高三数学总复习 · 概率统计模块 · 全国 II 卷
Senior 3 · General Review · Probability & Statistics

概率统计模块
总复习

不讲新课,只做三件事:把"事件关系"分清(互斥、对立、独立、条件),把"概率模型"选对(古典概型、二项分布、正态分布),把"数字特征"算准(分布列、期望、方差、平均数)。本模块的钥匙只有一句:先分清事件之间的关系,再选公式——公式用错,全是关系没分清。

全国 II 卷 · 云南 3+1+2共 16 页 · 投影版配套:概率统计模块诊断卷

复习路线

随机事件与频率 → 古典概型 → 互斥与对立 → 独立事件 → 条件概率 → 分布列 → 期望与方差 → 二项与正态 → 统计 → 综合应用

课堂用法

每页先动手:模拟抛硬币看频率逼近概率、拖滑块调分布列看期望方差实时变、调 n 和 p 看二项分布变形、拖 μ 和 σ 看正态曲线走动,再回头看公式。

本课目标

看到"至少"先想对立,看到"在……条件下"先缩小样本空间,看到分布列先验概率和等于 1,看到二项分布先查"独立重复、概率不变"。

μ:曲线的位置 σ:曲线的胖瘦 分布列:Σp = 1 频率 → 概率(大量重复试验)
Contents

目录

点任意一条直接跳页。课堂上建议按顺序走,查漏时按目录跳。

Knowledge 01

随机事件与概率:频率会晃,概率是定值

三类事件,先分清

  • 必然事件:一定发生,概率 1;不可能事件:一定不发生,概率 0;随机事件:可能发生也可能不发生,概率在 0 与 1 之间。
  • 频率:n 次试验中事件发生 m 次,频率 = m / n。频率随试验变化,是随机数。
  • 概率:大量重复试验时,频率稳定在某个常数附近,这个常数就是概率。概率是定值,频率是它的近似。
  • 任何事件 A:0 ≤ P(A) ≤ 1;必然事件记 Ω,不可能事件记 ∅。
频率 fₙ(A) = m / n ;n 越大,fₙ(A) 越接近 P(A)
易错提醒:"抛 10 次硬币 7 次正面,所以正面概率是 0.7"——错。0.7 只是这 10 次的频率;概率 0.5 是大量重复试验才能看出的稳定值。次数越少,频率离概率可能越远。

典型例题(口答)

某射手射击 1000 次,命中 498 次,估计他一次射击命中的概率。
解:频率 = 498 / 1000 = 0.498,次数足够多,估计概率约为 0.5。

动手:模拟抛硬币,看频率怎样逼近 0.5

横轴是累计试验次数,纵轴是"正面朝上"的频率;红虚线是概率 0.5
Knowledge 02

古典概型:等可能,才能数个数

两个条件,一个公式

  • 有限性:样本点只有有限个;等可能性:每个样本点出现的可能性相等。两个都满足,才是古典概型。
  • 解题三步:① 数样本点总数 n(Ω);② 数事件 A 包含的样本点数 n(A);③ 相除。
  • 计数工具就是计数原理(下一个模块细讲):排列、组合。分子分母的计数口径必须一致——都按有序数,或都按无序数。
P(A) = n(A) / n(Ω) = A 包含的样本点数 / 样本点总数
易错提醒:掷两枚硬币,"两正、一正一反、两反"不是三个等可能样本点——一正一反包含(正,反)和(反,正)两种,概率是 1/2 不是 1/3。凡是"等可能"存疑,就把样本点写全再数。

典型例题(口答)

同时掷两颗骰子,求点数之和为 7 的概率。
解:样本点共 6 × 6 = 36 个;和为 7 的有 (1,6)(2,5)(3,4)(4,3)(5,2)(6,1) 共 6 个,P = 6/36 = 1/6。

动手:拉滑块选"点数之和",看样本点怎样被点亮

行 = 第一颗骰子,列 = 第二颗骰子;橙色格子就是事件"和为 s"的样本点
Knowledge 03

互斥事件与对立事件:先看交集,再看并集

两种关系,层层递进

  • 互斥:A 与 B 不能同时发生,即 A ∩ B = ∅。此时 P(A ∪ B) = P(A) + P(B)。
  • 对立:互斥,且必有一个发生,即 A ∩ B = ∅ 且 A ∪ B = Ω。此时 P(Ā) = 1 − P(A)。对立一定互斥,互斥不一定对立。
  • 一般情形(不互斥)必须减交集:P(A ∪ B) = P(A) + P(B) − P(A ∩ B)。
  • "至少一个"问题的钥匙:正面数不清时,用对立事件——P(至少一个) = 1 − P(一个都不)。
互斥:P(A∪B) = P(A) + P(B);对立:P(Ā) = 1 − P(A)
易错提醒:P(A) + P(B) 能直接相加的前提是互斥;不互斥时直接相加会把交集算两遍。"至少答对一题""至少一人命中"这类题,先想对立面"全错""全不中",往往一步到位。

典型例题(口答)

事件 A、B 互斥,P(A) = 0.5,P(B) = 0.4。求 P(A ∪ B) 与 P(Ā)。
解:互斥可加:P(A ∪ B) = 0.5 + 0.4 = 0.9;对立:P(Ā) = 1 − 0.5 = 0.5。

动手:调三个概率,看并集公式实时算

Knowledge 04

相互独立事件:互不影响,才能相乘

定义与用法

  • 定义:A 发生与否不影响 B 发生的概率,即 P(A ∩ B) = P(A) · P(B),称 A、B 相互独立。
  • 判断靠实际意义:不同人、不同次、有放回抽取——互不影响,一般独立;同一试验里两个互斥事件(概率都大于 0)一定不独立。
  • 连锁结论:A 与 B 独立 ⇔ A 与 B̄、B 与 Ā、Ā 与 B̄ 都独立,解题时可以自由换成对立事件再相乘。
  • 三事件都发生:P(A ∩ B ∩ C) = P(A)P(B)P(C)(两两独立还不够,要相互独立,高中阶段按题意判断)。
A、B 独立 ⇔ P(A ∩ B) = P(A) · P(B)
易错提醒:互斥与独立是两套完全不同的概念:互斥说的是"能不能同时发生",独立说的是"发生概率互不影响"。互斥且概率都大于 0 的两个事件绝不可能独立——一个发生了,另一个概率直接变 0,影响最大。

典型例题(口答)

甲、乙独立射击,命中率分别为 0.6、0.7。求两人都命中、至少一人命中的概率。
解:都命中 = 0.6 × 0.7 = 0.42;至少一人 = 1 − 都不命中 = 1 − 0.4 × 0.3 = 1 − 0.12 = 0.88。

动手:调 P(A)、P(B),看"乘积"就是重叠的面积

大方块是样本空间 Ω(面积 1);竖条是 A,横条是 B,重叠部分的面积 = P(A) × P(B)
Knowledge 05

条件概率:条件一出,样本空间就缩小

定义与两种算法

  • 定义:P(A | B) 表示"在 B 已经发生的条件下,A 发生的概率"。
  • 公式法:P(A | B) = P(A ∩ B) / P(B),分母是条件事件 B 的概率,不是 1。
  • 缩小样本空间法:把样本空间缩小到 B 内部,在 B 里面数 A 发生的样本点:P(A | B) = n(A ∩ B) / n(B)。
  • 乘法公式:P(A ∩ B) = P(B) · P(A | B),求"接连发生"问题时常用。
P(A | B) = P(A ∩ B) / P(B) = n(A ∩ B) / n(B)
易错提醒:P(A | B) 与 P(B | A) 不是一回事,条件和结论不能换位。不放回抽取中,第二次的概率要跟着第一次的结果变——这正是条件概率,不是独立事件,不能直接相乘了事(相乘时第二个因子要用条件概率)。

典型例题(口答)

已知 P(A ∩ B) = 0.2,P(B) = 0.5,求 P(A | B)。
解:P(A | B) = 0.2 / 0.5 = 0.4。注意:若问 P(B | A),还需知道 P(A),不能由这两个数直接得出。

动手:袋中 5 红 3 白,不放回取两次,看样本空间缩小

行 = 第二次取球,列 = 第一次取球;对角线是"同一个球取两次",不放回时不存在
Knowledge 06

离散型随机变量与分布列:先列全,再验和

分布列的两条铁律

  • 随机变量 X:把每个随机结果对应成一个数。X 取值 x₁, x₂, …, xₙ,各取值概率排成一表,就是分布列。
  • 铁律一:每个概率 0 ≤ pᵢ ≤ 1;铁律二:p₁ + p₂ + … + pₙ = 1。含参数的分布列题,第一步永远用铁律二求参数。
  • 求分布列三步:① 定 X 的全部取值(不能漏、不能重);② 逐个算概率(古典概型、独立、条件概率都在这里用);③ 列表并验和。
  • 由分布列求事件概率:P(X ∈ 某集合) = 集合内各取值概率之和。
分布列:P(X = xᵢ) = pᵢ,且 Σ pᵢ = 1
易错提醒:X 的取值漏一个,概率和就小于 1,自己就能查出来——交卷前必验 Σp = 1。另一个高频坑:题目问 P(X ≥ 2),要把 2 及以上的概率全加上,别只取 P(X = 2)。

典型例题(口答)

随机变量 X 的分布列为:X 取 0、1、2,概率依次为 0.3、a、0.4,求 a。
解:由 Σp = 1:0.3 + a + 0.4 = 1,得 a = 0.3。

动手:切换三个场景,看分布列的形状

Knowledge 07

数学期望与方差:一个看中心,一个看波动

公式与性质

  • 期望(均值):E(X) = x₁p₁ + x₂p₂ + … + xₙpₙ,是 X 的"平均水平",单位与 X 相同。
  • 方差:D(X) = Σ (xᵢ − E(X))² pᵢ,计算时常用变形公式 D(X) = E(X²) − [E(X)]²;标准差 = √D(X),单位与 X 相同,方差单位是平方。
  • 线性性质:E(aX + b) = aE(X) + b;D(aX + b) = a²D(X)——加常数 b 不改变方差,乘 a 方差乘 a²。
  • 决策题套路:先比期望(收益高低),期望相同再比方差(谁更稳)。
E(X) = Σ xᵢpᵢ ;D(X) = E(X²) − [E(X)]² = Σ xᵢ²pᵢ − [E(X)]²
易错提醒:方差公式里减的是 [E(X)]²(期望的平方),不是 E(X²) 减 E(X);D(aX + b) 中 b 直接消失、a 要平方,写成 aD(X) 是最常见的丢分点。

典型例题(口答)

X 的分布列:X = 1 时概率 0.4,X = 2 时概率 0.6。求 E(X)、D(X)。
解:E(X) = 1×0.4 + 2×0.6 = 1.6;E(X²) = 1×0.4 + 4×0.6 = 2.8;D(X) = 2.8 − 1.6² = 2.8 − 2.56 = 0.24。

动手:调分布列的概率,看期望与方差实时变

P(X = 1) 自动补足到概率和为 1;红虚线是期望 E(X) 的位置——概率往哪边堆,期望就往哪边走
Knowledge 08

二项分布与正态分布:两个最常见的模型

二项分布:独立重复 n 次

  • 成立条件:同一试验独立重复 n 次,每次只有"成功 / 失败"两个结果,每次成功概率 p 不变。有放回抽取是它的典型场景;不放回抽取不是二项分布。
  • X ~ B(n, p):P(X = k) = C(n,k) pᵏ (1−p)ⁿ⁻ᵏ;E(X) = np,D(X) = np(1−p)。
X ~ B(n, p):E(X) = np,D(X) = np(1 − p)
易错提醒:套公式前先默念三查:独立吗?重复次数定吗?每次 p 一样吗?有一条不满足,就不能写 X ~ B(n, p)。

典型例题(口答):X ~ B(3, 1/3),求 P(X = 2)、E(X)、D(X)。
解:P(X = 2) = C(3,2)·(1/3)²·(2/3) = 3 × 1/9 × 2/3 = 2/9;E(X) = 3 × 1/3 = 1;D(X) = 3 × 1/3 × 2/3 = 2/3。

动手:调 n 和 p,看二项分布的形状

正态分布:μ 定位置,σ 定胖瘦

  • 记号:X ~ N(μ, σ²)。曲线关于 x = μ 对称,μ 是期望,σ 是标准差(注意第二个参数是 σ²)。
  • 3σ 原则(必背三个数):P(μ−σ < X < μ+σ) ≈ 0.6827;P(μ−2σ < X < μ+2σ) ≈ 0.9545;P(μ−3σ < X < μ+3σ) ≈ 0.9973。
  • 求区间概率靠对称性:先画中线 μ,区间不对称就拆成对称区间加减;P(X > μ + a) = [1 − P(μ−a < X < μ+a)] / 2。
曲线下总面积 = 1;关于 x = μ 对称,P(X < μ) = P(X > μ) = 0.5
易错提醒:N(100, 10²) 中 σ = 10 不是 100;σ 越大曲线越矮胖、越小越高瘦,但总面积永远是 1。求 P(X > 110) 这类单侧概率,别忘了用 (1 − 0.6827) / 2。

典型例题(口答):X ~ N(100, 10²),求 P(90 < X < 110) 与 P(X > 120)。
解:90、110 是 μ±σ:P ≈ 0.6827;120 是 μ+2σ:P(X > 120) = (1 − 0.9545) / 2 ≈ 0.0228。

动手:调 μ 和 σ,看曲线移动与变胖瘦

Knowledge 09

统计:平均数、方差与抽样方法

动手:拖动 5 个数据点,看平均数与方差实时变

↻ 拖动橙点改变数据 · 红虚线是平均数 x̄;点越分散,方差越大

每个点到 x̄ 的距离就是离差;方差是离差平方的平均数。把点都拖到一起,方差趋近 0;把点拉到两端,方差迅速变大。

公式与抽样

  • 平均数:x̄ = (x₁ + x₂ + … + xₙ) / n,反映数据的中心。
  • 方差:s² = [(x₁ − x̄)² + (x₂ − x̄)² + … + (xₙ − x̄)²] / n——分母是 n(高中公式,不是 n − 1);标准差 s = √s²。
  • 线性变换:每个数据都乘 a 再加 b:新平均数 = a·x̄ + b,新方差 = a²·s²(与期望方差的性质完全一致)。
  • 抽样方法:简单随机抽样(每个个体等可能被抽,适合总体较少);分层抽样(按层按比例抽,适合各层差异明显);系统抽样(等距抽取)。比例计算是高频考点:层内抽取数 = 层人数 × (样本量 / 总人数)。
s² = Σ(xᵢ − x̄)² / n ;比较稳定性:先比 x̄,再比 s²
易错提醒:方差公式分母写成 n − 1 是大学样本方差的写法,高考用 n;比较两组数据稳定性时,只比方差不比平均数也不行——量纲、水平不同时先看平均数是否可比。

典型例题(口答)

求数据 3, 5, 6, 8, 8 的平均数与方差。
解:x̄ = (3+5+6+8+8)/5 = 6;s² = [(3−6)² + (5−6)² + (6−6)² + (8−6)² + (8−6)²] / 5 = (9+1+0+4+4)/5 = 18/5 = 3.6。

Knowledge 10

综合应用:四种关系一张图,模型选对再计算

动手:"至少成功一次"的概率怎样随次数涨

曲线是 P(至少一次) = 1 − (1 − p)ⁿ 随 n 的变化;橙点是你选的 n

综合题的选模型清单

  • 等可能、数个数 → 古典概型:P = n(A) / n(Ω)。
  • 不能同时发生 → 互斥:概率相加;必有一个发生 → 对立:1 − P。
  • 互不影响 → 独立:概率相乘;"至少一个"先用对立再相乘。
  • 有条件、先发生了一个 → 条件概率:缩小样本空间。
  • 独立重复 n 次数成功次数 → 二项分布:P(X = k) = C(n,k)pᵏ(1−p)ⁿ⁻ᵏ。
  • 测量、成绩、身高类连续量 → 正态分布:对称性 + 3σ 原则。
  • 给出分布列求决策 → 先 E 后 D:期望比收益,方差比风险。
综合题第一步不是算,是选:关系 → 模型 → 公式 → 计算
易错提醒:同一道大题里几种模型常常接力出现:先用古典概型求单次概率 p,再套二项分布,最后用期望做决策。每一步交接处检查一次条件(独立?等可能?p 变没变?),比最后验算更管用。

答题骨架

① 设事件并写清每个事件的含义;② 判断事件关系、选模型,写出所用公式;③ 代入计算,概率题答案用分数或小数(保留题干要求);④ 分布列题列表后验 Σp = 1,期望方差题写清 E、D 的单位含义。

Worked Examples

典型例题(3 道):古典概型、条件概率、期望方差各一道

例 1 · 古典概型  从 5 名男生、3 名女生中任选 2 人参加比赛,求恰有 1 名女生的概率。

第 1 步(数总数):8 人中任选 2 人,样本点总数 n(Ω) = C(8, 2) = 28,每个样本点等可能,是古典概型。

第 2 步(数事件):"恰有 1 名女生" = 选 1 名女生 × 选 1 名男生:n(A) = C(3, 1) × C(5, 1) = 3 × 5 = 15。

第 3 步(相除):P(A) = 15 / 28。验算:P(0 女) = C(5,2)/28 = 10/28,P(2 女) = C(3,2)/28 = 3/28,三者之和 (15+10+3)/28 = 1 ✓。

点评:古典概型的分全在计数上:分子分母必须同口径(这里都按无序组合数)。做完用"所有情形概率和 = 1"验算,能当场抓出漏数、重数。

例 2 · 条件概率  袋中有 4 个红球、6 个白球,不放回地取两次。已知第一次取到白球,求第二次取到红球的概率。

第 1 步(缩小样本空间):条件"第一次是白球"发生后,袋中还剩 9 个球:4 红、5 白。样本空间已经从 10 个球缩小为 9 个球。

第 2 步(在新空间里算):第二次取到红球的概率 = 4 / 9。

第 3 步(公式法验算):设 B = 第一次白,A = 第二次红。P(B) = 6/10;P(A ∩ B) = (6/10) × (4/9) = 4/15。P(A | B) = P(A ∩ B) / P(B) = (4/15) / (6/10) = 4/9 ✓ 两种算法一致。

点评:不放回问题里,第二次面对的是"变了的袋子"。能想清缩小后的样本空间,就不必硬套公式;公式法中 P(A ∩ B) 的第二个因子 4/9 本身就是条件概率,别写成 4/10。

例 3 · 期望与方差  随机变量 X 的分布列为:X = 0、1、2,概率依次为 0.3、0.4、0.3。求 P(X ≥ 1)、E(X)、D(X)。

第 1 步(验分布列):0.3 + 0.4 + 0.3 = 1 ✓,每个概率都在 [0, 1] 内,分布列合法。P(X ≥ 1) = 0.4 + 0.3 = 0.7(也可以用对立:1 − P(X = 0) = 0.7)。

第 2 步(求期望):E(X) = 0 × 0.3 + 1 × 0.4 + 2 × 0.3 = 0.4 + 0.6 = 1。

第 3 步(求方差):先算 E(X²) = 0² × 0.3 + 1² × 0.4 + 2² × 0.3 = 0.4 + 1.2 = 1.6;再 D(X) = E(X²) − [E(X)]² = 1.6 − 1² = 0.6。标准差 √0.6 ≈ 0.77。

点评:期望方差题的标准动作:验和 → E(X) → E(X²) → 相减得 D(X)。分布列对称(0 与 2 概率相同)时期望必在正中间 1 处,可先猜后算,互相印证。
Common Mistakes

易错点清单:考前扫一遍

① 互斥、对立、独立三者混淆

互斥:不能同时发生(交集为空);对立:互斥且必发生一个(并集为 Ω);独立:发生概率互不影响(交集概率 = 概率之积)。概率相加的前提是互斥,相乘的前提是独立,两个前提绝不能混用;互斥且概率大于 0 的事件一定不独立。

② 条件概率分母用错

P(A | B) 的分母是 P(B),不是 1,也不是 P(A)。"在 B 发生的条件下"就是把样本空间换成 B:数点法 n(A∩B)/n(B),公式法 P(A∩B)/P(B)。P(A | B) 与 P(B | A) 一般不相等,条件结论不可换位。

③ 古典概型的"等可能"陷阱

样本点不等可能时不能直接数个数(如两硬币的"一正一反"占两格)。计数时分子分母口径要一致:都按有序或都按无序。不放回抽取逐次概率会变,别把每次都当成第一次。

④ 分布列不验和、事件概率漏项

分布列必须 Σpᵢ = 1 且每个 pᵢ ∈ [0, 1],含参数先用和为 1 求参。求 P(X ≥ a) 要把 a 及以上的概率全部相加(或用对立事件 1 − P(X < a)),只取等号那一项是高频错误。

⑤ 方差公式与线性性质记错

D(X) = E(X²) − [E(X)]²,减的是期望的平方;D(aX + b) = a²D(X):b 不影响方差,a 必须平方。统计方差分母是 n。标准差才与原数据同单位,方差单位是平方,别把两者写反。

⑥ 二项、正态套模型不查条件

二项分布要求独立重复、每次 p 不变——不放回抽取不是二项分布。正态 N(μ, σ²)里第二个参数是方差,σ 要开方读;区间概率靠对称性拆分,单侧概率记得用 (1 − 中间概率) / 2。

Practice

练一练(6 题)

先独立做,再点开答案对。每题后面标了对应的诊断知识点。

Summary

知识小结:一张网收全课

一条主线:关系 → 模型 → 数字特征

关系是入口:互斥能加、对立能减(1 − P)、独立能乘、条件要缩小样本空间。模型是工具:等可能用古典概型,独立重复用二项分布,连续对称用正态分布。数字特征是出口:分布列先验和,期望看中心,方差看波动,统计里的平均数、方差与它们同源。

四句口诀

  • 至少一个想对立,条件出现缩空间。
  • 相加先查互斥,相乘先查独立。
  • 分布列先验和为一,方差先算 E(X²) 再减期望平方。
  • 二项查"独立重复 p 不变",正态抓对称与 3σ。

与诊断卷对照

诊断卷错题回查:随机事件的概念 → 第 3 页;古典概型 → 第 4 页;互斥事件 → 第 5 页;相互独立事件 → 第 6 页;条件概率 → 第 7 页;分布列与期望 → 第 8、9 页;方差 → 第 9 页;二项分布 → 第 10 页;平均数与方差 → 第 11 页。错哪补哪,不整本重刷。

下一模块预告

概率统计模块到此结束。下一站是最后一个模块:计数原理——排列、组合与二项式定理,正是本模块古典概型计数的"上游"。做完它,全部 11 个模块的高三总复习就齐了。

操作提示:← → 或滑动翻页 · 目录可跳页 · 全屏更适合投影。

目录 · 跳页