Skip to Content

概统

高三概率统计复习的重点,不是把排列组合、概率、分布列、期望、统计图表分别看一遍,而是把它们连成“读情境 -> 建模型 -> 列分布 -> 求概率或期望 -> 解释结果”的完整链条。很多题失分,不在计算,而在前面的建模没有建对。

学习目标

  • 会区分排列与组合,并在情境中正确使用。
  • 会建立古典概型、条件概率和随机变量模型。
  • 会列分布列并求数学期望、方差。
  • 会从统计图表中提取信息并作出合理判断。

核心概念

1. 概统题先建模,不要先套公式

高三概统题最怕一上来就问“用哪个公式”。正确顺序通常是:

  1. 读清情境;
  2. 判断是选法问题、概率问题,还是随机变量问题;
  3. 再决定用排列组合、概率公式,还是分布列与期望。

2. 期望的意义

数学期望表示随机结果的平均水平,不等于一次实验必然得到的值。

它更适合比较多个方案的长期收益、平均成本或平均风险。

知识点详解

排列和组合

  • 有顺序:排列;
  • 无顺序:组合。

公式:

Anm=n!(nm)!A_n^m=\frac{n!}{(n-m)!} Cnm=n!m!(nm)!C_n^m=\frac{n!}{m!(n-m)!}

分布列

若随机变量 XX 的所有可能取值为

x1,x2,,xnx_1,x_2,\dots,x_n

对应概率为

p1,p2,,pnp_1,p_2,\dots,p_n

则必须满足

p1+p2++pn=1p_1+p_2+\cdots+p_n=1

数学期望和方差

数学期望:

E(X)=xipiE(X)=\sum x_i p_i

方差:

D(X)=(xiE(X))2piD(X)=\sum (x_i-E(X))^2 p_i

典型例题

例题 1:组合计数

从 5 人中选 2 人,有多少种选法?

解析:

只要求“选出哪两人”,不考虑顺序,所以用组合:

C52=10C_5^2=10

答案:

1010

例题 2:抛两枚硬币的分布列

抛两枚硬币,设正面朝上的个数为随机变量 XX,求 XX 的分布列。

解析:

样本空间为:

{(正,正),(正,反),(反,正),(反,反)}\{(\text{正,正}),(\text{正,反}),(\text{反,正}),(\text{反,反})\}

所以:

  • X=0X=0 的概率为 14\dfrac{1}{4}
  • X=1X=1 的概率为 24=12\dfrac{2}{4}=\dfrac{1}{2}
  • X=2X=2 的概率为 14\dfrac{1}{4}

答案:

XX012
PP14\frac{1}{4}12\frac{1}{2}14\frac{1}{4}

例题 3:求数学期望

求上题随机变量 XX 的数学期望。

解析:

E(X)=0×14+1×12+2×14=1E(X)=0 \times \frac{1}{4}+1 \times \frac{1}{2}+2 \times \frac{1}{4}=1

答案:

E(X)=1E(X)=1

易错点

易错点为什么错正确理解
排列和组合混淆没先判断顺序是否重要先问“交换顺序算不算同一种”
分布列漏写某个取值没把随机变量所有可能值列完整先列值,再逐个配概率
概率和不为 1漏情况或算错概率分布列最后一定检查总和
把期望当成“最可能值”没理解平均意义期望是长期平均水平
图表题只看数字,不解释现实意义模型和情境脱节结果要回到题干背景理解

规则总结

Anm=n!(nm)!A_n^m=\frac{n!}{(n-m)!} Cnm=n!m!(nm)!C_n^m=\frac{n!}{m!(n-m)!} E(X)=xipiE(X)=\sum x_i p_i D(X)=(xiE(X))2piD(X)=\sum (x_i-E(X))^2 p_i

练习题

  1. 从 6 本不同书中选 2 本,有多少种选法?
  2. 抛 3 枚硬币,正面个数恰为 2 的概率是多少?
  3. 说明为什么分布列中所有概率之和必须等于 1。
  4. 解释为什么现实决策题常用期望比较方案优劣。
  5. 说出一道概率统计题从读题到解题的标准流程。

参考答案

C62=15C_6^2=15
  1. 有利情况数为
C32=3C_3^2=3

总情况数为

23=82^3=8

故概率为

38\frac{3}{8}
  1. 因为随机变量所有可能结果已经覆盖全部情形,全部情形发生的总概率必须为 1。
  2. 因为期望反映长期平均收益或成本,更适合整体比较方案。
  3. 读情境 -> 判断模型 -> 列样本空间或随机变量取值 -> 求概率 -> 列分布列 -> 求期望或方差。

关联知识

概统题在高考里常以现实情境出现,真正拉开差距的通常不是公式本身,而是建模、分类和结果解释能力。