2018届高考文科数学第11章概率课件.pptx

《2018届高考文科数学第11章概率课件.pptx》由会员分享，可在线阅读，更多相关《2018届高考文科数学第11章概率课件.pptx（26页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2018届高考文科数学第11章概率课件目录CONTENTS概率的基本概念古典概型与几何概型条件概率与独立性概率的加法法则与乘法法则二项分布与超几何分布随机变量的期望与方差01概率的基本概念概率是衡量某一事件发生的可能性大小的数值，通常用 P 表示。概率的统计定义概率的古典定义概率的几何定义在等可能事件中，某一事件 A 发生的概率为该事件发生的方式数与全部可能事件发生的方式数之比。在概率论中，概率可以用一个几何图形来表示，即概率的几何概型。030201概率的定义概率等于 1 的事件，如掷一枚骰子出现点数 6。必然事件概率等于 0 的事件，如掷一枚骰子出现负数点数。不可能事件既不是必然事件也不是不

2、可能事件的事件，如掷一枚骰子出现点数 3。随机事件概率的分类任何事件的概率都大于等于 0。非负性必然事件的概率为 1，不可能事件的概率为 0。规范性对于两个互斥事件 A 和 B，它 们 的 概 率 满 足 P(AB)=P(A)+P(B)。可加性概率的性质02古典概型与几何概型特点样本空间中的样本点是有限的，每个样本点发生的概率是相等的。定义在概率论中，古典概型又称为等可能概型，它是一种概率模型，其中样本空间中的样本点是等可能的。例子掷一枚质地均匀的骰子，观察出现的点数，这是一个古典概型问题。古典概型的概念 几何概型的概念定义在概率论中，几何概型是一种概率模型，其中样本空间是一个几何图形，样本点

3、是该几何图形内的点。特点样本空间是无限的，但样本点在样本空间中的分布具有均匀性。例子在长度为1的线段上随机取一点，这是一个几何概型问题。古典概型的样本空间是有限的，而几何概型的样本空间是无限的。样本空间古典概型中每个样本点发生的概率相等，而几何概型中样本点在样本空间中的分布具有均匀性。等可能性古典概型适用于离散型随机试验，而几何概型适用于连续型随机试验。应用场景古典概型与几何概型的比较03条件概率与独立性条件概率是指在某个已知事件B发生的条件下，另一事件A发生的概率，记作P(A|B)。条件概率的计算公式为：P(A|B)=P(AB)/P(B)，其中P(AB)表示事件A和事件B同时发生的概率。条件

4、概率的取值范围是0,1，其中0表示事件A在事件B发生的条件下不可能发生，1表示事件A在事件B发生的条件下一定发生。条件概率的定义条件概率与独立性的关系若事件A与事件B相互独立，则P(A|B)=P(A)。条件概率的加法性质若P(B1)0，P(B2)0，则P(AB1B2)=P(AB1)+P(AB2)P(AB1B2)。条件概率具有传递性若P(B|A)0且P(C|B)0，则P(C|A)=P(CB|A)/P(B|A)。条件概率的性质03事件的独立性与条件概率的关系若事件A和事件B相互独立，则P(A|B)=P(A)。01事件独立性的定义若两个事件A和B相互独立，则一个事件的发生不影响另一个事件的发生。02

5、事件独立性的性质若事件A和事件B相互独立，则它们的任何子事件也相互独立。事件的独立性04概率的加法法则与乘法法则如果事件A和事件B是两个互斥事件，即A和B不能同时发生，那么事件A或事件B发生的概率为P(A+B)=P(A)+P(B)。概率的加法法则定义在解决概率问题时，如果两个事件互斥，我们可以用概率加法法则来计算它们的概率。概率加法法则的应用互斥事件是指两个事件不能同时发生，即它们的发生是互斥的。概率加法法则的注意事项概率的加法法则概率的乘法法则定义如果事件A和事件B是两个独立事件，即一个事件的发生不影响另一个事件的发生，那么事件A和事件B同时发生的概率为P(AB)=P(A)P(B)。概率乘法

6、法则的应用在解决概率问题时，如果两个事件独立，我们可以用概率乘法法则来计算它们同时发生的概率。概率乘法法则的注意事项独立事件是指一个事件的发生不影响另一个事件的发生，即它们的发生是相互独立的。概率的乘法法则互斥事件的概率加法公式定义01如果事件A和事件B是两个互斥事件，那么事件A或事件B发生的概率为P(A+B)=P(A)+P(B)。互斥事件的概率加法公式的应用02在解决概率问题时，如果两个事件互斥，我们可以用互斥事件的概率加法公式来计算它们中至少有一个发生的概率。互斥事件的概率加法公式的注意事项03互斥事件是指两个事件不能同时发生，即它们的发生是互斥的。互斥事件的概率加法公式05二项分布与超几

7、何分布 二项分布的概念二项分布是一种离散概率分布，描述了在n次独立重复的伯努利试验中成功的次数。二项分布的概率函数为P(X=k)=C(n,k)*pk*(1-p)(n-k)，其中X是成功的次数，n是试验次数，p是单次试验成功的概率。二项分布在概率论中有着重要的地位，是许多概率模型的基础。超几何分布是一种离散概率分布，描述了从有限总体中不放回地抽取n个样本，其中成功样本的个数。超几何分布的概率函数为P(X=k)=C(M,k)*C(N-M,n-k)/C(N,n)，其中X是成功的样本数，M是总体中成功的样本数，N是总体样本数，n是抽取的样本数。超几何分布在统计学、遗传学等领域有着广泛的应用。超几何分布

8、的概念在解决概率问题时，二项分布和超几何分布是非常重要的工具。二项分布在计算一些独立重复事件的概率时非常有用，例如抛硬币、抽奖等。超几何分布在解决不放回抽样问题时非常有用，例如在产品质量检验、市场调查等场景中。掌握二项分布和超几何分布的概念和计算方法，对于解决概率问题至关重要。01020304二项分布与超几何分布在解题中的应用06随机变量的期望与方差123随机变量的期望值是所有可能取值的概率加权和，表示为E(X)。定义E(X)=(x*p)，其中x是随机变量的取值，p是相应的概率。计算方法期望具有线性性质，即E(aX+b)=aE(X)+b。性质随机变量的期望定义方差是衡量随机变量取值分散程度的量，表示为D(X)。计算方法D(X)=(x-E(X)2*p，其中x是随机变量的取值，p是相应的概率。性质方差具有非负性，即D(X)=0。随机变量的方差方差是期望的线性变换，即D(X)=E(X-E(X)2。方差与期望一起描述了随机变量的统计特性，期望表示平均水平，方差表示波动范围。方差与期望的关系在概率论和统计学中有着广泛的应用，例如在参数估计、假设检验、回归分析等领域。期望与方差的关系