10 概率的基本概念

查看大图

统计学的价值在于用有限样本做有边界的判断，学习时要同时看数据、假设和结论。阅读时可以按「什么是概率？ -> 案例：投掷骰子的概率 -> 事件的分类 -> 案例：掷两颗骰子的独立事件」建立结构，再回到正文里的代码、案例或指标做验证。

查看大图

读完后，用一个真实小任务复查：输入是什么，处理环节在哪里，输出是否可验收；失败时先查「什么是概率？」，再查「案例：投掷骰子的概率」。

在上一篇中，我们讨论了描述性统计中的数据可视化，并学习了如何利用图表直观地展示和理解数据特征。在深入到概率基础之前，我们需要明确几个核心的概率概念，这将为接下来的常见概率分布的讨论奠定基础。

1. 什么是概率？

概率是用来衡量某个事件发生可能性的数学工具。用符号表示，事件 $A$ 发生的概率记作 $P(A)$，其取值范围是 $[0, 1]$。具体来说：

查看大图

学习概率基本概念时，先看样本空间、事件、互斥、独立、条件概率和加法乘法规则。

• 当 $P(A) = 0$ 时，事件 $A$ 不可能发生。
• 当 $P(A) = 1$ 时，事件 $A$ 确定会发生。
• 当 $0 < P(A) < 1$ 时，事件 $A$ 有可能发生。

案例：投掷骰子的概率

假设我们投掷一颗公平的六面骰子。每一面（1到6）的出现概率是相等的，因此我们可以计算每个结果的概率：

$$P(1) = P(2) = P(3) = P(4) = P(5) = P(6) = \frac{1}{6} \approx 0.1667$$

2. 事件的分类

在概率论中，事件可以分为以下几类：

查看大图

读《概率的基本概念》时，可以先看配图里的任务、概念、练习和判断点，再回到正文补细节。这样更容易判断这篇内容能放到哪个真实场景里。

• 简单事件：不可再分的事件，例如掷出一个1。
• 复合事件：由两个或多个简单事件组成的事件，例如掷出偶数（2、4、6）。
• 互斥事件：两个事件不能同时发生，例如掷出1和掷出2。
• 独立事件：两个事件的发生与否互不影响，例如投掷两颗骰子。

案例：掷两颗骰子的独立事件

我们可以设定事件 $A$ 为“第一颗骰子掷出3”，事件 $B$ 为“第二颗骰子掷出5”。由于这两个事件的结果互不影响，我们有：

$$P(A) = \frac{1}{6}, \quad P(B) = \frac{1}{6}$$

因此，事件 $A$ 和 $B$ 同时发生的概率是：

$$P(A \cap B) = P(A) \times P(B) = \frac{1}{6} \times \frac{1}{6} = \frac{1}{36}$$

3. 概率的性质

任何概率都遵循一些基本的性质，这些性质在进行概率计算时非常重要。

• 加法法则：如果事件 $A$ 和 $B$ 是互斥的，那么它们的联合概率为：

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

• 乘法法则：如果事件 $A$ 和 $B$ 是独立的，那么它们的联立概率为：

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

4. 条件概率

条件概率是指在某个已知条件下，另一个事件发生的概率。记作 $P(A | B)$，表示在事件 $B$ 发生的前提下事件 $A$ 发生的概率。它的定义为：

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

案例：从一副扑克牌中抽取

考虑一副标准的52张扑克牌。设 $A$ 为“抽到红色牌”，$B$ 为“抽到梅花”。我们首先知道：

• $P(A) = \frac{26}{52} = \frac{1}{2}$（红色牌有26张）
• $P(B) = \frac{13}{52} = \frac{1}{4}$（梅花牌有13张）

如果我们关心在抽到梅花的前提下抽到红色的概率（显然这不可能），则我们有：

$$P(A | B) = 0$$

查看大图

学完《概率的基本概念》后，不妨换一个自己的场景试一次，重点观察输入、处理和输出是否能对应起来。

查看大图

如果想把《概率的基本概念》用到自己的任务里，可以先缩小场景，只验证一个最关键的判断点。

5. 总结

我们今天学习了概率的基本概念，包括什么是概率、事件的分类、概率的性质以及条件概率的定义和应用。这些基本概念为我们后续讨论不同类型的概率分布提供了基础。

在下一篇中，我们将继续深入学习常见的概率分布，包括离散和连续分布，为理解随机现象提供更多的理论支持。请继续关注这个系列教程！