第 6 章 概率统计(概率篇)
⚠️ 公式渲染脚本(MathJax)没有加载成功。请连接网络后刷新页面;若离线使用,公式会显示为 LaTeX 源码。
古典概型 · 独立性 · 分布律

第 6 章 概率统计(概率篇)

高考分值约 5~6 分(进解答题合计 12~17 分)| 先读信息卡,再按三遍法学习

建议学习时长:8 小时(分 4 次,每次 2 小时)
自测达标标准:6 道自测题做对 5 道,限时 30 分钟。
特别要求:"至少""至多"类题目必须会用对立事件。
达标后才能进入第 7 章(数列)。


【这章高考能拿几分】

能拿 5~6 分;进解答题时相关小问合计 12~17 分。
项目情况
出现在哪小题 1~2 道(选择或填空),或解答题(常与统计合考)
分值小题 5~6 分;解答题相关小问合计 12~17 分
考不考年年考,100%。新高考卷尤其爱考条件概率和分布列
难度★★★(三星)。概念多,但每种题型都有固定套路
前置知识会数数(第 4 章计数原理)、会分数运算

为什么紧跟着统计篇学?

因为高考卷里统计和概率经常是同一道大题: 前几问考统计(算频率、列联表),后几问考概率(求分布列、期望)。 两章一起学完,这道 12~17 分的大题你就整道都能动笔了。

说句实话:概率题是"最容易因为读错字而丢分"的题。
比如"至少有一个"和"恰好有一个",只差两个字,做法完全不同。
所以这一章读题要慢,圈关键词。


【必须背住的核心概念】

1. 事件与概率的基本语言

名词意思记号
必然事件一定会发生概率 $= 1$
不可能事件一定不发生概率 $= 0$
随机事件可能发生也可能不发生概率在 $0$ 到 $1$ 之间

概率的取值范围:任何事件 $A$,都有 $0 \le P(A) \le 1$。

频率与概率的区别(选择题常考):

  • 频率是做 $n$ 次试验,事件发生的次数 $m$ 与 $n$ 的比值 $\dfrac{m}{n}$(会变);
  • 概率是事件本身的客观属性(不变);
  • 当试验次数很大时,频率稳定在概率附近。

坑:"做 10 次试验,事件发生了 3 次,所以概率是 0.3"——错。
只能说"频率是 0.3"。概率要通过大量试验的频率来估计。


2. 事件的关系(读懂符号是第一步)

关系记号人话解释
包含$A \subseteq B$$A$ 发生一定导致 $B$ 发生
并(和)事件$A \cup B$ 或 $A + B$$A$、$B$ 至少有一个发生
交(积)事件$A \cap B$ 或 $AB$$A$、$B$ 同时发生
互斥(互不相容)$A \cap B = \varnothing$$A$、$B$ 不能同时发生
对立事件$\bar{A}$$A$ 不发生

必背的三条公式:

① 互斥事件(不能同时发生):

$$P(A \cup B) = P(A) + P(B)$$

② 对立事件(一定一者发生):

$$P(\bar{A}) = 1 - P(A)$$

③ 任意两个事件(通用公式):

$$P(A \cup B) = P(A) + P(B) - P(A \cap B)$$

人话解释:为什么通用公式要减去 $P(A \cap B)$? 因为 $A$ 和 $B$ 有重叠,重叠部分被算了两次,得减掉一次。

速记:互斥就"加",对立就"一减",一般就"加完再减重叠"。


3. 古典概型(必须拿稳的分)

判断标准(两个条件都满足才是古典概型):

  1. 有限性:所有可能的结果有限个;
  2. 等可能性:每个结果发生的可能性相等。

核心公式:

$$P(A) = \frac{\text{事件 } A \text{ 包含的结果数 } m}{\text{所有可能的结果数 } n}$$

解题三步骤:

  1. 数出所有可能结果数 $n$(用列举、列表、树状图,或第 4 章的排列组合);
  2. 数出满足条件的结果数 $m$;
  3. 相除得概率。

万能方法:一个一个列出来。
当你不知道怎么数的时候,就把所有结果老老实实写出来。
掷 2 个骰子只有 36 种,抽 2 个球也就十几种,完全列得完。
列出来是最笨但最可靠的办法。

例子:同时掷 2 枚骰子,求点数之和为 7 的概率。

所有结果:$6 \times 6 = 36$ 种(第一枚 6 种 × 第二枚 6 种)。

和为 7 的组合:$(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)$,共 6 种。

$$P = \frac{6}{36} = \frac{1}{6}$$

4. "至少""至多"问题的通杀技巧(必考)

核心思路:正面难算,就反过来算。

$$\boxed{P(\text{至少一个}) = 1 - P(\text{一个都没有})}$$

例子:从 5 个红球、3 个白球中任取 3 个, 求"至少取到 1 个红球"的概率。

正面算(麻烦):要分"1 红 2 白""2 红 1 白""3 红 0 白"三种情况。

反过来算(简单):

$$P(\text{至少 } 1 \text{ 红}) = 1 - P(\text{全是白球})$$
$$P(\text{全是白球}) = \frac{C_3^3}{C_8^3} = \frac{1}{56}$$

所以:

$$P(\text{至少 } 1 \text{ 红}) = 1 - \frac{1}{56} = \frac{55}{56}$$

口诀:见到"至少",先想"一个都没有";见到"至多",先想"全部都是"。


5. 条件概率(新高考高频考点)

定义:在事件 $A$ 已经发生的条件下,事件 $B$ 发生的概率,记作 $P(B|A)$。

公式:

$$P(B|A) = \frac{P(AB)}{P(A)}\quad (P(A) > 0)$$

人话解释:条件概率就是"把范围缩小了"。 原来是整个样本空间 $\Omega$,现在 $A$ 已经发生了, 所以只在 $A$ 里面考虑,$B$ 占 $A$ 的比例就是条件概率。

另一种算法(缩小样本空间法): 直接数:$P(B|A) = \dfrac{\text{AB 同时发生的结果数}}{\text{A 发生的结果数}}$。

例子:掷一枚骰子,已知掷出的点数不超过 3, 求点数为奇数的概率。

  • 设 $A$ 表示"点数不超过 3",即 $A = \{1,2,3\}$,共 3 种;
  • 设 $B$ 表示"点数为奇数",即 $B = \{1,3,5\}$;
  • $AB = \{1,3\}$,共 2 种。
$$P(B|A) = \frac{2}{3}$$

(用公式验证:$P(AB) = \dfrac{2}{6}$,$P(A) = \dfrac{3}{6}$, 相除得 $\dfrac{2}{3}$,一样。)


6. 独立事件与独立重复试验

独立事件

定义:$A$ 发生与否不影响 $B$ 发生的概率,就说 $A$、$B$ 相互独立。

判定公式:

$$P(AB) = P(A) \cdot P(B)$$

人话解释:独立事件可以同时发生(所以不是互斥), 而且"一起发生"的概率等于各自概率相乘。

坑:互斥 $\neq$ 独立!
互斥是"不能同时发生",独立是"互不影响"。
两个事件如果互斥且概率都大于 0,那它们一定不独立
(因为一个发生,另一个就不可能发生,影响太大了)。

独立重复试验(伯努利试验)

场景:同一个试验重复做 $n$ 次,每次只有"成功/失败"两种结果, 每次成功的概率都是 $p$,且各次相互独立。

公式(二项分布,必背):恰好成功 $k$ 次的概率:

$$P(X = k) = C_n^k \, p^k (1-p)^{n-k}$$

解读:

  • $C_n^k$:从 $n$ 次里挑出 $k$ 次成功(有几种挑法);
  • $p^k$:$k$ 次都成功;
  • $(1-p)^{n-k}$:剩下 $n-k$ 次都失败。

7. 离散型随机变量的分布列与期望(解答题必考)

分布列

定义:列出随机变量 $X$ 可能取的值,以及取每个值的概率。

$X$$x_1$$x_2$$\dots$$x_n$
$P$$p_1$$p_2$$\dots$$p_n$

两条性质(验算用):

  1. $0 \le p_i \le 1$;
  2. $p_1 + p_2 + \cdots + p_n = 1$(概率之和必须是 1)。

期望(平均数)

$$E(X) = x_1 p_1 + x_2 p_2 + \cdots + x_n p_n$$

人话解释:期望就是"加权的平均数"—— 每个值乘上它出现的概率,再加起来。它代表"平均来看会得到多少"。

方差

$$D(X) = \sum_{i=1}^{n} (x_i - E(X))^2 \, p_i$$

常用的两个分布(公式必背)

① 两点分布(0—1 分布):$X$ 只取 0 或 1,$P(X=1) = p$。

$$E(X) = p,\quad D(X) = p(1-p)$$

② 二项分布:$X \sim B(n, p)$。

$$E(X) = np,\quad D(X) = np(1-p)$$

速记:二项分布,期望是 $np$,方差是 $np(1-p)$。
记住"期望 = 试验次数 × 成功概率",很直观。

期望的线性性质(好用)

$$E(aX + b) = aE(X) + b$$
$$D(aX + b) = a^2 D(X)$$

8. 正态分布(小题送分)

记号:$X \sim N(\mu, \sigma^2)$,$\mu$ 是均值,$\sigma^2$ 是方差。

图象特征(钟形曲线):

  • 关于直线 $x = \mu$ 对称;
  • $\mu$ 决定位置(对称轴),$\sigma$ 决定胖瘦($\sigma$ 越小越"瘦高");
  • 曲线与横轴之间的总面积为 1。

必背的 3σ 原则:

$$P(\mu - \sigma < X < \mu + \sigma) \approx 0.6827$$
$$P(\mu - 2\sigma < X < \mu + 2\sigma) \approx 0.9545$$
$$P(\mu - 3\sigma < X < \mu + 3\sigma) \approx 0.9973$$

对称性推论(常考):

$$P(X < \mu) = P(X > \mu) = 0.5$$
$$P(X < \mu - a) = P(X > \mu + a)$$

例子:$X \sim N(70, 10^2)$,求 $P(60 < X < 80)$。

这里 $\mu = 70$,$\sigma = 10$,所以 $60 = \mu - \sigma$,$80 = \mu + \sigma$。

$$P(60 < X < 80) \approx 0.6827$$

【手把手例题】

做题规矩:先想 30 秒 → 看解析抄一遍 → 遮住再做一遍。不许跳步。


例 1(古典概型,最基础的送分题)

题目:从 1、2、3、4、5 这 5 个数字中不放回地任取 2 个, 求取出的 2 个数之和为偶数的概率。

思路分析: "和为偶数"意味着两个数同奇或同偶(奇+奇=偶,偶+偶=偶)。

完整步骤:

先数所有结果数 $n$:

从 5 个数里取 2 个(不分顺序):

$$n = C_5^2 = \frac{5 \times 4}{2 \times 1} = 10$$

再数满足条件的结果数 $m$:

5 个数里,奇数有 3 个(1、3、5),偶数有 2 个(2、4)。

  • 两个都是奇数:$C_3^2 = \dfrac{3 \times 2}{2} = 3$
  • 两个都是偶数:$C_2^2 = 1$
$$m = 3 + 1 = 4$$

求概率:

$$P = \frac{m}{n} = \frac{4}{10} = \frac{2}{5}$$

答:概率为 $\dfrac{2}{5}$。

验算(列举法):所有 10 种取法是
12、13、14、15、23、24、25、34、35、45,
其中和为偶数的是 13(=4)、15(=6)、24(=6)、35(=8),共 4 种 ✓


例 2("至少"问题,对立事件套路)

题目:甲、乙两人各投篮一次,甲命中的概率是 0.6, 乙命中的概率是 0.5,两人投篮互不影响。 求"至少一人命中"的概率。

思路分析: 见到"至少",立刻想到"用 1 减去一个都没有的概率"。 这里"一个都没有" = "两人都没命中"。

完整步骤:

设 $A$ 表示"甲命中",$B$ 表示"乙命中"。

先算各自不中:

$$P(\bar{A}) = 1 - 0.6 = 0.4$$
$$P(\bar{B}) = 1 - 0.5 = 0.5$$

因为两人互不影响(独立),所以"都不中"的概率可以相乘:

$$P(\bar{A}\,\bar{B}) = 0.4 \times 0.5 = 0.20$$

所以:

$$P(\text{至少一人命中}) = 1 - P(\text{都不中}) = 1 - 0.20 = 0.80$$

答:至少一人命中的概率为 0.8。

验算(正面算):
$P = P(A\bar{B}) + P(\bar{A}B) + P(AB)$
$= 0.6\times0.5 + 0.4\times0.5 + 0.6\times0.5$
$= 0.30 + 0.20 + 0.30 = 0.80$ ✓
结果一样,但对立事件法少算两步。


例 3(条件概率,新高考爱考)

题目:某班有 50 名学生,其中男生 30 人、女生 20 人。 已知该班有 10 人会游泳,且这 10 人中有 8 人是男生。 从该班会游泳的学生中随机选 1 人,求此人是男生的概率。

思路分析: "从会游泳的学生中选"——这就是条件。 样本空间从"全班 50 人"缩小到"会游泳的 10 人"。

完整步骤:

设 $A$ 表示"会游泳",$B$ 表示"是男生"。

要求的就是 $P(B|A)$。

方法一:缩小样本空间法(推荐)

在会游泳的 10 人中,男生有 8 人,所以:

$$P(B|A) = \frac{8}{10} = 0.8$$

方法二:公式法(验算)

$$P(A) = \frac{10}{50} = 0.2$$
$$P(AB) = P(\text{会游泳且是男生}) = \frac{8}{50} = 0.16$$
$$P(B|A) = \frac{P(AB)}{P(A)} = \frac{0.16}{0.2} = 0.8$$

答:概率为 0.8。

读题技巧:看到"已知……的条件下""从……中"
"在……中"这类字眼,八成是条件概率。
分母不再是全体,而是"条件圈定的那一拨"。


例 4(独立重复试验,二项分布)

题目:某射手每次射击命中目标的概率为 0.8,且各次射击互不影响。 他射击 4 次,求恰好命中 3 次的概率。

思路分析: 这就是标准的独立重复试验:$n = 4$,$p = 0.8$,$k = 3$。 直接套二项分布公式。

完整步骤:

$$P(X = 3) = C_4^3 \times 0.8^3 \times (1-0.8)^{4-3}$$
$$C_4^3 = \frac{4 \times 3 \times 2}{3 \times 2 \times 1} = 4$$
$$0.8^3 = 0.512$$
$$(1-0.8)^1 = 0.2$$
$$P(X=3) = 4 \times 0.512 \times 0.2 = 0.4096$$

答:恰好命中 3 次的概率为 0.4096。

补充:若问"至少命中 3 次":

$$P(X \ge 3) = P(X=3) + P(X=4)$$
$$P(X=4) = C_4^4 \times 0.8^4 \times 0.2^0 = 1 \times 0.4096 \times 1 = 0.4096$$
$$P(X \ge 3) = 0.4096 + 0.4096 = 0.8192$$

例 5(分布列与期望,解答题标准流程)

题目:某游戏有 3 道关卡,玩家通过每道关卡的概率都是 $\dfrac{2}{3}$, 且各关互不影响。设 $X$ 为玩家通过的关卡数, (1)求 $X$ 的分布列;(2)求 $E(X)$。

思路分析: 通过关卡数 $X$ 服从二项分布 $B\left(3,\ \dfrac{2}{3}\right)$。 逐项算出 $X = 0,1,2,3$ 的概率,列表,再算期望。

完整步骤:

(1)分布列

$$P(X=0) = C_3^0 \left(\frac{2}{3}\right)^0 \left(\frac{1}{3}\right)^3 = 1 \times 1 \times \frac{1}{27} = \frac{1}{27}$$
$$P(X=1) = C_3^1 \left(\frac{2}{3}\right)^1 \left(\frac{1}{3}\right)^2 = 3 \times \frac{2}{3} \times \frac{1}{9} = \frac{6}{27}$$
$$P(X=2) = C_3^2 \left(\frac{2}{3}\right)^2 \left(\frac{1}{3}\right)^1 = 3 \times \frac{4}{9} \times \frac{1}{3} = \frac{12}{27}$$
$$P(X=3) = C_3^3 \left(\frac{2}{3}\right)^3 \left(\frac{1}{3}\right)^0 = 1 \times \frac{8}{27} \times 1 = \frac{8}{27}$$

验算:$\dfrac{1+6+12+8}{27} = \dfrac{27}{27} = 1$ ✓

分布列:

$X$0123
$P$$\frac{1}{27}$$\frac{6}{27}$$\frac{12}{27}$$\frac{8}{27}$

(2)期望

用定义:

$$E(X) = 0 \times \frac{1}{27} + 1 \times \frac{6}{27} + 2 \times \frac{12}{27} + 3 \times \frac{8}{27}$$
$$= 0 + \frac{6}{27} + \frac{24}{27} + \frac{24}{27} = \frac{54}{27} = 2$$

用二项分布公式验算:$E(X) = np = 3 \times \dfrac{2}{3} = 2$ ✓

答:分布列如上表,期望 $E(X) = 2$。

答题规范:分布列必须画成表格,表格要有 $X$ 行和 $P$ 行,
概率建议化简($\dfrac{6}{27}$ 写成 $\dfrac{2}{9}$ 更规范,
但为了方便求和,先用同分母算再化简也行)。


例 6(正态分布,小题送分)

题目:已知随机变量 $X \sim N(80, 5^2)$, 若 $P(X < 75) = 0.16$,求 $P(75 < X < 85)$。

思路分析: 利用正态曲线的对称性。$\mu = 80$,$\sigma = 5$, 所以 75 和 85 关于 80 对称。

完整步骤:

$$75 = 80 - 5 = \mu - \sigma$$
$$85 = 80 + 5 = \mu + \sigma$$

由对称性:

$$P(X > 85) = P(X < 75) = 0.16$$

所以:

$$P(75 < X < 85) = 1 - P(X < 75) - P(X > 85)$$
$$= 1 - 0.16 - 0.16 = 0.68$$

答:$P(75 < X < 85) = 0.68$。

(这与 $3\sigma$ 原则里的 $0.6827$ 一致,说明题目数据是自洽的。)


【模仿练习】

练 1:从甲、乙、丙 3 名学生中选出 2 人参加活动, 其中甲被选中的概率是多少?

练 2:袋中有 4 个红球、6 个白球,从中任取 3 个, 求"至少取到 1 个红球"的概率。(用对立事件算)

练 3:已知 $P(A) = 0.5$,$P(B) = 0.3$,$P(AB) = 0.15$。 判断 $A$、$B$ 是否相互独立,并求 $P(A \cup B)$。

练 4:某批产品的次品率为 0.1,从中有放回地抽取 5 件, 求恰有 2 件次品的概率。(结果保留三位小数)

练 5:掷一枚均匀骰子 2 次,设 $X$ 为"出现 6 点的次数"。 (1)写出 $X$ 的分布列;(2)求 $E(X)$。

练 6:已知 $X \sim N(50, 4^2)$,且 $P(X < 46) = 0.16$, 求 $P(46 < X < 54)$。


答案与思路 —— 做完再看,点我展开
提示:先自己做完题再展开。对完答案后,把做错的题抄一遍解析,第二天再做一次。

【答案与思路】

对答案的规矩:错了的题,不要只看答案,
要把下面的解析抄一遍,然后明天再做一次。
只对答案不抄过程 = 没做。

练 1 答案

从 3 人选 2 人,所有选法:$C_3^2 = 3$(甲乙、甲丙、乙丙)。

含甲的选法:甲乙、甲丙,共 2 种。

$$P = \frac{2}{3}$$

答:概率为 $\dfrac{2}{3}$。


练 2 答案

用对立事件:

$$P(\text{至少 1 红}) = 1 - P(\text{全白})$$
$$P(\text{全白}) = \frac{C_6^3}{C_{10}^3} = \frac{20}{120} = \frac{1}{6}$$
$$P(\text{至少 1 红}) = 1 - \frac{1}{6} = \frac{5}{6}$$

答:概率为 $\dfrac{5}{6}$。

($C_6^3 = \dfrac{6\times5\times4}{3\times2\times1} = 20$, $C_{10}^3 = \dfrac{10\times9\times8}{3\times2\times1} = 120$。)


练 3 答案

判断独立性:

$$P(A) \cdot P(B) = 0.5 \times 0.3 = 0.15$$

而 $P(AB) = 0.15$,两者相等,所以 $A$、$B$ 相互独立。

求 $P(A \cup B)$:

$$P(A \cup B) = P(A) + P(B) - P(AB) = 0.5 + 0.3 - 0.15 = 0.65$$

答:$A$、$B$ 相互独立,$P(A \cup B) = 0.65$。


练 4 答案

有放回抽取 = 独立重复试验,$n = 5$,$p = 0.1$,$k = 2$。

$$P(X=2) = C_5^2 \times 0.1^2 \times 0.9^3$$
$$C_5^2 = \frac{5 \times 4}{2} = 10$$
$$= 10 \times 0.01 \times 0.729 = 0.0729$$

答:恰有 2 件次品的概率约为 0.073。


练 5 答案

$X \sim B\left(2,\ \dfrac{1}{6}\right)$。

$$P(X=0) = C_2^0 \left(\frac{1}{6}\right)^0 \left(\frac{5}{6}\right)^2 = \frac{25}{36}$$
$$P(X=1) = C_2^1 \left(\frac{1}{6}\right)^1 \left(\frac{5}{6}\right)^1 = 2 \times \frac{5}{36} = \frac{10}{36}$$
$$P(X=2) = C_2^2 \left(\frac{1}{6}\right)^2 \left(\frac{5}{6}\right)^0 = \frac{1}{36}$$

验算:$\dfrac{25+10+1}{36} = 1$ ✓

分布列:

$X$012
$P$$\frac{25}{36}$$\frac{10}{36}$$\frac{1}{36}$

期望(用公式最快):

$$E(X) = np = 2 \times \frac{1}{6} = \frac{1}{3}$$

(用定义验算:$0\times\dfrac{25}{36} + 1\times\dfrac{10}{36} + 2\times\dfrac{1}{36} = \dfrac{12}{36} = \dfrac{1}{3}$ ✓)

答:分布列如上,$E(X) = \dfrac{1}{3}$。


练 6 答案

$\mu = 50$,$\sigma = 4$,所以 $46 = \mu - \sigma$,$54 = \mu + \sigma$。

由对称性:$P(X > 54) = P(X < 46) = 0.16$。

$$P(46 < X < 54) = 1 - 0.16 - 0.16 = 0.68$$

答:$P(46 < X < 54) = 0.68$。


本章总结(抄一遍,加深印象)

  1. 概率基本公式:
    • 互斥:$P(A \cup B) = P(A) + P(B)$;
    • 对立:$P(\bar{A}) = 1 - P(A)$;
    • 通用:$P(A \cup B) = P(A) + P(B) - P(AB)$。
  2. 古典概型:$P = \dfrac{m}{n}$,关键词是有限且等可能。
    不会数就一个一个列出来。
  3. "至少/至多"通杀:$P(\text{至少一个}) = 1 - P(\text{一个都没有})$。
  4. 条件概率:$P(B|A) = \dfrac{P(AB)}{P(A)}$,
    本质是"把样本空间缩小到 $A$"。
  5. 独立性:$P(AB) = P(A)P(B)$。互斥 $\neq$ 独立,别搞混。
  6. 二项分布:$P(X=k) = C_n^k p^k (1-p)^{n-k}$,
    $E(X) = np$,$D(X) = np(1-p)$。
  7. 分布列:必须画表格,概率之和必须等于 1(写完立刻验算)。
  8. 正态分布:关于 $x = \mu$ 对称,$P(X<\mu) = P(X>\mu) = 0.5$,
    $\mu \pm \sigma$ 内约 0.6827。

学渣自救手册 · 内容整理自公开高考真题与教辅资料
仅供学习使用 · 可直接用浏览器打印/另存为 PDF