概率入门

AP 统计学· 12 分钟阅读

1. 核心术语与样本空间枚举★★☆☆☆⏱ 3 min

所有概率计算都始于明确定义随机试验：即所有能产生不确定、可测量结果的过程。这些互不相同的结果的完整集合称为样本空间，样本空间的单个子集被称为事件。

📘 定义

事件

A, B, C...

样本空间中你需要计算其发生概率的特定结果子集

例:

对于掷6面骰子的试验，事件「掷出偶数」包含结果{2,4,6}

📐 例题

列出抛掷两次公平硬币试验的完整样本空间，并定义2个不同的事件

1
首先枚举两次硬币抛掷所有可能的有序结果：
$S = \{ HH, HT, TH, TT \}$
2
定义事件A为「恰好得到1次正面」：
$A = \{ HT, TH \}$
3
定义事件B为「至少得到1次反面」：
$B = \{ HT, TH, TT \}$

✓ 快速检测

测试你对样本空间枚举的理解：

以下哪一项是从标准52张扑克牌中抽取1张牌的合法完整样本空间？
- {红桃, 方块, 梅花, 黑桃}
- {A, 2, 3, ..., K}
- 全部52个不同的点数-花色组合
- {红色, 黑色}
显示答案
全部52个不同的点数-花色组合 —
完整样本空间必须包含试验的所有互不相同的可能结果，不能仅为分组后的类别

2. 概率的三类分类★★☆☆☆⏱ 3 min

所有合法概率值都介于0（不可能事件）和1（必然事件）之间，根据问题场景的不同，可以通过三种不同的正式框架推导得到。

方法对比

AP 统计学考试考察的三种标准概率框架如下：

理论概率

计算方式为样本空间中符合条件的结果数与全部等可能结果数的比值，无需试验数据

+ 优点: 若所有结果已知且等可能，可得到精确值

− 缺点: 当结果的可能性不相等时失效

经验概率

计算方式为重复随机试验中成功试验次数与总试验次数的比值

+ 优点: 即使理论结果不等可能也可正常使用

− 缺点: 需要大量试验次数才能收敛到真实值

主观概率

基于已有领域知识得到的合理可能性估计，无需正式枚举或试验

+ 优点: 可用于无法重复的单次事件

− 缺点: 不具备数学严谨性

📐 例题

将以下场景分别归类为理论、经验或主观概率：1. 预报员称明天下雨的概率为30% 2. 从牌堆中抽到K的概率为4/52 3. 抛掷1000次硬币得到487次正面，因此估计正面概率为0.487

1
1. 下雨概率是主观概率，来自气象专家的判断
2
1. 抽到K的概率是理论概率，由等可能的牌面结果计算得到
3
1. 硬币抛掷的估计值是经验概率，来自重复试验的结果

3. 基础概率公理★★★☆☆⏱ 3 min

所有合法概率模型都必须满足三条不可违背的公理，它们是后续课程中所有更复杂概率规则的数学基础。

0 \leq P(A) \leq 1 \text{ for any event } A

P(S) = 1 \text{ where } S \text{ is the full sample space}

P(A \cup B) = P(A) + P(B) \text{ if } A \text{ and } B \text{ are mutually exclusive}

🔬 推导

目标:

从概率公理推导补集规则

起点:

事件A和它的补集A^c互斥，且它们的并集是完整样本空间S

1
根据第三条公理，P(A \cup A^c) = P(A) + P(A^c)
2
由于A \cup A^c = S，根据第二条公理可得P(A \cup A^c) = P(S) = 1
3
对等式变形，分离出补集项

结果:

补集规则：P(A^c) = 1 - P(A)

📐 例题

验证给定的6面骰子概率模型是合法的，随后计算掷出结果不为3的概率

1
给定模型：P(1)=0.1, P(2)=0.15, P(3)=0.2, P(4)=0.2, P(5)=0.15, P(6)=0.2
2
检查所有概率值都介于0和1之间：所有数值均满足该条件
3
对所有概率求和：0.1 + 0.15 + 0.2 + 0.2 + 0.15 + 0.2 = 1，因此该模型合法
4
应用补集规则：P(不为3) = 1 - P(3) = 1 - 0.2 = 0.8

4. AP考试概率表述规范★★☆☆☆⏱ 3 min

AP统计学自由作答题使用特定的指令术语，明确规定了你需要展示的全部步骤才能拿到满分，即使你的最终数值答案正确也不能省略步骤。

5. 常见陷阱

错误做法:

将分组后的类别当作完整样本空间

原因:

分组后的类别通常不能代表互不重叠、互斥且覆盖所有可能性的结果

正确做法:

在计算概率之前，始终确认你的样本空间元素满足互斥性和完备性

错误做法:

对已知结果可能性不相等的试验使用理论概率

原因:

理论概率仅在样本空间所有结果等可能时生效，该条件经常不会被明确说明

正确做法:

使用理论概率前必须明确确认所有结果等可能，否则使用经验概率

错误做法:

得到小于0或大于1的概率值却没有发现错误

原因:

算术错误非常常见，很多学生跳过合理性检查步骤

正确做法:

每次计算完成后，确认你的最终结果介于0和1之间

错误做法:

对两个不互斥的事件的概率直接相加

原因:

这会将同时出现在两个事件中的重叠结果重复计数，得到偏大的结果

正确做法:

仅在确认两个事件不可能同时发生时，才可以直接将它们的概率相加

6. 速查表

规则/术语	公式	适用场景
补集规则	$P (A^{c}) = 1 - P (A)$	计算事件不发生的概率
互斥事件	$P (A \cap B) = 0$	事件之间不存在重叠
理论概率	$P (A) = \frac{符合条件的结果数}{总结果数}$	等可能样本空间场景
大数定律	$lim_{n \to \infty} \hat{P} (A) = P (A)$	经验概率收敛到真实值

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

2023 · Paper 1
基础概率选择题
2022 · Paper 2 FRQ
样本空间枚举任务
2021 · Paper 1
互斥事件概率计算

下一步

掌握这些基础概率规则是学习AP统计学后续所有单元的关键，从条件概率到随机变量分布和推断方法都依赖这些基础。College Board在考试的选择题和自由作答部分都非常重视概率概念的考察，熟练掌握这些基础会让后续复杂知识点的学习轻松很多。接下来你将学习概率相关的正式集合运算，随后是条件概率计算，之后引入独立事件和乘法规则。这些技能会在本单元后续学习离散随机变量时直接应用。