云班课号：

根据真实的学号姓名加入本班级。
用于签到、作业照片提交、学习指导和课件下载等 。
签到时忘带手机的同学请告知老师。
手机：
 概率论与数理统计
研究范畴

其他学科（如高等数学、物理等）
研究确定性现象

概率论与数理统计
研究随机现象（不确定性现象）
确定性现象
⒈ 1+1=2;
⒉ 标准大气压下水沸腾时的温度;
……
确定性现象的特征:条件完全决定结果

随机现象
⒈ 某人射击一次,考察命中情况;
⒉ 从一批产品中抽取一件,考察其质量;
……
举一个随机现象的例子？
 概率论的应用

气象、水文、 武器精度评估
地震预报

工农业生产 社会、经济、
医学、生物

优化实验方案
产品抽样验收
生产自动化控制
法国数学家拉普拉斯(Laplace)曾说：
生活中最重要的问题, 其中绝大多数在实质上
只是概率问题

英国的逻辑学家和经济学家杰文斯：

概率论是生活真正的领路人, 如果没有对概率的某
种估计, 那么我们就寸步难行, 无所作为
 概率论与数理统计--章节结构

揭示随机现象 统计规律性的具
课程任务 体表现
的统计规律性

事件的概率及内
在联系 概率角度

就事件而言 用随机变量来描述 统计角度

第一章 第二、三章 参数估计与假设检验
第四、五、六章
 考核方式
1.期末考试方法：闭卷考试（不勾重点、不复习）
2.成绩综合评定办法：
线上30%+平时作业及考勤20%+期末50%
概率论与数理统计是数学的分支，有一定难度，请认真
对待，及时练习、复习！
1.重庆高等教育智慧教育平台
https://higher.cq.smartedu.cn/
找到重庆文理学院的
概率论与数理统计 课程4 .爱课程 网站

在线视频学习、讨论、测试等
必须在系统设定的时间段内完成

登录方法:
学生登录账号规则为：10642+学号
学生初始密码为：cq+登录账号
例如某学生的学校代码为10642，学号为20150101。
则该生的账号为：1064220150101
初始密码为：cq1064220150101
请一定用10642+学号登陆，其他账号无法核实任务的完成人。
1.听视频，哔哩哔哩上搜 概率论与数理统计。
2.多做题。云班课有学习指导，也可以到图书馆借阅纸
质版学习指导。
知识结构P1

随机现象：在一定条件下可能发生也可能不发生的现象。
随机试验：对在相同条件下可以重复的随机现象的观察、
记录、实验称为随机试验
随机现象是通过随机试验来研究的.
（一）随机试验简称试验.

1、可在相同（或近似相同）条件下重复地进行;
2、每次试验的可能结果不止一个, 并且能事先明确所
有可能的结果.
3、进行一次试验之前不能确定哪一个结果会出现.

记：E或ε
例:判断是否是随机试验？
E1:袋中4红5白球, 随机取1球，观察球的颜色.
E2:袋中1-9号球,随机取1球，观察球的点数.
E3:记录某城市120急救电话台一昼夜接到的呼唤次数.
(二)样本空间

样本空间：试验的所有可能的结果组成的集合。
记： Ω或S等（符号不影响结果）

随机试验的每个结果, 称为样本点 ω.

实例1 抛掷一枚硬币,观察字面,花面出现的情况.
H → 字面朝上
T → 花面朝上
实例2 抛掷一枚骰子,观察出现的点数.

练习:求各随机试验的样本空间
E1:袋中4红5白球, 随机取1球，观察球的颜色.
E2:袋中1-9号球,随机取1球，观察球的点数.
E3:记录某城市120急救电话台一昼夜接到的呼唤次数.
(三) 随机事件

在一次试验中可能发生也可能不发生的事
情，为E的随机事件, 简称事件.
记为大写字母A、B、C等

特别, 由一个样本点组成的单点集, 称为
基本事件.
例:举随机事件的例
E1:袋中4红5白球, 随机取1球，观察球的颜色.
E2:袋中1-9号球,随机取1球，观察球的点数.
E3:记录某城市120急救电话台一昼夜接到的呼唤
次数.

举一个随机试验的例子，其样本空间？随机事件？
一定会发生的事件，称为必然事件
记作Ω

在每次试验中都不发生, 称为不可能事件
记作Φ

“抛掷一颗普通六面的骰子，出现的点数大于6”是不可
能事件
(三) 事件间的关系与事件的运算

维恩(Venn)图：
通常用一个矩形来代表样本空间，其中的子
区域代表一个事件.
A B

Ω
1.若AB, 则称事件B包含事件A,
指事件A发生必然导致事件B发生.

A B
Ω
若AB且BA, 即A=B, 则称事件
A与事件B相等.

A B
Ω
2.和事件.
当且仅当A,B 中至少有一个发生时, 事件
AB或A+B发生.

例：掷一颗色子，A={1，3，5}，B={1，2}，
C={6}，求AB=？， AC=？， C+B=？
解：AB ={1，2，3，5}
AC ={1，3，5，6}
C+B ={1，2，6}
3. 积事件.
当且仅当A, B同时发生时, 事件AB发生.
AB也记作AB

例：掷一颗色子，A={1，3，5}，B={1，2}，
C={6}，求AB=？， AC=？， CB=？
解：AB ={1}
AC = 
CB = 
4. 若AB=Ω且AB=, 则称事件A与事件
B互为逆事件, 又称事件A与事件B互为对立
事件

A
Ω

例：掷一颗色子，A={1，3，5}，B={1，2}
求 ，
解： ={2,4,6}
={3,4,5,6}
5. 若AB= , 则称事件A与事件B是互不相
容的, 或互斥的, 这指的是事件A与事件B不
能同时发生

A B

例：掷一颗色子，A={1，3，5}，B={1，2}，C={6}，
找出互不相容的事件？
解： AC = 
CB = 
对立事件与互斥事件的区别

A、B 互斥 A、B 对立

A B A B
 

互 斥 对 立
6.差事件
当且仅当A发生, B不发生时事件A-B发生.

例：掷一颗色子，A={1，3，5}，B={1，2}，
C={6}。求A-B=？， A-C=？， C-B=？
解：A-B ={3，5}
A-C ={1，3，5}
C-B ={6}
？
1. ④

2. AB
A与B对立
A与B互斥
 例：复合事件的表示
某射手向目标射击三次，用 Ai 表示第 i 次击中目标
i = 1, 2,3, 试用 Ai 及其运算符表示下列事件：

（1）三次都击中目标： A1 A2 A3
（2）至少有一次击中目标： A1 A2 A3

（3）恰好有两次击中目标： A1 A2 A3 A1 A2 A3 A1 A2 A3

（4）最多击中一次： A1 A2 A1 A3 A2 A3

（5）至少有一次没有击中目标：A1 A2 A3 = A1 A2 A3

（6）三次都没有击中目标： A1 A2 A3 = A1 A2 A3
 作业
习题1.1
6、10、14、19、20

注：
1.作业一律不抄题目，写清题目号、解答步骤即可。
学号、姓名 等云班课会显示。
2.作业提交截止时间：周日晚22:00前。图片要照清
楚，可评阅，否则视为未完成。
3.没有布置为作业的教材习题，请尽量自行完成。
说明：
1.概率论是数学的一个分支，需要多做题进行及时巩固，
请大家加强练习，认真完成作业。
2.每章作业提交结束后，在云班课发布教材习题解答步
骤，如果没有发布请提醒。
3.作业完成有困难的，请参考学习指导（云班课或图书
馆借）。
 事件间的运算律
设A,B,C为事件, 则有

交换律: AB=BA; AB=BA

结合律: A(BC)=(AB)C
A(BC)=(AB)C
分配律: A(BC)=(AB)(AC)
A(BC)=(AB)(AC)
 分配律
B 图 示
A C
Ω

B
A C
Ω

09:26:57 34
德•摩根律: 对有限个或可列无穷多个事件Ai ，恒有
(对偶律)
A =A
i
i
i
i A = A
i
i
i
i

特别 A + B = AB AB = A + B

吸收律

运算顺序：括号--逆--交--并--差
例 如图所示的电路中, A表示"信号灯亮", B, C, D
表示继电器各个接点闭合。用B、C、D的关系表示A
C

B D

A=BC  BD
练习：化简事件

解 原式

09:26:57 37
小结

1.随机试验、样本空间与随机事件的关系
子集
随机试验 样本空间 随机事件

基本事件
随
机 复合事件
事 必然事件
件
不可能事件
2. 概率论与集合论之间的对应关系
概率论 集合论
样本空间（必然事件） Ω 全集
不可能事件 Φ 空集Φ
子事件 A⊂B 子集A⊂B
和事件 A∪B 并集A∪B
积事件 A∩B 交集A∩B
差事件 A-B 差集A-B
对立事件 A 补集 A
§2 随机事件的概率

2.1 频率

2.2 概率

2.3 古典概型

2.4 几何概型
2.1 频率

1. 定义
在相同的条件下, 进行了n 次试验, 在这 n 次
试验中, 事件 A 发生的次数 nA 称为事件 A 发生的
频数. 比值 n A / n 称为事件A 发生的频率，并记
成 fn(A) .
 2. 性质
设 A 是随机试验 E 的任一事件, 则

(1) 0  f n ( A)  1;
(2) f ( ) = 1, f ( ) = 0;

(3) 若 是两两不相容事件,则

这三条性质刻画了频率的本质特征, 启发我们定义事件
的概率
实验者 n nH f
德  摩根 2048 1061 0.5181
蒲丰 4040 2048 0.5069
K  皮尔逊 12000 6019 0.5016
K  皮尔逊 24000 12012 0.5005

实验演示
频率特征
(1) 频率有随机波动性,即对于同样的 n, 所得的
f 不一定相同;

(2) 抛硬币次数 n 较小时, 频率 f 的随机波动幅

度较大, 但随 n 的增大 , 频率 f 呈现出稳定性。
即当 n 逐渐增大时频率 f 总是在 0.5 附近摆动,
且逐渐稳定于 0.5。
 频率与概率之间的关系

事件发生的 事件发生的
频繁程度 可能性大小

频 率 稳 定值 概率
频率的性质 概率的公理化定义
2.2 概率
定义：设 E 是随机试验，S 是它的样本空间，
对于E 的每一个事件 A 赋予一个实数，记为 P ( A)，
称为事件 A 的概率。要求集合
函数 P (•) 满足下列条件：
(1)非负性 P ( A)  0
(2)规范性 P( S ) = 1
(3)可列可加性 若 A1, A2, 是两两互不
相容的事件，有
2. 性质
(1) P ( ) = 0.
(2) ( 加法公式 ) 对于任意两事件 A , B 有
P( A  B) = P( A ) + P(B) − P( AB).

A AB B

 A2
推广 三个事件和的情况 A1
A3
P ( A1  A2  A3 ) 
= P ( A1 ) + P ( A2 ) + P ( A3 ) − P ( A1 A2 ) − P ( A2 A3 )
− P ( A1 A3 ) + P ( A1 A2 A3 ).

n 个事件和的情况
n
P ( A1  A2    An )=  P ( Ai ) −  P ( Ai Aj )
i =1 1 i  j  n

+  i j k
P ( A A A
1 i  j  k  n
) +  + ( − 1) n −1
P ( A1 A2  An ).
特例：
(有限可加性) 若A1,A2,...,An是两两互不相容的事
件, 则有

P(A1A2...An)
=P(A1)+P(A2)+...+P(An)
（3）对于任意两事件A,B，有
P(A-B)
=P(A)-P(AB) Ω

特例：设A,B是两个事件, 若AB, 则
P(B-A)
=P(B)-P(A)
B A

(4) 对于任一事件 A, P ( A)  1.
证明 A  S  P ( A)  P ( S ) = 1,
故 P ( A)  1.

(5) 设 A 是 A 的对立事件, 则 P ( A) = 1 − P ( A).

证明 因为 A  A = S , A  A = , P ( S ) = 1,

所以 1 = P ( S ) = P ( A  A)

= P ( A) + P ( A) .

 P ( A) = 1 − P ( A).
 1 1
例：设事件 A, B 的概率分别为 和 , 求在下列
3 2
三种情况下 P ( B A) 的值.
1
(1) A与B互斥; ( 2) A  B; ( 3) P ( AB ) = .
8
解 (1) 由图示得 P ( B A) = P ( B ),
1
故 P ( B A) = P ( B ) = .
2 A B 
( 2) 由图示得
P ( B A) = P ( B ) − P ( A)
1 1 1 B A
= − = . 
2 3 6
(3) P(BA) = P(B) − P(AB)
1 1 3
= − = .
2 8 8

A AB B

 例：

解 由概率的性质，可得
1 1 5
(1) P ( B − A) = P ( B ) − P ( AB ) = − =
3 8 24
.
1 1 2
(2) P ( B C ) = P ( B ) + P (C ) − P ( BC ) = + − 0 =
3 3 3
(3) P ( A B C ) = P ( A) + P ( B ) + P (C ) − P ( AB) − P ( BC ) − P ( AC ) + P ( ABC )
1 1 1 1 1 3
= + + − −0− + 0 =
3 3 3 8 8 4
例 已知P ( A) = 0.5, P ( AB ) = 0.2, P ( B ) = 0.4, 求
(1) P ( AB )； (2) P ( AB )
解 (1) 由题意 P ( AB) = P ( B − A) = P ( B) − P ( AB) = 0.2
由 P ( B ) = 0.4, 所以
P ( AB ) = 0.4 − 0.2 = 0.2

(2) 由于 P ( A) = 1 − 0.5 = 0.5, P ( AB ) = 0.2, 所以

P ( A B ) = P ( A) + P ( B ) − P ( AB ) = 0.5 + 0.4 − 0.2 = 0.7
再由对偶律，可得
22题:某城市共发行三种报纸A、B、C，已知城市居民订购A的占
45%，订购B的占35%，订购C的占30%，同时订购A与B的占10%，同
时订购A与C的占8%，同时订购B与C的占5%，同时订购A、B、C的占
3%，求下列事件的概率:

(1) 只订购A;

P(A-(B+C))=P(A)-P(A(B+C))= P(A)-P(AB+AC)
=P(A)-(P(AB)+P(AC)-P(ABC))
=0.45-0.1-0.08+0.03=0.3
(2) 只订购A与B;
P(AB-C)=P(AB)-P(ABC)=0.1-0.03＝0.07
22题:某城市共发行三种报纸A、B、C，已知城市居民订购A的占45%，订购B的占
35%，订购C的占30%，同时订购A与B的占10%，同时订购A与C的占8%，同时订购B
与C的占5%，同时订购A、B、C的占3%，求下列事件的概率:

(3) 只订购一种报纸;
由(1)知: P{只订购A}=P(A)-P(AB)-P(AC)+P(ABC)＝0.3
同理, P{只订购B}=P(B)-P(AB)-P(BC)+P(ABC)＝0.23
P{只订购C}=P(C)-P(AC)-P(BC)+P(ABC)＝0.2
所以, P{只订购一种报纸}=0.3＋0.23＋0.2＝0.73
或 P=P(A+B+C)-P(AB)-P(AC)-P(BC)＋2P(ABC)
=P(A)+P(B)+P(C)-2P(AB)-2P(AC)-2P(BC)＋3P(ABC)
=0.45+0.35+0.3-0.2-0.16-0.1+0.09=0.73
 与 A B = B
例:对于任意两个事件Ａ和Ｂ，
不等价的是（ ）
A A B B B A C AB =  D AB = 

解 A B = B  A  B  B  A

 A − B =   AB = 
B A

例:甲、乙两人同时向目标射击一次，设甲击中的概率
为 0.85 ，乙击中的概率为 0.8 ．两人都击中的概率为
0.68 ．求目标被击中的概率．

解：设Ａ表示甲击中目标，Ｂ表示乙击中目标，Ｃ
表示目标被击中， 则
P (C ) = P ( A B ) = P ( A) + P ( B ) − P ( AB )
＝ 0.85 ＋ 0.8 － 0.68 ＝ 0.97
例:考察甲，乙两个城市6月逐日降雨情况。已知甲
城出现雨天的概率是0.3, 乙城出现雨天的概率是
0.4, 甲乙两城至少有一个出现雨天的概率为0.52,
试计算甲乙两城同一天出现雨天的概率.

解： 设A表示“甲城下雨”，B表示“乙城下雨”

则 P ( A) = 0.3, P ( B ) = 0.4, P ( A B ) = 0.52

所以 P ( AB ) = P ( A) + P ( B ) − P ( A B ) = 0.18
 作业：习题1.2
21、22(4)(5)(6)

注：
1.作业一律不抄题目，写清题目号、解答步骤即可。
学号、姓名 等云班课会显示。
2.作业提交截止时间：周日晚22:00前。图片要照清
楚，可评阅，否则视为未完成。
3.没有布置为作业的教材习题，请尽量自行完成。
 古典概型
1654年法国赌徒默勒向帕斯卡请教“赌金分配问
题”，促成了帕斯卡与费马这两位大数学家之间就此问
题展开频繁通信，他们分别用了自己的方法独立而又正
确地解决了这个问题。开创了概率论研究的先河。

后来荷兰数学家惠更斯也参加了这场讨论，并写出
了关于概率论的第一篇正式论文《赌博中的推理》。帕
斯卡、费马、惠更斯一起被誉为概率论的创始人。

63
 2.3 古典概型

概率论的发展过程中最早出现的研究对象，首先
引入的计算概率的数学模型，是古典概型

定义
如果一个随机试验E具有以下特征
（1）试验的样本空间中仅含有有限个样本点；
（ 2）每个样本点出现的可能性相同。
则称该随机试验为古典概型。
举例
古典概型中事件概率的计算公式

设试验 E 的样本空间由n 个样本点构成, A

为 E 的任意一个事件,且包含 m 个样本点, 则事
件 A 出现的概率记为:

称此为概率的古典定义。
 复习：排列与组合的基本概念
1.全部排列与组合公式的推出基于两条原理
(1)乘法公式：设完成一件事需分两步,第一步有n1种方
法,第二步有n2种方法，则完成这件事共有 n1n2 种方法
(2)加法公式：设完成一件事可有两种途径, 第一种途
径有n1种方法,第二种途径有n2种方法,则完成这件事共
有 n1+n2 种方法。

n1种方法

n2种方法
2.排列：从含有n个元素的集合中随机抽取k次

(1)有重复排列:从含有n个元素的集合中随机抽取k次,
每次取一个,记录其结果后放回,将记录结果排成一列。

1
2 3 n n n n
n 种 种  种 种

共有 nk 种排列方式(分k步完成,乘法原理)
(2)无重复排列(选排列)：从含有n个元素的集合中
随机抽取k 次,每次取一个,取后不放回,将所取
元素排成一列，

1, 2 ,

n

共有 Pnk =n(n-1)…(n-k+1)种排列方式
（分k步完成,乘法原理）
(3)全排列：从含有n个元素的集合中随机抽取n次,
每次取一个,取后不放回,将所取元素排成一列.

1, 2 ,
n n −1 n − i +1
 1
种 种  种  种
n

共有Pnn=n(n-1)(n-2)…3×2×1=n﹗种排列方式
（分n步完成,乘法原理）
3.组合
(1)从含有n个元素的集合中随机抽取k个,而不考虑其
顺序共有

  Pn
n k
k n!
Cn    = = 种取法.
k  k! k!(n − k )!
例 现有20件产品, 其中一等品8件, 二等品6件,
三等品3件, 次品3件; 现从中任意取出10件, 其
中一等品4件, 二等品3件, 三等品2件, 次品1件;
4 3 2 1
则取法的总数为C8 C6 C3 C3 .
古典概率的计算步骤：

(1)判断是否为古典概型;

(2)数清样本空间的样本点数 n,
随机事件中的样本点数 k;

(3)列出比式进行计算。
例：1-9号球，任取一个,观察号码，求取出球
号是3的倍数的概率

解：这是一个古典概型
设A=“取出球号是3的倍数”
n=9 , k=3
P(A)=k/n=3/9=1/3
例 一口袋有6球, 其中4白, 2红. 取球两次,
每次取一只. 考虑放回抽样, 求
(1)取到的两只球都是白球的概率;
(2)取到的两只球颜色相同的概率;
(3)取的两只球中至少有一只是白球的概率.

75
例：从52张（去掉大小王）扑克牌中任取3张，求
（1）T=“三张牌为同数”
（2）S=“三张牌为同花顺”
的概率
 2.4 几何概型

概率的古典定义具有可计算性的优点,但它也
有明显的局限性，要求样本点有限,如果样本空间
中的样本点有无限个, 概率的古典定义就不适用了.

把有限个样本点推广到无限个样本点的场合,
人们引入了几何概型。
定义 当随机试验的样本空间是某个区域,并且任
意一点落在度量 (长度, 面积, 体积) 相同的子区域
是等可能的,则事件 A 的概率可定义为

(其中m( ) 是样本空间的度量, m( A) 是构成事件 A

的子区域的度量 ) 这样借助于几何上的度量来合理
规定的概率称为几何概率.

说明: 事件A发生的概率与位置无关,只与A的
度量有关，这体现了某种“等可能性”
举例
例: 某人午觉醒来, 发觉表停了, 便打开收音机收听
电台报时, 已知电台每个整点报时, 求他能在10 分钟
之内听到报时的概率.

解：由于上一次报时和下一次报时的时间间隔为60
分钟，而这个人可能在(0,60)内的任一时刻打开
收音机，所以这是一个直线上的几何概型问题
用x表示他打开收音机的时刻，A 表示事件
{他能在10分钟之内听到电台报时}, 则
• 例:(会面问题)甲,乙两人相约在0到T这段时间内,
在预定地点会面. 先到的人等候另一个人, 经过时
间t(t<T)后离去. 设每人在0到T这段时间内各时刻
到达该地是等可能的, 且两人到达的时刻互不牵连.
求甲,乙两人能会面的概率.

解:以x,y分别表示甲乙两人到达的时刻,
0xT, 0yT.
若以x,y表示平面上点的坐标，则：
（1）所有基本事件可以用一边长为T正方形内
所有点表示.

（2）两人能会面的条件是 |x-y|t .
y

A
t

O t T x
 由等可能性知，所求概率为

SA
P( A) =
S

A
t

O t T x
作业：
习题1.2
11、12、15、17
§3 条 件 概 率

3.1 条件概率

3.2 乘法公式

3.3 全概率公式

3.4 贝叶斯公式
 3.1 条件概率

在解决许多概率问题时，往往需要在有某些附
加信息(条件)下求事件的概率

如在事件A发生的条件下求事件B发生的概率，
将此概率记作 P(B|A).

一般地 P( B|A) ≠ P(B)

举例
1.引例： 掷一颗均匀骰子，A={掷出偶数点}，

B={掷出2点}， P(B )=1/6，P(B|A)=？

已知事件A发生，此时试验所有可能
结果构成的集合就是A，
A中共有3个元素,它们的出现是等
可能的,其中只有1个在集B中. 于是
P(B|A)= 1/3.
容易看到
P(B|A)
2.条件概率的定义
设A、B是两个事件，且P(A)>0,则称

(1)

为在事件A发生的条件下,事件B的条件概率.
若事件A已发生, 则为使B
也发生 , 试验结果必须是既在
A 中又在B中的样本点 , 即此点
必属于AB. 由于我们已经知道
A已发生, 故A变成了新的样本
空间 , 于是有(1).
3. 条件概率的性质

(4) P ( B1 B2 A) = P ( B1 A) + P ( B2 A) − P ( B1 B2 A);

(5) P ( B A) = 1 − P ( B A).
例 : 已知某家庭有3个小孩，且至少有一个是女孩，求该
家庭至少有一个男孩的概率(区分出生顺序)。
s={bbb,gbb,bgb,bbg,ggb,gbg,bgg,ggg}

解：设 A={ 3个小孩至少有一个女孩 }

B={ 3个小孩至少有一个男孩 }

P ( A) = 1 − P ( A) = 1 − =
1 7
则
8 8
1 1 6
P ( AB ) = 1 − − =
8 8 8

所以
例：某种动物由出生算起活20岁以上的概率为0.8
活到25岁以上的概率为0.4, 如果现在有一个20岁
的这种动物, 问它能活到25岁以上的概率是多少?
解 设 A 表示“ 能活 20 岁以上 ”; B 表示 “ 能
活 25 岁以上”.
P ( AB )
则有 P ( B A) = .
P ( A)
因为 P ( A) = 0.8, P ( B ) = 0.4, P ( AB ) = P ( B ),

P ( AB ) 0.4 1
所以 P ( B A) = = = .
P ( A) 0.8 2
3.2 乘法公式
由条件概率

可推得乘法公式

对称地有
多个事件的乘法公式

设 A, B, C 为事件, 且 P ( AB )  0, 则有

推广 设 A1 , A2 ,, An 为 n 个事件, n  2,

且 P ( A1 A2  An−1 )  0, 则有
例 设某光学仪器厂制造的透镜，第一次落下时打破
的概率为 1/2 ，若第一次落下未打破，第二次落下打
破的概率为 7/10，若前两次落下未打破，第三次落下
打破的概率为9/10，求透镜落下三次而未打破的概率。

解 以 Ai ( i=1,2,3 ) 表示事件“透镜第 i
次落下打破”，以 B 表示事件“透镜落下三
次而未打破”，有
P ( B ) = P ( A1 A2 A 3) = P ( A3 | A1 A 2 ) P ( A2 | A 1) P ( A 1)
9 7 1 3
= (1 − )(1 − )(1 − ) =
10 10 2 200
作业：
习题1.3：
3、4、6
追根溯源的 全概率公式
 引入

数学的解题思想方法有很多，分解法就是其中重
要的一种。
如果我们遇到一个复杂事件，直接去求概率可能
很困难，那么我们想一想，能不能把这个复杂事件分
解为若干个事件，如果每个事件的概率计算相对简单，
那么通过概率的运算性质，我们就可以求出这个复杂
事件的概率了。
“全概率公式”就是基于这样的分解思想。
 全概率公式推导 分解法
已知B1  B2  ...  Bn =  , Bi间两两互斥的

P（A）= P（A  ） B1

= P（A （B1  B2  ...  Bn）） …

A
= P（AB1  AB2  ...  ABn） B2


由于Bi间是互斥的，则 B3

= P（AB1）+ P（AB2）+ ... + P（ABn）

= P(B1 )P（A B1）+ P(B 2 )P（A B2）+ ... + P(Bn )P（A Bn）
 定义—全概率公式

全概率公式
设 B1, B2, …, Bn 两两互斥的事件，且 ，

P(Bi)>0， i = 1, 2, …, n , 对任一事件A ，有
n
P( A ) =  P(B )  P(A | B )
j =1
j j

= P(B1 )P（A B1）+ P(B 2 )P（A B2）+ ... + P(Bn )P（A Bn）
 定义—全概率公式
注1：全概率公式把复杂事件的概率计算分解为若干个
简单事件的概率计算，再通过概率的可加性求得最终结
果。
注2：在应用中可以形象地把全概率公式看成“由原因
推结果”。
 全概率公式应用—股票分析
例 股票走势
人们为了解一支股票未来一定时期内的价格变化，
会去分析股票的影响因素，比如利率的变化。
预计短期内只会可能出现利率下调、或利率不变。
利率估计 利率下调 利率不变
概率 0.6 0.4
据经验：
在利率下调条件下，该股票价格上涨的概率是0.8；
在利率不变条件下，该股票价格上涨的概率是0.4；
该支股票将上涨的概率是多少？
 全概率公式应用—股票分析

解:用A=“股价上涨”，
B1=“利率下调” ， B2=“利率不变”
由全概率公式 B1 B2
P(A)
=P(AB1)+P(AB2) A
=P(B1)P(A|B1)+P(B2)P(A|B2)

=0.6*0.8+0.4*0.4
=0.64
股价上涨的概率为0.64。
解决这一类问题一定要区分原因和结果!
 全概率公式应用—输血问题

例 输血问题 中国人血型分布如下表
血型 O A B AB
比例 0.41 0.28 0.24 0.07

今随机抽取2人，求甲能给乙输血的概率？
 全概率公式应用—输血问题
可设C为“甲可给乙输血”，
A0、 A1、 A2、 A3分别是“甲的血型为O、A、B、AB”
可知P(A0)=0.41, P(A1)=0.28, P(A2)=0.24, P(A3)=0.07
又由卫生常识可知
P(C|A0)=1, P(C|A1)=0.28+0.07=0.35,
P(C|A2)=0.24+0.07, P(C|A3)=0.07
故由全概率公式 3
P(C) =  P(A )  P(C | A ) =
i= 0
i i 0.5873

血型 O A B AB
比例 0.41 0.28 0.24 0.07
 全概率公式应用—求婚问题
一位王子向心爱的公主求婚，公主为了考验王子的智慧，让
仆人准备了两个盒子，一个装有10枚金币，一个装10枚银币，仆
人蒙上王子眼睛，并把两个盒子位置随意调换，请王子任意选一
个盒子并从中取出一枚硬币。取到金币，公主就同意嫁给他。否
则不同意。
王子要求在蒙上眼睛前，任意调换盒子里的硬币组合，公主
同意了。想一想王子为什么要调换硬币组合。
请问：王子怎样调换硬币组合，才能确保更有把握取到公主？
 全概率公式应用—求婚问题
解：A1=抽到原来装金币的盒子，A2=抽到原来装银币盒子，
B=抽出金币。
策略：把A1中拿出9个金币放入A2。
1 1
P（A 1）= P（A 2）=
2 2
9
P（B | A 1）= 1 P（B | A 2）=
19
P（B）
= P（A 1B）+ P（A 2 B）
= P（A 1）P（B | A 1）+ P（A 2）P（B | A 2）
1 1 9 14
= 1+  =
2 2 19 19
 全概率公式应用—敏感性问题调查
例 敏感性问题调查 要调查敏感
性问题中的某些比例问题。
红球：你打算在期末考试中作弊吗？
白球：你的学号末位是否为奇数？（比例已知）
结果勾在答卷上。 是 否

P（回答“是”）=P（取到红球）P（回答“是”| 取到红球）
+P（取到白球）P（回答“是”| 取到白球）
因为设置了一个与敏感问题完全无关的问题而保护了隐私，
别人并不知道你回答的是哪个问题，从而提高了准确性。
 全概率公式小结
条件概率 P(AB)
P(A | B) = （P(B)  0）
P(B)

乘法公式 P(AB) = P(B)P(A | B) （P(B)  0）

n
全概率公式
P( A ) =  P(B )  P(A | B )
j =1
j j

全概率公式基于分解的思想，应用过程中一定要区
分原因和结果，由原因推结果的就选择用全概率公式。
全概率公式精髓：复杂问题简单化
全概率公式关键：找到划分（完备事件组）
执果求因的 贝叶斯公式
 引例
引例 利用计算机来诊断疾病

病毒感染B1
感冒A 着凉B2

饮食不净B3
其它B4
这一类问题在实际中尤为常见 公式一般化，
即贝叶斯公式
“已知结果求原因”
 贝叶斯公式定义
定理 (贝叶斯公式或逆概公式)： 设 B1, B2 ,…, Bn 是
样本空间 的一个分割，且 P(Bi )> 0, i =1, 2, …, n ，
如果P (A) > 0 , 则
乘法公式
P( ABi ) P(Bi )  P( A | Bi )
P(Bi | A ) = = n
P（A）
 P(B )  P(A | B )
j j
条件概率 j =1

知“结果”
全概率公式
求“原因”
 贝叶斯公式来源
➢ 托马斯·贝叶斯 ( Thomas Bayes , 1701—1761)英国牧师、业
余数学家。
➢ 1763年，发表了“论有关机遇问题的求解”中有关贝叶斯公式著
作，但其结果并没有受到应有的重视。
P( AB)
P(B | A ) =
P( A )
➢ 1774年，法国数学家拉普拉斯再一次总结了这一结果。
➢ 现在，它已在测谎仪、疾病诊断、安全监控、质量控制等多方面
发挥着重要的作用。
 贝叶斯公式应用—“狼来了” 村民信任程度变化
例 伊索寓言“狼来了”
分析村民对这个小孩的可信程度是如何下降的？

分析：首先记A为“小孩说谎”，B为“小孩可信”。
村民过去对这个小孩的印象为

设可信的孩子说谎的可能性：
不可信的孩子说谎的可能性：
求小孩说了一次谎后，村民对他的可信程度的改变。
 贝叶斯公式应用—“狼来了” 村民信任程度变化
解： A为“小孩说谎”，B为“小孩可信”。第一次村民上山打狼，
发现狼没有来，即小孩说了谎（A）。村民根据这个信息，对小孩
的可信程度改变为（用贝叶斯公式）


这表明村民上了一次当后，对这个小孩的可信程度由原
来的P(B)=0.8调整为P(B|A)=0.444，也就是

先验概率 后验概率
第二次撒谎前的先验概率
 贝叶斯公式应用—“狼来了” 村民信任程度变化
A为“小孩说谎”，B为“小孩可信”
这个小孩第二次说谎后，村民对他的可信程度改变为：

这表明村民们经过两次上当，对这个小孩的可信程度已经从
0.8下降到0.444直至0.138，如此低的可信程度，村民听到第三
次呼叫怎么再会上山打狼呢？
一旦给了人不诚实的先验信息，将对自己产生严重的后果。
 贝叶斯公式—启示

1.做人要诚信！
用贝叶斯公式分析 “狼来了”的村民心理变化，
教育了我们做人要诚信！

2.凡事不要妄下定论!
面对已有信息一定要先复查、确认等，不断修正
概率，再做最后结论。
 贝叶斯公式应用—输血问题

例 输血问题 中国人血型分布如下表
血型 O A B AB
比例 0.41 0.28 0.24 0.07

（1）今随机抽取2人，求甲能给乙输血的概率？
 贝叶斯公式应用—输血问题
可设C为“甲可给乙输血”，
A0、 A1、 A2、 A3分别是“甲的血型为O、A、B、AB”
可知P(A0)=0.41, P(A1)=0.28, P(A2)=0.24, P(A3)=0.07
又由卫生常识可知
P(C|A0)=1, P(C|A1)=0.28+0.07=0.35,
P(C|A2)=0.24+0.07, P(C|A3)=0.07
故由全概率公式 3 3
P（C）=  P( A iC) =  P( A i )  P(C | A i ) = 0.5873
i= 0 i= 0
血型 O A B AB
比例 0.41 0.28 0.24 0.07
A3 A0

C
A2
A1
 贝叶斯公式应用—输血问题
可设C为“甲可给乙输血”，
A0、 A1、 A2、 A3分别是“甲的血型为O、A、B、AB”

（2）若现已输血成功，求甲是O型血概率？

P( A O C) P( A O )  P(C | A O )
P( A O | C) = =
P(C) P(C)
P( A O )  P( C | A O ) 0.41  1
= 3 = = 0.6981
0.5873
 P( A i )  P(C | A i )
i= 0
 贝叶斯公式—小结
条件概率 P(AB)
P(B | A) = （P(A)  0）
P(A)

乘法公式 P(AB) = P(A)P(B | A) （P(A)  0）

n
全概率公式 P( A ) =  P(B )  P(A | B )
j =1
j j

P(Bi )  P( A | Bi )
贝叶斯公式 P(Bi | A ) = n

 P(B )  P(A | B )
j =1
j j
作业：
习题1.3
8、9、11、12
 事件的独立性
举例说明生活中有哪些事件是各事件间相互
独立的？

例：
A=“父亲买彩票中了500万”
B=“孩子本月收入提高”
假如父亲告诉孩子：“你已经独立了！”

P(B|A)= P(B)
 两个事件的独立性

设A，B为任意两个随机事件，如果
P(B|A)=P(B)
即事件B发生的可能性不受事件A的影响，则称事件B
对于事件A独立.

定义:设A,B是两事件,如果具有等式
P(AB)=P(A)P(B)
则称A,B为相互独立(Mutual independence)的事件.
• 定理:若事件 A 与事件 B 相互独立,则 A 与
B , A 与 B, A 与 B 也相互独立.

证明: 只证" A, B相互独立  A与B 独立"

P ( AB ) = P ( A) − P ( AB )
= P( A) − P( A) P( B)

= P( A)[1 − P( B)]
= P( A) P( B )
例:甲、乙两个战士打靶,甲的命中率为0.9,乙的
命中率为0.85,两人同时射击同一目标,各打一枪.
求目标被击中的概率.

解:设A={甲击中目标},B={乙击中目标}

P(A+B) =P(A)+P(B)-P(AB)
=P(A)+P(B)-P(A)P(B) （A与B独立）
=0.9+0.85-0.9×0.85=0.985
 多个事件的独立性
定义:设A,B,C是三事件,如果具有等式
P(AB)=P(A)P(B)
P(BC)=P(B)P(C)
P(CA)=P(C)P(A)
则 称 三 事 件 A,B,C 两 两 独 立 （ independence
between them ）.
•定义:设A,B,C是三事件,如果具有等式
P(AB)=P(A)P(B)
P(BC)=P(B)P(C)
P(CA)=P(C)P(A)
P(ABC)=P(A)P(B)P(C)
则称三事件A,B,C为相互独立（independence
each other ）的事件.
结论的应用 n 个独立事件和的概率公式:
设事件 相互独立,则

即 n个独立事件至少有一个发生的概率等于
1减去各自对立事件概率的乘积.
独立与互斥的关系
这是两个不同的概念！

两事件相互独立 二者之间没
两事件互斥 有必然联系

互斥是事件间本身的关系；
独立是事件间的概率属性。系
例 常言道：“三个臭皮匠,赛过诸葛亮.” 我们可以用概
率原理来加以论证。
假设诸葛亮解出问题的概率为0.8,三个臭皮匠独立解
出问题的概率分别为P(A)=0.5、P(B)=0.48、P(C)=0.45,且
每个臭皮匠解出问题是相互独立的.
解：三个臭皮匠中至少有一人解出问题的概率：
P(A+B+C)
＝P(A)+P(B)+P(C)-P(AB)-P(BC)-P(AC)+P(ABC)
＝0.857＞0.8
三个并不聪明的臭皮匠解出问题的可能性超过85％,
从而赛过聪明的诸葛亮。

这个计算结果说明什么？
例 一个元件(或系统)能正常工作的概率称为
元件(或系统)的可靠性. 如图所示, 设有 4 个独立
工作的元件 1, 2, 3, 4 按先串联再并联的方式联结
( 称为串并联系统 ) , 设第 i 个元件的可靠性为 pi
( i = 1, 2, 3, 4 ) . 试求系统的可靠性 .

1 2

3 4
解
以 Ai ( i = 1,2,3,4) 表示事件第 i 个元件正常工作,
 1 2

则有 A = A1 A2  A3 A4 . 3 4

由事件的独立性,得系统的可靠性 :
P ( A) = P ( A1 A2 ) + P ( A3 A4 ) − P ( A1 A2 A3 A4 )
= P ( A1 ) P ( A2 ) + P ( A3 ) P ( A4 ) − P ( A1 ) P ( A2 ) P ( A3 ) P ( A4 )
= p1 p2 + p3 p4 − p1 p2 p3 p4 .

若每个元件可靠的概率均为 p，则系统可靠性为：

若P=0.9，则P(A)=0.96，该系统可靠性比单个元件高
练习
1.设A、B为互斥事件， 且P(A)>0，P(B)>0，
下面四个结论中，正确的是(单选)
1. P(B|A)>0 2. P(A|B)=P(A)
3. P(A|B)=0 4. P(AB)=P(A)P(B)
2.设A、B为独立事件， 且P(A)>0，P(B)>0，
下面四个结论中，正确的是(多选)

1. P(B|A)>0 2. P(A|B)=P(A)
3. P(A|B)=0 4. P(AB)=P(A)P(B)
1.4 EXCEL在古典概率中的应用

计算机操作

练习：用EXCEL计算例题内容，并检验正确性
作业：
习题1.3
24、25、27 、30