高考数学知识点之概率

考试内容：
数学探索©版权所有www.delve.cn随机事件的概率．等可能性事件的概率．互斥事件有一个发生的概率．相互独立事件同时发生的概率．独立重复试验．
数学探索©版权所有www.delve.cn考试要求：
数学探索©版权所有www.delve.cn（1）了解随机事件的发生存在着规律性和随机事件概率的意义．
数学探索©版权所有www.delve.cn（2）了解等可能性事件的概率的意义，会用排列组合的基本公式计算一些等可能性事件的概率。
数学探索©版权所有www.delve.cn（3）了解互斥事件、相互独立事件的意义，会用互斥事件的概率加法公式与相互独立事件的概率乘法公式计算一些事件的概率．
数学探索©版权所有www.delve.cn（4）会计算事件在n次独立重复试验中恰好发生κ次的概率．

数学探索©版权所有www.delve.c

§11. 概率  知识要点

  

1. 概率：随机事件A的概率是频率的稳定值，反之，频率是概率的近似值.

2. 等可能事件的概率：如果一次试验中可能出现的结果有年n个，且所有结果出现的可能性都相等，那么，每一个基本事件的概率都是，如果某个事件A包含的结果有m个，那么事件A的概率.

3. ①互斥事件：不可能同时发生的两个事件叫互斥事件. 如果事件A、B互斥，那么事件A+B发生(即A、B中有一个发生)的概率，等于事件A、B分别发生的概率和，即P(A+B)=P(A)+P(B)，推广：.

②对立事件：两个事件必有一个发生的互斥事件叫对立事件. 例如：从1～52张扑克牌中任取一张抽到“红桃”与抽到“黑桃”互为互斥事件，因为其中一个不可能同时发生，但又不能保证其中一个必然发生，故不是对立事件.而抽到“红色牌”与抽到黑色牌“互为对立事件，因为其中一个必发生.

注意：i.对立事件的概率和等于1：.

ii.互为对立的两个事件一定互斥，但互斥不一定是对立事件.

③相互独立事件：事件A(或B)是否发生对事件B(或A)发生的概率没有影响.这样的两个事件叫做相互独立事件. 如果两个相互独立事件同时发生的概率，等于每个事件发生的概率的积，即P(A·B)=P(A)·P(B). 由此，当两个事件同时发生的概率P（AB）等于这两个事件发生概率之和，这时我们也可称这两个事件为独立事件.例如：从一副扑克牌（52张）中任抽一张设A：“抽到老K”；B：“抽到红牌”则 A应与B互为独立事件[看上去A与B有关系很有可能不是独立事件，但.又事件AB表示“既抽到老K对抽到红牌”即“抽到红桃老K或方块老K”有，因此有.

推广：若事件相互独立，则.

注意：i. 一般地，如果事件A与B相互独立，那么A 与与B，与也都相互独立.

ii. 必然事件与任何事件都是相互独立的.

iii. 独立事件是对任意多个事件来讲，而互斥事件是对同一实验来讲的多个事件，且这多个事件不能同时发生，故这些事件相互之间必然影响，因此互斥事件一定不是独立事件.

④独立重复试验：若n次重复试验中，每次试验结果的概率都不依赖于其他各次试验的结果，则称这n次试验是独立的. 如果在一次试验中某事件发生的概率为P，那么在n次独立重复试验中这个事件恰好发生k次的概率：.

4. 对任何两个事件都有

第二篇：高考数学知识点之概率与统计

高考数学知识点之概率与统计

考试内容：

抽样方法.总体分布的估计．
数学探索©版权所有www.delve.cn总体期望值和方差的估计．
数学探索©版权所有www.delve.cn考试要求：
数学探索©版权所有www.delve.cn（1）了解随机抽样了解分层抽样的意义，会用它们对简单实际问题进行抽样．
数学探索©版权所有www.delve.cn（2）会用样本频率分布估计总体分布．
数学探索©版权所有www.delve.cn（3）会用样本估计总体期望值和方差．

§12. 概率与统计  知识要点

一、随机变量.

1. 随机试验的结构应该是不确定的.试验如果满足下述条件：

①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果.

它就被称为一个随机试验.

2. 离散型随机变量：如果对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.若ξ是一个随机变量，a，b是常数.则也是一个随机变量.一般地，若ξ是随机变量，是连续函数或单调函数，则也是随机变量.也就是说，随机变量的某些函数也是随机变量.

设离散型随机变量ξ可能取的值为：

ξ取每一个值的概率，则表称为随机变量ξ的概率分布，简称ξ的分布列.

有性质①；  ②.

注意：若随机变量可以取某一区间内的一切值，这样的变量叫做连续型随机变量.例如：即可以取0～5之间的一切数，包括整数、小数、无理数.

3. ⑴二项分布：如果在一次试验中某事件发生的概率是P，那么在n次独立重复试验中这个事件恰好发生k次的概率是：[其中] 

于是得到随机变量ξ的概率分布如下：我们称这样的随机变量ξ服从二项分布，记作～B（n·p），其中n，p为参数，并记.

⑵二项分布的判断与应用.

①二项分布，实际是对n次独立重复试验.关键是看某一事件是否是进行n次独立重复，且每次试验只有两种结果，如果不满足此两条件，随机变量就不服从二项分布.

②当随机变量的总体很大且抽取的样本容量相对于总体来说又比较小，而每次抽取时又只有两种试验结果，此时可以把它看作独立重复试验，利用二项分布求其分布列.

4. 几何分布：“”表示在第k次独立重复试验时，事件第一次发生，如果把k次试验时事件A发生记为，事A不发生记为，那么.根据相互独立事件的概率乘法分式：于是得到随机变量ξ的概率分布列.

我们称ξ服从几何分布，并记，其中

5. ⑴超几何分布：一批产品共有N件，其中有M（M＜N）件次品，今抽取件，则其中的次品数ξ是一离散型随机变量，分布列为.〔分子是从M件次品中取k件，从N-M件正品中取n-k件的取法数，如果规定＜时，则k的范围可以写为k=0，1，…，n.〕

⑵超几何分布的另一种形式：一批产品由 a件次品、b件正品组成，今抽取n件（1≤n≤a+b），则次品数ξ的分布列为.

⑶超几何分布与二项分布的关系.

设一批产品由a件次品、b件正品组成，不放回抽取n件时，其中次品数ξ服从超几何分布.若放回式抽取，则其中次品数的分布列可如下求得：把个产品编号，则抽取n次共有个可能结果，等可能：含个结果，故，即～.[我们先为k个次品选定位置，共种选法；然后每个次品位置有a种选法，每个正品位置有b种选法] 可以证明：当产品总数很大而抽取个数不多时，，因此二项分布可作为超几何分布的近似，无放回抽样可近似看作放回抽样.

二、数学期望与方差.

1. 期望的含义：一般地，若离散型随机变量ξ的概率分布为

则称为ξ的数学期望或平均数、均值.数学期望又简称期望.数学期望反映了离散型随机变量取值的平均水平.

2. ⑴随机变量的数学期望： 

①当时，，即常数的数学期望就是这个常数本身.

②当时，，即随机变量ξ与常数之和的期望等于ξ的期望与这个常数的和.

③当时，，即常数与随机变量乘积的期望等于这个常数与随机变量期望的乘积.

⑵单点分布：其分布列为：.

⑶两点分布：，其分布列为：（p + q = 1）

⑷二项分布： 其分布列为～.（P为发生的概率）

⑸几何分布：  其分布列为～.（P为发生的概率）

3.方差、标准差的定义：当已知随机变量ξ的分布列为时，则称为ξ的方差. 显然，故为ξ的根方差或标准差.随机变量ξ的方差与标准差都反映了随机变量ξ取值的稳定与波动，集中与离散的程度.越小，稳定性越高，波动越小.

4.方差的性质.

⑴随机变量的方差.（a、b均为常数）

⑵单点分布： 其分布列为

⑶两点分布： 其分布列为：（p + q = 1）

⑷二项分布：

⑸几何分布：  

5. 期望与方差的关系.

⑴如果和都存在，则

⑵设ξ和是互相独立的两个随机变量，则

⑶期望与方差的转化：    ⑷（因为为一常数）.

三、正态分布.（基本不列入考试范围）

1.密度曲线与密度函数：对于连续型随机变量ξ，位于x轴上方，ξ落在任一区间内的概率等于它与x轴.直线与直线所围成的曲边梯形的面积

（如图阴影部分）的曲线叫ξ的密度曲线，以其作为

图像的函数叫做ξ的密度函数，由于“”

是必然事件，故密度曲线与x轴所夹部分面积等于1.

2. ⑴正态分布与正态曲线：如果随机变量ξ的概率密度为：. （为常数，且），称ξ服从参数为的正态分布，用～表示.的表达式可简记为，它的密度曲线简称为正态曲线.

⑵正态分布的期望与方差：若～，则ξ的期望与方差分别为：.

⑶正态曲线的性质.

①曲线在x轴上方，与x轴不相交.

②曲线关于直线对称.

③当时曲线处于最高点，当x向左、向右远离时，曲线不断地降低，呈现出“中间高、两边低”的钟形曲线.

④当＜时，曲线上升；当＞时，曲线下降，并且当曲线向左、向右两边无限延伸时，以x轴为渐近线，向x轴无限的靠近.

⑤当一定时，曲线的形状由确定，越大，曲线越“矮胖”.表示总体的分布越分散；越小，曲线越“瘦高”，表示总体的分布越集中.

3. ⑴标准正态分布：如果随机变量ξ的概率函数为，则称ξ服从标准正态分布. 即～有，求出，而P（a＜≤b）的计算则是.

注意：当标准正态分布的的X取0时，有当的X取大于0的数时，有.比如则必然小于0，如图. 

⑵正态分布与标准正态分布间的关系：若～则ξ的分布函数通

常用表示，且有.

4.⑴“3”原则.

假设检验是就正态总体而言的，进行假设检验可归结为如下三步：①提出统计假设，统计假设里的变量服从正态分布.②确定一次试验中的取值是否落入范围.③做出判断：如果，接受统计假设. 如果，由于这是小概率事件，就拒绝统计假设.

⑵“3”原则的应用：若随机变量ξ服从正态分布则 ξ落在内的概率为99.7％ 亦即落在之外的概率为0.3％，此为小概率事件，如果此事件发生了，就说明此种产品不合格（即ξ不服从正态分布）.