🔢 高中数学必修第二册第十章 概率随机试验样本空间事件关系概率性质

随机事件与概率

理解随机试验、样本点、样本空间和随机事件,掌握事件的包含、并、交、互斥与对立关系,并会用概率基本性质和加法公式求解。

难度:★★★★★

💡明天会下雨是一件什么样的事件

抛一枚质地均匀的硬币,落地前不能确定哪一面朝上,但所有可能结果可以列出;明天是否下雨也不确定,却能根据气象资料估计可能性。概率研究的不是毫无规律的混乱,而是在相同条件下可重复观察、单次结果不确定而整体规律可描述的现象。

要准确计算,先要把试验可能结果和关心的问题写清楚。同一句“至少出现一次正面”,在抛一次和抛三次硬币时对应不同样本空间。概率公式必须建立在明确试验与事件之上。

🎯学习目标与考查重点
  • 理解随机试验的条件,能写出样本空间并判断样本点。
  • 会把实际问题表示为随机事件,掌握包含、相等、并、交和补运算。
  • 准确区分互斥事件与对立事件,理解二者的条件。
  • 掌握概率的取值范围、规范性和可加性。
  • 会使用一般加法公式、互斥加法公式和对立事件公式求概率。

一、随机试验、样本点与样本空间

对随机现象进行一次观察或实验,若它满足:可以在相同条件下重复进行;所有可能结果事先明确;每次试验出现哪一个结果事先不能确定,就称为随机试验,简称试验。

试验的每一个可能基本结果称为样本点,常用 ω\omega 表示;全体样本点组成的集合称为样本空间,记作 Ω\Omega。例如连续抛两次硬币,用“正”“反”记录先后次序,则

Ω={(正,正),(正,反),(反,正),(反,反)}.\Omega=\{(\text{正},\text{正}),(\text{正},\text{反}),(\text{反},\text{正}),(\text{反},\text{反})\}.

(正,反)(\text{正},\text{反}) 与 (反,正)(\text{反},\text{正}) 是不同样本点,因为次序不同。样本空间的写法取决于观察目标:若只记录正面次数,也可写成 {0,1,2}\{0,1,2\},但这些结果不一定等可能,不能不加判断地套用“有利结果数除以总结果数”。

二、随机事件及其关系

样本空间 Ω\Omega 的子集称为随机事件,简称事件。当试验结果所对应的样本点属于事件 AA 时,就说事件 AA 发生。只含一个样本点的事件称为基本事件。事件 Ω\Omega 每次必然发生,是必然事件;空集 ∅\varnothing 不可能发生,是不可能事件。

若 A⊆BA\subseteq B,表示事件 AA 发生必然导致事件 BB 发生。事件 A∪BA\cup B 表示“AA 或 BB 至少有一个发生”,包括二者同时发生;事件 A∩BA\cap B 表示“AA 与 BB 同时发生”。“或”在概率中通常是可兼或,不能擅自排除交集。

事件 AA 的对立事件记作 A‾\overline A,它由所有不属于 AA 的样本点组成,即

A‾=Ω∖A.\overline A=\Omega\setminus A.

AA 与 BB 互斥是指 A∩B=∅A\cap B=\varnothing,二者不能同时发生。若进一步有 A∪B=ΩA\cup B=\Omega,它们才互为对立事件。因此,对立一定互斥,互斥却不一定对立。

🔑

先把自然语言翻译为集合关系:“至少一个”对应并事件,“同时”对应交事件,“都不”对应并事件的对立,“恰有一个”要排除同时发生。事件关系写对以后,概率公式才不会用错。

三、概率的基本性质

对任意事件 AA,概率满足

0≤P(A)≤1,0\le P(A)\le1,

且

P(Ω)=1,P(∅)=0.P(\Omega)=1,\qquad P(\varnothing)=0.

如果事件 AA 与 BB 互斥,那么可加性给出

P(A∪B)=P(A)+P(B).P(A\cup B)=P(A)+P(B).

对任意事件 A,BA,B,由于同时发生的部分若直接相加会被计算两次,一般加法公式为

P(A∪B)=P(A)+P(B)−P(A∩B).P(A\cup B)=P(A)+P(B)-P(A\cap B).

将 B=A‾B=\overline A 代入,得到对立事件公式

P(A‾)=1−P(A).P(\overline A)=1-P(A).

此外,若 A⊆BA\subseteq B,则

P(B−A)=P(B)−P(A),P(B-A)=P(B)-P(A),

从而 P(A)≤P(B)P(A)\le P(B)。这些性质来自事件集合之间的关系,不要求样本点等可能,因此适用范围比古典概型计数公式更广。

四、把复杂叙述拆成事件运算

设 AA 表示“设备甲报警”,BB 表示“设备乙报警”。“至少一台报警”是 A∪BA\cup B;“两台都报警”是 A∩BA\cap B;“两台都不报警”是 A∪B‾=A‾∩B‾\overline{A\cup B}=\overline A\cap\overline B;“恰有一台报警”是

(A∩B‾)∪(A‾∩B).(A\cap\overline B)\cup(\overline A\cap B).

最后两个事件互斥,所以其概率可相加。

遇到“至少”问题,直接枚举往往分类很多,用对立事件更简洁。例如三次检测至少一次成功的对立事件是三次均失败。是否可以把三次失败概率直接相乘,还取决于各次事件是否相互独立;这不是对立事件公式本身保证的条件。

互斥与独立尤其容易混淆。两个概率均为正的互斥事件不可能独立,因为互斥给出 P(A∩B)=0P(A\cap B)=0,而独立要求 P(A∩B)=P(A)P(B)>0P(A\cap B)=P(A)P(B)\gt0。互斥描述能否同时发生,独立描述一个事件是否改变另一个事件的概率结构。

例 1原创基础例题:事件关系与加法公式

某班随机选一名学生,事件 AA 表示“参加合唱团”,事件 BB 表示“参加篮球队”。已知 P(A)=0.35P(A)=0.35,P(B)=0.28P(B)=0.28,P(A∩B)=0.10P(A\cap B)=0.10。求至少参加一个社团与两个社团都不参加的概率。

✏️ 查看分步解析

至少参加一个社团对应 A∪BA\cup B。由一般加法公式,

P(A∪B)=0.35+0.28−0.10=0.53.P(A\cup B)=0.35+0.28-0.10=0.53.

两个社团都不参加是 A∪BA\cup B 的对立事件,所以

P(A∪B‾)=1−0.53=0.47.P(\overline{A\cup B})=1-0.53=0.47.

不能把 0.350.35 与 0.280.28 直接相加,因为同时参加两个社团的学生会被重复计算一次。

例 2原创进阶例题:求恰有一个事件发生

对某次系统运行,事件 AA、BB 的概率分别为 0.60.6、0.50.5,且 P(A∪B)=0.8P(A\cup B)=0.8。求 AA、BB 恰有一个发生的概率。

✏️ 查看分步解析

先由一般加法公式求交事件:

P(A∩B)=P(A)+P(B)−P(A∪B)=0.6+0.5−0.8=0.3.P(A\cap B)=P(A)+P(B)-P(A\cup B)=0.6+0.5-0.8=0.3.

AA 发生而 BB 不发生的概率是 P(A)−P(A∩B)=0.3P(A)-P(A\cap B)=0.3;BB 发生而 AA 不发生的概率是 0.5−0.3=0.20.5-0.3=0.2。两种情况互斥,因此恰有一个发生的概率为

0.3+0.2=0.5.0.3+0.2=0.5.

也可用 P(A∪B)−P(A∩B)=0.8−0.3=0.5P(A\cup B)-P(A\cap B)=0.8-0.3=0.5。

⚠️易错点
  • 样本空间中的结果必须互不混淆并覆盖所有可能,是否区分次序要由试验规定决定。
  • A∪BA\cup B 包含 AA、BB 同时发生的情况,不是默认“二选一”。
  • 互斥只要求交集为空;对立还要求并集是整个样本空间。
  • 一般情况下 P(A∪B)P(A\cup B) 不能直接等于 P(A)+P(B)P(A)+P(B),必须扣除交事件。
  • 用乘法求多次均发生的概率需要独立性等条件,不能由“随机”二字直接推出。
🌏生活应用:双重预警系统

仓库用温度和烟雾两套传感器监测火情。若任一传感器报警就启动检查,启动事件是两个报警事件的并。评估误报率时必须扣除两者同时误报的重叠部分;若把两个误报率直接相加,会高估整体误报率。两套传感器还可能共同受粉尘或高温影响,因此不能未经检验就假定独立。概率模型帮助工程师明确逻辑,但参数仍要由实际运行数据估计。

五、自测与解析

1. 写出样本空间

连续抛两次骰子,只记录每次点数的奇偶,写出样本空间。

✏️ 查看答案

保留先后次序时,

Ω={(奇,奇),(奇,偶),(偶,奇),(偶,偶)}.\Omega=\{(\text{奇},\text{奇}),(\text{奇},\text{偶}),(\text{偶},\text{奇}),(\text{偶},\text{偶})\}.

2. 辨析互斥与对立

掷一枚骰子,A=A=“点数为 11”,B=B=“点数为 22”。它们是否互斥?是否对立?

✏️ 查看答案

二者不能同时发生,所以互斥;但还可能出现 3,4,5,63,4,5,6,故 A∪B≠ΩA\cup B\ne\Omega,二者不对立。

3. 使用对立事件

已知事件 CC 发生的概率为 0.720.72,求 CC 不发生的概率。

✏️ 查看答案

CC 不发生是 C‾\overline C,故

P(C‾)=1−P(C)=1−0.72=0.28.P(\overline C)=1-P(C)=1-0.72=0.28.
📺B 站视频讲解去 B 站观看「随机事件与概率视频讲解」优质讲解视频 →