古典概型

9 minBeginner2026/6/14

等可能概型的定义与计算、排列组合基础、古典概型的典型问题与应用。

1. 古典概型的定义

1.1 等可能概型

若随机试验 EE 满足以下两个条件:

  1. 有限性:样本空间 Ω\Omega 中样本点的个数是有限的,即 Ω=n<|\Omega| = n < \infty
  2. 等可能性:每个样本点出现的概率相等,即 P(ω1)=P(ω2)==P(ωn)=1nP(\omega_1) = P(\omega_2) = \cdots = P(\omega_n) = \dfrac{1}{n}

则称此试验为古典概型(等可能概型)。

1.2 古典概型的概率计算

对于古典概型,事件 AA 的概率为:

P(A)=A 包含的样本点数Ω 中的样本点总数=AΩ=mnP(A) = \frac{A \text{ 包含的样本点数}}{\Omega \text{ 中的样本点总数}} = \frac{|A|}{|\Omega|} = \frac{m}{n}

其中 mm事件 AA 所包含的样本点个数(称为 AA有利场合数),nn 为样本空间 Ω\Omega 中样本点的总数。

1.3 古典概型的特点

  • 概率值在 [0,1][0, 1] 之间
  • 必然事件的概率为 1
  • 不可能事件的概率为 0
  • A1,A2,,AkA_1, A_2, \cdots, A_k 两两互斥,则 P(i=1kAi)=i=1kP(Ai)P\left(\bigcup_{i=1}^k A_i\right) = \sum_{i=1}^k P(A_i)

2. 排列组合基础

2.1 两个基本原理

加法原理:完成一件事有 nn 办法,第 ii 办法有 mim_i 种方法,则完成这件事共有

N=m1+m2++mnN = m_1 + m_2 + \cdots + m_n

种不同的方法。

乘法原理:完成一件事需要 nn 个步骤,第 ii 步有 mim_i 种方法,则完成这件事共有

N=m1×m2××mnN = m_1 \times m_2 \times \cdots \times m_n

种不同的方法。

2.2 排列

不可重复排列:从 nn 个不同元素中取出 rr 个(0rn0 \leq r \leq n),按一定顺序排成一列,称为从 nn 中取 rr排列,其排列数为:

Anr=Pnr=n!(nr)!A_n^r = P_n^r = \frac{n!}{(n-r)!}

r=nr = n 时,称为全排列

Ann=n!A_n^n = n!

可重复排列:从 nn 个不同元素中可重复地取出 rr 个排成一列,排列数为:

nrn^r

圆排列nn 个不同元素围成一圈的排列数为:

(n1)!(n-1)!

2.3 组合

不可重复组合:从 nn 个不同元素中取出 rr 个(0rn0 \leq r \leq n),不考虑顺序,称为从 nn 中取 rr组合,其组合数为:

Cnr=(nr)=n!r!(nr)!=Anrr!C_n^r = \binom{n}{r} = \frac{n!}{r!(n-r)!} = \frac{A_n^r}{r!}

可重复组合:从 nn 个不同元素中可重复地取出 rr 个(不考虑顺序),组合数为:

(n+r1r)=Hnr\binom{n+r-1}{r} = H_n^r

2.4 组合的重要性质

  1. (nr)=(nnr)\dbinom{n}{r} = \dbinom{n}{n-r}

  2. (nr)=(n1r1)+(n1r)\dbinom{n}{r} = \dbinom{n-1}{r-1} + \dbinom{n-1}{r}(帕斯卡恒等式)

  3. (n0)+(n1)++(nn)=2n\dbinom{n}{0} + \dbinom{n}{1} + \cdots + \dbinom{n}{n} = 2^n

  4. (n0)(n1)+(n2)+(1)n(nn)=0\dbinom{n}{0} - \dbinom{n}{1} + \dbinom{n}{2} - \cdots + (-1)^n \dbinom{n}{n} = 0

  5. (m+nr)=k=0r(mk)(nrk)\dbinom{m+n}{r} = \sum_{k=0}^{r} \dbinom{m}{k}\dbinom{n}{r-k}(范德蒙德恒等式)

  6. k=0n(nk)2=(2nn)\sum_{k=0}^{n} \dbinom{n}{k}^2 = \dbinom{2n}{n}

3. 古典概型的典型问题

3.1 抽球问题

问题:袋中有 aa 个白球和 bb 个黑球,从中任取 nn 个球(na+bn \leq a + b),求恰好取到 kk 个白球的概率。

:样本空间总数为 (a+bn)\dbinom{a+b}{n},有利场合数为 (ak)(bnk)\dbinom{a}{k}\dbinom{b}{n-k},因此

P=(ak)(bnk)(a+bn)P = \frac{\dbinom{a}{k}\dbinom{b}{n-k}}{\dbinom{a+b}{n}}

这称为超几何分布的概率公式。

3.2 分房问题

问题:将 nn 个人随机地分到 NN 个房间中(NnN \geq n),求下列事件的概率:

(1)指定的 nn 个房间各有一人;

(2)恰有 nn 个房间各有一人。

:每个人有 NN 种选择,nn 个人共有 NnN^n 种分法。

(1)有利场合数为 n!n!nn 个人在指定 nn 个房间的全排列),故

P1=n!NnP_1 = \frac{n!}{N^n}

(2)有利场合数为 (Nn)n!=ANn\dbinom{N}{n} \cdot n! = A_N^n,故

P2=ANnNn=N!Nn(Nn)!P_2 = \frac{A_N^n}{N^n} = \frac{N!}{N^n(N-n)!}

3.3 生日问题

问题nn 个人中至少有两人生日相同的概率是多少?(一年按 365 天计)

:直接计算”至少两人同生日”较复杂,考虑对立事件”所有人生日各不相同”:

P(至少两人同生日)=1P(各不相同)=1A365n365n=1365!365n(365n)!P(\text{至少两人同生日}) = 1 - P(\text{各不相同}) = 1 - \frac{A_{365}^n}{365^n} = 1 - \frac{365!}{365^n(365-n)!}

n=23n = 23 时,P0.507P \approx 0.507;当 n=50n = 50 时,P0.970P \approx 0.970;当 n=100n = 100 时,P0.9999997P \approx 0.9999997

3.4 配对问题

问题:将 nn 封信随机放入 nn 个信封,求至少有一封信放对的概率。

:设 AiA_i 表示第 ii 封信放对(i=1,2,,ni = 1, 2, \cdots, n),则

P(i=1nAi)=k=1n(1)k1(nk)(nk)!n!=k=1n(1)k1k!P\left(\bigcup_{i=1}^{n} A_i\right) = \sum_{k=1}^{n} (-1)^{k-1} \binom{n}{k} \frac{(n-k)!}{n!} = \sum_{k=1}^{n} \frac{(-1)^{k-1}}{k!}

nn \to \infty 时,P1e10.6321P \to 1 - e^{-1} \approx 0.6321

3.5 占位问题

问题:将 rr 个球随机放入 nn 个盒子中(rnr \geq n),求每个盒子都不空的概率。

:利用容斥原理:

P=1nrk=0n(1)k(nk)(nk)rP = \frac{1}{n^r}\sum_{k=0}^{n} (-1)^k \binom{n}{k}(n-k)^r

4. 古典概型的解题策略

4.1 解题步骤

  1. 明确试验:确定随机试验的内容
  2. 确定样本空间:写出所有可能结果,计算 Ω|\Omega|
  3. 确定事件:用集合表示所求事件,计算 A|A|
  4. 计算概率P(A)=AΩP(A) = \dfrac{|A|}{|\Omega|}

4.2 注意事项

  • 样本空间的选取应保证等可能性
  • 同一问题可以有不同的样本空间选取方式
  • 复杂问题可考虑对立事件简化计算
  • 善用排列组合公式计算有利场合数
  • 注意”有序”与”无序”的区别

4.3 常见错误

  1. 忽略等可能性:样本点的选取必须保证等可能
  2. 重复计数:在排列组合中避免重复计算
  3. 遗漏情况:分讨论时要做到不重不漏
  4. 混淆排列与组合:注意是否考虑顺序