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!!!)

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!!!)古典概型,伯努利试验对比,计算方法,组合数法和二项分布,超几何分布等计算方法_n重伯努利试验

目录

1  古典概型(等可能模型 / 等概率模型)

1.1 古典概型的定义

1.2  现实的例子很多

1.3 古典概型的核心要求

1.4 古典概型的好处

1.4.1 足够直观

1.4.2 适应面广,只要基础事件概型相等即可套用

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

1.4.3 计算简单,可以用组合数计算等

1.5 古典概型的特殊之处

1.6 题目1:从10个球,2黑,8白,放回抽样(概率不变化)

1.7 题目2:从10个球,2黑,8白,不放回抽样

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

2.2 伯努利试验与3种概率分布

2.3 优势

2.4 灵活的地方

2.5  局限性 和注意点

3 古典概型和伯努利概型

3.1 有差别的地方

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

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)

4.2.1  古典概型的计算思路 (用组合数算)

4.2.2 如果用二项分布的计算思路(用概率算)

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

4.3.2 如果用二项分布的计算思路(用概率算)

4.3.3 如果用超几何分布的计算思路(用概率算)

其他 下面是作废的内容(未整理)


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

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!!!)

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,
  1. 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
  2. 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

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!!!)

 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

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注