概率概念、条件概率、独立事件

IB 数学应用与解释 HL· IB AI HL 5.4· 45 分钟阅读

1. 概率核心基础★★☆☆☆⏱ 15 min

📘 定义

样本空间与事件

$S$ for sample space, $A, B$ for events

样本空间是随机试验所有可能结果的集合。事件是样本空间的一个子集。

例:

投掷一枚六面骰子： $S = {1, 2, 3, 4, 5, 6}$ ，事件“掷出偶数”为 $A = {2, 4, 6}$

所有概率都遵循核心基本法则：任意事件的概率都在0到1之间，样本空间中所有结果的概率之和等于1。对于 $A$ 不发生的事件，有一个非常有用的法则是补集法则，记为 $A^{'}$ 。

P(A') = 1 - P(A)

📐 例题

投掷一枚均匀的十面骰子一次，求结果不是3的倍数的概率。

1
1. 确定样本空间与事件：
2
$S = \{1,2,...,10\}, \quad n(S) = 10$
3
设 $A$ = 结果是3的倍数，因此 $A = {3, 6, 9}$ ， $n (A) = 3$
4
1. 计算 $P (A)$ ：
5
$P(A) = \frac{n(A)}{n(S)} = \frac{3}{10}$
6
1. 使用补集法则求 $P (A^{'})$ ，即结果不是3的倍数的概率：
7
$P(A') = 1 - P(A) = 1 - \frac{3}{10} = \frac{7}{10}$

2. 条件概率★★★☆☆⏱ 20 min

📘 定义

条件概率

已知事件 $B$ 已经发生的条件下，事件 $A$ 发生的概率称为条件概率，记为 $P (A ∣ B)$ ，公式为：

例:

已知抽出的第一张牌是红色，求第二张牌是红色的概率

P(A|B) = \frac{P(A \cap B)}{P(B)}, \quad P(B) > 0

条件概率将样本空间限制为仅 $B$ 发生的结果，因此我们用 $B$ 的总概率对联合概率 $P (A \cap B)$ 进行归一化处理。这符合我们对先验信息如何改变概率的直观理解。

📐 例题

一个袋子里有5个红色弹珠和7个蓝色弹珠，不放回抽取两个弹珠。已知第一个是红色，求第二个弹珠是红色的概率。

1
1. 定义事件： $A$ = 第二个弹珠为红色， $B$ = 第一个弹珠为红色，我们需要求 $P (A ∣ B)$ 。
2
1. 计算两个都是红色的联合概率：
3
$P(A \cap B) = \frac{5}{12} \times \frac{4}{11} = \frac{20}{132} = \frac{5}{33}$
4
1. 我们已知 $P (B) = \frac{5}{12}$ ，即第一个弹珠是红色的概率。
5
1. 应用条件概率公式：
6
$P(A|B) = \frac{P(A \cap B)}{P(B)} = \frac{\frac{5}{33}}{\frac{5}{12}} = \frac{12}{33} = \frac{4}{11}$
7
这符合直觉：抽出一个红色弹珠后，剩余11个弹珠中还有4个红色。

Exam tip:

务必确认 $P (B) \neq = 0$ ；如果 $B$ 不可能发生，条件概率无定义，这是考试中常见的陷阱题。

3. 独立事件与关键区分★★★☆☆⏱ 20 min

📘 定义

独立事件

若一个事件的发生不改变另一事件的概率，则两个事件 $A$ 和 $B$ 是独立的。由此得到核心数学条件：

例:

投掷两次骰子：第一次的结果不影响第二次

P(A \cap B) = P(A) \times P(B)

互斥事件是不能同时发生的事件，因此 $P (A \cap B) = 0$ 。这是一个与独立性完全不同的概念，混淆两者是考试中最常见的错误之一。

📐 例题

一名学生参加两场独立的考试，通过第一场考试的概率是0.7，通过第二场的概率是0.6，求该学生恰好通过一场考试的概率。

1
1. 定义事件： $P_{1}$ = 通过第一场， $P_{2}$ = 通过第二场，两事件独立。
2
1. "恰好通过一场"意味着（通过第一场且未通过第二场）或（未通过第一场且通过第二场）。这两个事件互斥，因此我们将它们的概率相加。
3
1. 使用独立事件法则计算第一个概率：
4
$P(P_1 \cap P_2') = P(P_1) \times P(P_2') = 0.7 \times (1 - 0.6) = 0.28$
5
1. 计算第二个概率：
6
$P(P_1' \cap P_2) = P(P_1') \times P(P_2) = (1 - 0.7) \times 0.6 = 0.18$
7
1. 将概率相加：
8
$P(\text{exactly one pass}) = 0.28 + 0.18 = 0.46$

4. 常见陷阱

错误做法:

对于非零概率事件，混淆独立事件与互斥事件

原因:

它们是不同的概念，对于正概率事件，它们的条件是矛盾的

正确做法:

记住：互斥意味着 $P (A \cap B) = 0$ ，独立意味着 $P (A \cap B) = P (A) P (B)$ 。只有当事件不能同时发生时才使用互斥的概念。

错误做法:

计算条件概率时忘记除以 $P (B)$ ，直接将 $P (A \cap B)$ 作为最终答案

原因:

条件概率将样本空间限制在 $B$ 范围内，因此需要归一化

正确做法:

解题时一定要写出完整公式 $P (A ∣ B) = \frac{P ( A \cap B )}{P ( B )}$ ，并在得出最终结果前除以 $P (B)$ 。

错误做法:

将有放回抽取与不放回抽取同等对待（反之亦然）

原因:

只有不放回抽取才会改变样本大小，从而改变后续抽取的概率

正确做法:

开始计算前，一定要仔细读题，确认抽取是有放回还是不放回。

错误做法:

在题目未说明的情况下，假设所有事件都是独立的

原因:

很多考题考察你检验独立性的能力，而不是让你从一开始就假设独立性

正确做法:

只有当题目明确说明事件独立，或你已经通过定义验证了独立性时，才能使用法则 $P (A \cap B) = P (A) P (B)$ 。

5. 速查表

概念	公式/法则
补集法则	$P (A^{'}) = 1 - P (A)$
条件概率	$P (A ∣ B) = \frac{P ( A \cap B )}{P ( B )}, P (B) > 0$
通用乘法法则	$P (A \cap B) = P (A ∣ B) P (B)$
独立事件	$P (A \cap B) = P (A) P (B)$ , $P (A ∣ B) = P (A)$
互斥事件	$P (A \cup B) = P (A) + P (B)$ , $P (A \cap B) = 0$

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。

2021 · 1
条件概率计算
2022 · 2
独立事件问题
2023 · 1
维恩图概率

深入阅读

syllabusIB AI HL 官方大纲官方子主题参考

下一步

掌握这些核心概率概念是IB AI HL中所有后续概率与统计主题的基础，包括离散和连续概率分布、期望值、假设检验和回归分析。条件概率对于贝叶斯定理尤其重要，贝叶斯定理是考试中常见的高分值考点，扩展了你在这里学到的知识。在卡方检验的列联表关联性检验中，也需要用到独立事件与非独立事件的区分，因此在这里打下坚实的基础将帮助你避免更高级主题中的常见错误。