样肯定不能是伯努利分布)
- 因为古典概型,用组合数计算,每步可以单独计算,所以样本空间变化也可以。
- 比如下面2个题目对比
1.6 题目1:从10个球,2黑,8白,放回抽样(概率不变化)
题目1:从10个球,2黑,8白,放回抽样(概率不变化)
连续2次抽到都是黑球概率
- 第1次抽到黑球 c(1,2)/c(1,10) =2/10 =1/5
- 第2次抽到黑球 c(1,2)/c(1,10) =2/10 =1/5
- 连续2次抽到黑球概率 =1/5*1/5=1/25
连续2次抽到都是白球概率
- 第1次抽到白球 c(1,8)/c(1,10) =8/10
- 第2次抽到白球 c(1,8)/c(1,10) =8/10
- 连续2次抽到黑球概率 =8/10*8/10=64/100=16/25
连续2次抽到都是一黑一白的概率
- 第1次抽到黑球第2次白 c(1,2)/c(1,10) * c(1,8)/c(1,10)= 16/100
- 第1次抽到白球第2次黑 c(1,8)/c(1,10) * c(1,2)/c(1,10)= 16/100
- 连续2次都是1黑1白 =16/100+16/100=32/100=8/25
因为连续2次抽球只有这4种情况,不关心次序的话可归纳为3种情况
- 黑黑
- 黑白
- 白黑(不关系次序的话,黑白+白黑=1黑1白)
- 白白
- p(黑黑)+p(1黑1白)+p(白白) =1
- 1/25+8/25+16/25=25/25=1
1.7 题目2:从10个球,2黑,8白,不放回抽样
第2个题目,因为是不放回抽样,可以用 组合数计算,也可以用超几何分布计算,结果一样
- 比如10个球,2个黑球,8个白球,求抽2次2次都是黑球的概率
- 虽然白球和黑球,2者概率不同,但是基础的球是等概率的。所以可以用古典概型来计算,p(x=2) =C(2,1)/C(10,1) * C(1,1)/C(9,1)=2/10*1/9=1/45
- 这个计算结果和超几何分布的计算是一样的。
- p(x=2) =C(2,2)*C(8,0)/C(10,2)=1*1/(10*9/2)=2/90=1/45
题目2:从10个球,2黑,8白,不放回抽样
连续2次抽到都是黑球概率 (或者是一次抽2个球也看做两抽2次不放回)
- 第1次抽到黑球 c(1,2)/c(1,10) =2/10=1/5
- 第2次抽到黑球 c(1,1)/c(1,9) =1/9
- 连续2次抽到黑球概率 =1/5*1/9=1/45
连续2次抽到都是白球概率
- 第1次抽到黑球 c(1,8)/c(1,10) =8/10=4/5
- 第2次抽到黑球 c(1,7)/c(1,9) =7/9
- 连续2次抽到黑球概率 =4/5*7/9=28/45
连续2次抽到都是一黑一白
- 第1次抽到黑球第2次白 c(1,2)/c(1,10) * c(1,8)/c(1,9)= 16/90
- 第1次抽到白球第2次黑 c(1,8)/c(1,10) * c(1,2)/c(1,9)= 16/90
- 连续2次都是1黑1白 =16/90+16/90=32/90=16/45
因为连续2次抽球只有这4种情况,不关心次序的话可归纳为3种情况
- 黑黑
- 黑白
- 白黑(不关系次序的话,黑白+白黑=1黑1白)
- 白白
- p(黑黑)+p(1黑1白)+p(白白) =1
- 1/45+28/45+16/45 =45/45=1
2 伯努利概型 (伯努利试验) (重点是只划分为2种结果+多次试验概率稳定!!!)
2.1 定义
伯努利试验是一个有两种结果的简单试验,它的结果是成功或失败,黑或白,开或关,没有中间的立场。认为,或者(简化)认为一个随机试验只有两种结果
伯努利概型是一种基于独立重复试验,它的基本特征:
- 在一组固定不变的条件下重复地做一种试验。
- 每次试验的结果只有两个:事件发生或不发生,或多种结果归纳为高度抽象为两种
- 每次试验中,相同事件发生的概率均一样。
- 各次重复试验的结果是相互独立,互不影响的。
2.2 伯努利试验与3种概率分布
- 1重伯努利试验 就是 0-1分布
- 只有最后1次成功的试验,符合几何分布
- n 重伯努利试验 就是二项分布 p=C(n,k)*p^k*(1-p)^n-k
2.3 优势
- 不要求具体的样本总量的具体 数量
- 只需要知道概率就行,但要求概率是稳定不变的(多次伯努利试验时)
- 还需要知道 抽样试验的次数,目标事件的次数
2.4 灵活的地方
- 可以灵活认识的地方:
- 虽然要求只有2种结果,但可以主观划分
- 比如{1,2…100}数字很多,可以划分为>10的和<=10的这两种情况,这样一次试验的结果,无论随到数字几,也只能是>10的和<=102种结果了。
2.5 局限性 和注意点
- 能不能用二项分布先判断,是不是符合N重伯努利试验,如果不符合就没戏
- 二项分布,伯努利试验,需要保证样本容量确定
- 且分布也要稳定,否则不能
- 要求概率是稳定不变的(多次伯努利试验时)
- 必须是放回抽样
- 如果是不放回抽样,
- 要么认为样本极其大,忽略样本总量变化,概率变化不稳定的影响
- 要么得用超几何分布
使用时注意点
- 需要严格认识的地方:
- N次试验,每次试验都稳定,样本总数和概率都稳定才能视为N重伯努利试验,才能用二项分布
- 也就是说,不放回抽样,一般不适合二项分布
- 因为小样本量前提下,不放回抽样会破坏第一次试验后的样本空间数和概率,发生变化!第2次试验无法和第1次相同了
- 如果样本量足够大,即使是不放会抽样,可以用二项分布近似
3 古典概型和伯努利概型
古典概型和伯努利概型,新手很容易弄混,以为是一回事,实际差别很大
3.1 有差别的地方
- 古典概型:主要强调的是,样本空间内的每种结果都是等可能的,p相等,一般是使用组合的方法计算事件数量,通过分子 / 分母,进而算出概率。也可以进行多次。
- 古典概型,允许总得样本空间变化–也就是概率变化,但只要还是相等就可以
- 伯努利试验:主要强调的是,每次试验只有/ 或只划分为 2种结果(对应一个只取值两个的随机变量),并不要求每种结果概率相同,可以重复多次试验。
- 伯努利试验要求2个结果,概率稳定不变,每次试验独立。但是这2个事件结果的概率可以不相等!
4 举例
4.1 题目1:10个球,包含1个白球,9个黑球,求摸1次里面有白球的概率
古典概型的计算思路
p(x=a)= C(1,1) / C(10,1) = 1 / 10 = 1/10
如果用1重伯努利试验(01分布)的计算思路
P{X=k}=p^k*(1−p)^1−k ,k=0,1 注意01分布k不代表次数,因为就1次,而是代表0,1两种结果
P{X=k}=0.1*1^1*(1-0.1)^(1−1) =0.1*1*1=0.1
如果用几何分布的计算思路
P{X=n} = p*(1−p)^(n−1) 其中 n是试验次数,最后1次成功
P{X=n} = p*(1−p)^(n−1) = 0.1*0.9^0=0.1
因为0-1分布,几何分布都是二项分布的特例,所以可以用前面两种分布来解决问题,也肯定可以用二项分布来算
如果用N重伯努利试验(二次分布)的计算思路
因为只做了1次试验,n=1, 而且第1次就抽中p对应的结果
p(x=a)= C(1,1) *(1/10)^1*(9/10)^0 =1* 1/10 =1/10
4.2 题目2:10个球,包含1个白球,9个黑球,求摸2次里面有白球的概率(放回)
定义:摸2次里面有白球,这个事件为a
4.2.1 古典概型的计算思路 (用组合数算)
因为试验次数超过1次,无法用01分布解决问题
因为不是最后1次才成功,无法用几何分布解决问题
伯努利试验,要求每次试验中,相同事件发生的概率均一样。这里已经假设球是放回的
存在4种情况
第1种:白黑
第2种,黑白
第3种,黑黑
第4种,白白(因为每次放回,有可能抽到2次白)
注意是放回了,每次都是从10个选
方法1:整体分析
白黑:c(1,10)*c(9,10) =9/100
黑白:c(9,10)*c(1,10) =9/100 ’错误的奇怪想法c(1/10)*c(1/1) =1/9;
黑黑:c(9,10)*c(9,10) =81/100 ’错误的奇怪想法c(1/9)*c(1/9) =1/81;c(9/10)*c(9/10)
白白:c(1,10)*c(1,10) =1/100
p(黑黑)+p(黑白)+p(白黑)+p(白白)
=9/100+9/100+81/100+1/100=100/100=1
方法2:反过来算
第1次不是白球,是黑球: c(9,10)=9/10
第2次不是白球,是黑球: c(9,10)=9/10
2次都是黑球,=9/10*9/10=81/100
至少有1次是白球:1-81/100=19/100=0.19
方法3,正面计算
第1次是白球,白黑: c(1,10)*c(9,10) =9/100
第2次是白球,黑白:c(9,10)*c(1,10) =9/100
2次都是白球,白白, c(1,10)*c(1,10) =1/100
至少有1次是白球:9/100+9/100+1/100=19/100=0.19
4.2.2 如果用二项分布的计算思路(用概率算)
效果是一样的
p(x=1) =c(2,1)*(0.9)^*1 * 0.1^1=0.18
‘错误的c(10,1)*(0.9)^*9 * 0.1^1,只试验了2次,不是10次,10是样本总量算概率的,不是次数
p(x=2) =c(2,2)*(0.9)^*0 * 0.1^2=0.01
‘错误的c(10,2)*(0.9)^*8 * 0.1^2
p(x>=1)=p(x=1)+p(x=2) =0.19
4.3 题目3:10个球,包含1个白球,9个黑球,求摸2次里面有白球的概率(不放回/或者一次拿2个球)
4.3.1 注意不放回的特征
- 不放回
- 等价于或者一次拿2个球也肯定是不放回的
定义:摸2次里面有白球,这个事件为a
因为试验次数超过1次,无法用01分布解决问题
因为不是最后1次才成功,无法用几何分布解决问题
古典概型的计算思路
只存在3种情况
第1种:白黑
第2种,黑白
第3种,黑黑
不存在第4种,白白,因为不放回了,总体里只有1个白色,不可能被抽2次
最大特征,每试验1次,样本总数变化1次
方法1:整体分析
白黑:c(1,10)*c(9,9) =9/90
黑白:c(9,10)*c(1,9) =9/90
黑黑:c(9,10)*c(8,9) =72/90
p(黑黑)+p(黑白)+p(白黑)
=9/90+9/90+72/90=90/90=1
方法2:反过来算
第1次不是白球,是黑球: c(9,10)=9/10 ‘错误的1/9
第2次不是白球,是黑球: c(8,9)=8/9 ‘错误的1/8
2次都是黑球,=9/10*8/9=72/90
至少有1次是白球:1-72/90=18/100=0.2
方法3,正面计算
第1次是白球,白黑: c(1,10)*c(1,9) =9/90
第2次是白球,黑白: c(1,10)*c(1,9) =9/90
2次都是白球,白白=0
至少有1次是白球:9/90+9/90=18/90=0.2
4.3.2 如果用二项分布的计算思路(用概率算)
- 不能
- 因为概率变化了
4.3.3 如果用超几何分布的计算思路(用概率算)
套用超几何分布公式
总样本数N=10
抽样次数 n=2
特殊样品总数M =1
目标测试特殊样品k=1 (最多只能=1,还可以=0,不可能=2)
c(N,n)=COMBIN(10,2)=45
c(M,k)=COMBIN(1,1)=1
c(N-M,n-k)=COMBIN(10-1,2-1)=9
p(x=1) =9/45=1/5=0.2
其他 下面是作废的内容(未整理)
如果用二项分布的计算思路
伯努利试验,要求每次试验中,相同事件发生的概率均一样。这里已经假设球是放回的
试验2次, n=2, 只有1次成功了(总共也只有1个白球)
p(x=a)=C(2,1)*(1/10)*(1/9)=2*1/10*1/9=?错误!
不能这样算,因为第1次和第2次试验,不是完全一样的情况(只有放回的情况才会完全一样)
第1次是(9+1)选1,第2次是(9+0)选1完全不是一样的
伯努利试验,要求每次试验中,相同事件发生的概率均一样。
错误的思路
试验2次, n=2, 只有1次成功了(总共也只有1个白球)
p(x=a)=C(2,1)*(1/10)*(1/9)=2*1/10*1/9=1/45 这是错误的!
不能这样算,因为第1次和第2次试验,不是完全一样的情况(只有放回的情况才会完全一样)
第1次是(9+1)选1,第2次是(9+0)选1完全不是一样的
今天的文章概率论的学习和整理10:古典概型 和 N重伯努利试验 的概率和计算方法对比 —–(头脑要纠错!!!)分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/86561.html