高中数学必修第二册 第十章 随机事件与概率 核心知识清单

高中数学必修第二册第十章随机事件与概率核心知识清单一、随机事件：概率论的基石与基本概念的建立在现实世界中，存在着两种截然不同的现象。一种是确定性现象，比如“抛掷一枚石块，它最终会下落”，在条件不变的情况下，其结果总是确定的。另一种是随机现象，比如“抛掷一枚质地均匀的硬币”，在抛掷之前，我们无法确定它一定是正面朝上还是反面朝上。概率论，正是研究随机现象数量规律的一门数学学科。本章节的所有讨论，都建立在“在相同的条件下，可以重复进行”的随机试验之上。（一）样本空间与样本点：刻画随机试验的基石【基础】对于一个具体的随机试验，我们首先需要明确所有可能发生的结果。1.样本点(ω)：随机试验的每一个可能的基本结果，称为一个样本点。它是不可再分的，是最基本的单位。例如，抛掷一枚骰子，“出现1点”就是一个样本点。2.样本空间(Ω)：所有样本点构成的集合，称为样本空间。它包含了该随机试验下所有可能发生的情况。例如，抛掷一枚骰子，其样本空间为Ω={1,2,3,4,5,6}。理解样本空间是后续所有概率计算的前提。对于复杂问题，准确写出样本空间或确定样本空间的总数（即样本点总数n），往往是解题的第一步。（二）随机事件的定义与分类【基础】我们把样本空间Ω的任意一个子集，称为一个随机事件，简称事件。通常用大写字母A，B，C等表示。1.必然事件：在每次试验中一定会发生的事件。它包含了所有的样本点，即样本空间Ω本身。其发生的概率为1。2.不可能事件：在每次试验中一定不会发生的事件。它不包含任何样本点，即空集∅。其发生的概率为0。3.随机事件：在每次试验中，可能发生也可能不发生的事件。它是Ω的一个非空真子集（除了必然事件和不可能事件之外的）。例如，抛掷一枚骰子，“掷出的点数为偶数”就是一个随机事件，它对应着子集{2，4,6}。【重要】当且仅当随机事件A中包含的某个样本点出现了，我们就说事件A发生了。（三）事件的关系与运算：概率计算的逻辑语言【高频考点】【难点】现实世界中的事件往往不是孤立存在的，它们之间存在着复杂的关系。理解并运用这些关系，是将复杂事件的概率转化为简单事件概率进行计算的桥梁。这部分的掌握程度，直接决定了后续学习的深度。1.事件的关系：●包含关系：若事件A发生必然导致事件B发生，则称事件B包含事件A，或称A是B的子事件，记作A⊆B。从集合的角度看，A是B的子集。例如，{1点}⊆{点数为奇数}。●相等关系：若A⊆B且B⊆A，则称事件A与事件B相等，记作A=B。2.事件的运算：......（和事件）：事件A与事件B至少有一个发生，这样构成的事件称为A与B的并事件，记作A∪B（或A+B）。它对应着集合的并集。推广到有限个事件A1，A2，...，An，它们的并事件表示“A1，A2，...，An中至少有一个发生”。...交事件（积事件）：事件A与事件B同时发生，这样构成的事件称为A与B的交事件，记作A∩B（或AB）。它对应着集合的交集。推广到有限个事件，它们的交事件表示“A1，A2，...，An同时发生”。●互斥事件（互不相容事件）：若事件A与事件B不能同时发生，即A∩B=∅，则称A与B互斥。这是概率计算中一个极其重要的关系，它意味着两个事件没有公共的样本点。●对立事件：若事件A与事件B有且仅有一个发生，即同时满足A∪B=Ω且A∩B=∅，则称A与B互为对立事件。事件A的对立事件通常记作Ā（非A）。【非常重要】对立事件一定是互斥事件，但互斥事件不一定是对立事件。例如，掷骰子，“点数为1”与“点数为2”互斥但不对立；而“点数为奇数”与“点数为偶数”则是对立事件。●差事件：事件A发生而事件B不发生，这样构成的事件称为A与B的差事件，记作AB。它对应着集合的差集。AB=A∩Ā。例如，A=“点数为奇数”，B=“点数大于3”，则AB=“点数为1或3”。3.事件的运算律：与集合的运算律完全一致，这是简化事件表达式的代数工具。●交换律：A∪B=B∪A，A∩B=B∩A。●结合律：(A∪B)∪C=A∪(B∪C)，(A∩B)∩C=A∩(B∩C)。●分配律：(A∪B)∩C=(A∩C)∪(B∩C)，(A∩B)∪C=(A∪C)∩(B∪C)。●德摩根律（对偶律）：【★极其重要★】这是将复杂事件转化为对立事件进行计算的利器。Ā∪B=Ā∩B̄（事件A与B至少有一个发生的对立面，是两者都不发生）Ā∩B=Ā∪B̄（事件A与B同时发生的对立面，是至少有一个不发生）考向分析：本部分的考点主要集中在选择题和填空题中。通常会给出一个具体的随机试验背景（如抽取产品、射击、掷骰子等），要求考生：（1）用符号表示给定的事件，或反过来解释符号所代表的事件。（2）判断事件间的关系（互斥、对立、包含）。（3）利用德摩根律求复杂事件的对立事件。二、概率的定义与性质：从感性认识到理性度量概率，简而言之，就是度量随机事件发生的可能性大小的一个数值。我们如何获得这个数值？它有哪些基本的运算规则？（一）频率与概率：统计定义与公理化定义【基础】1.频率：在相同的条件下，重复进行n次试验，事件A发生的次数nA称为频数，比值fn(A)=nA/n称为事件A发生的频率。频率具有波动性，但随着试验次数n的增加，频率会逐渐稳定于某个常数附近。频率的稳定性揭示了随机现象的内在规律性。2.概率的统计定义：当试验次数足够大时，事件A发生的频率稳定在某一个常数p附近，我们就把这个常数p称为事件A的概率，记作P(A)。3.概率的公理化定义：为了从数学上严格定义概率，苏联数学家柯尔莫哥洛夫提出了概率的三条基本公理，这也是我们进行所有概率推理的出发点。●公理1（非负性）：对于任何事件A，有P(A)≥0。●公理2（规范性）：必然事件的概率为1，即P(Ω)=1。.........列可加性）：对于两两互斥的事件A1，A2，...，有P(A1∪A2∪...)=P(A1)+P(A2)+...。【重要辨析】频率是试验值，具有随机性和波动性；概率是理论值，是客观存在的常数，是频率的稳定中心。我们常用频率来估计概率。（二）概率的基本性质：解题的直接依据【高频考点】由概率的三条公理，可以推导出一系列重要的性质，这些性质是我们进行概率计算的基本工具。1.有界性：对于任意事件A，有0≤P(A)≤1。特别地，P(∅)=0。.........性：若事件A1，A2，...，An两两互斥，则P(A1∪A2∪...∪An)=P(A1)+P(A2)+...+P(An)。这是概率计算中最核心的加法公式基础。3.对立事件公式：P(Ā)=1P(A)。【非常重要】当直接求某事件的概率较复杂时，转而求其对立事件的概率往往能化繁为简。4.包含关系（单调性）：若A⊆B，则P(A)≤P(B)，且P(BA)=P(B)P(A)。5.加法公式（一般情形）：对于任意两个事件A和B（不一定互斥），有P(A∪B)=P(A)+P(B)P(A∩B)。【非常重要】这是必须牢记的公式，它解决了非互斥事件并事件的概率计算。对于三个事件A，B，C，加法公式为：P(A∪B∪C)=P(A)+P(B)+P(C)P(A∩B)P(A∩C)P(B∩C)+P(A∩B∩C)。考向分析：本部分的考点通常与事件运算结合，出现在解答题的第一步，或选择题中直接考查对概率性质的理解。【易错点1】混淆互斥事件与对立事件，错误地认为互斥事件就是对立事件，或在使用加法公式时忘记减去P(A∩B)。【易错点2】在使用对立事件公式时，未能正确找出原事件的对立事件，尤其是涉及“至少有一个”或“至多有一个”的问题。例如，“至少两人射中”的对立事件是“只有一人射中或无人射中”。三、古典概型：等可能条件下的概率计算古典概型是概率论发展初期研究的主要对象，也是高中数学中最基本、最重要的概率模型。（一）古典概型的特征【基础】一个随机试验的数学模型被称为古典概型，当且仅当它满足以下两个条件：1.有限性：样本空间Ω中只包含有限个样本点。2.等可能性：每个基本事件（即每个样本点）发生的可能性相等。（二）古典概型的概率计算公式【核心】如果一次试验中共有n种等可能的结果，事件A包含了其中的m种结果，那么事件A发生的概率为：P(A)=事件A包含的样本点数/样本空间Ω中的样本点总数=m/n。（三）求解古典概型概率的步骤与核心方法【解题步骤】1.审题与判断：首先判断问题是否属于古典概型（是否有限、等可能）。2.计数：这是古典概型的核心和难点。●确定样本点总数n：明确试验的整个过程，弄清楚“一次试验”是什么，然后用排列、组合或列举法计算出所有可能的基本结果总数。●确定事件A包含的样本点数m：分析事件A发生需要满足的条件，同样用排列、组合或列举法计算出在满足条件下，有多少种基本结果。3.代入计算：将n和m代入公式P(A)=m/n，得出结果。（四）常用的计数工具与策略【难点】1.列举法：当样本点总数较少时，最简单直接的方法是按照一定的顺序（如字典序）将所有可能结果一一列举出来。可以借助树状图、表格等工具，确保不重不漏。【高频考点】例如，连续抛掷两次硬币，或同时抛掷两枚骰子。2.排列与组合：当样本点总数较多时，必须运用排列组合知识进行计数。这是概率计算与排列组合知识的结合点。●排列：与顺序有关。从n个不同元素中取出m个元素，按照一定的顺序排成一列。●组合：与顺序无关。从n个不同元素中取出m个元素，合成一组。【解题指南】在计数前，必须首先明确“顺序是否重要”。例如：●问题：“从含有次品的10件产品中任取2件”——这是一个组合问题，因为抽取的两件产品只看结果，不看顺序。●问题：“将3封信投入2个信箱”——这是一个可重复的排列问题，因为每封信对应一个信箱，信与信是不同的。●问题：“连续抛掷一枚骰子两次，记录点数和”——这是一个有序的排列问题，(1，2)和(2，1)代表了两种不同的结果。（五）常见的古典概型题型【高频考点】1.摸球问题（不放回与放回）：●【例】袋中有3个红球，2个白球。（1）无放回地摸出2球，求两球都是红球的概率。（组合问题）（2）有放回地摸出2球，求两球都是红球的概率。（可重复排列问题）2.数字问题：从09中任取数字组成数，或抽取卡片。【例】从1，2，3，4，5中任取3个不同的数字，组成一个三位数，求该数为偶数的概率。（需考虑顺序，且个位必须是偶数）3.分配问题：将物品分配到不同位置。【例】将4封不同的信投入3个不同的信箱，求每个信箱都有信的概率。4.几何背景的古典概型（人为构造的等可能）：如“在长度为1的线段上任取一点”，这并非古典概型，但若将其离散化，例如“在线段上等距地取100个点，求点落在某区间内的概率”，则可近似看作古典概型。【易错点3】计数时混淆了“有序”与“无序”。例如，在“从10人中选出2人”时用了排列，导致分子分母计数标准不统一。【易错点4】在“放回”与“不放回”问题上出错。放回抽样中，每次抽取时的条件相同，总样本点数是指数级增长；不放回抽样中，每次抽取条件变化，常用组合数计数。【易错点5】忽视“等可能”的前提。例如，将“射击一次，可能中靶也可能不中靶”视为古典概型，错误地认为中靶概率为1/2。这是不正确的，因为“中靶”和“不中靶”这两个结果并非等可能。四、概率的进阶模型：从古典到广义除了古典概型，现实世界中还有大量不具备“有限性”或“等可能性”的随机现象。为此，我们需要引入更强大的工具。（一）几何概型【热点】当随机试验的样本点个数是无限的，且每个样本点落在某个可度量（长度、面积、体积）的区域内是等可能的，这类概率模型称为几何概型。1.特征：●无限性：样本点个数无限，不可数。●等可能性：每个样本点落在度量相同的子区域内可能性相同。2.计算公式：P(A)=构成事件A的区域度量/试验的全部结果所构成的区域度量。这里的“度量”可以是线段的长度、平面图形的面积、立体图形的体积等。3.常见题型与解题关键：●与长度、角度有关的几何概型：如“在时间区间内等待”、“在一条线段上截取”。●与面积有关的几何概型：如“两人会面问题”、“随机撒点问题”。【非常重要】解决这类问题的关键是，根据题设条件，用变量（通常为x，y）表示随机结果，然后将事件A转化为关于x，y的约束条件，最后在平面直角坐标系中画出对应的区域，计算面积比。●与体积有关的几何概型。【解题步骤】（1）设变量：将随机试验的结果用变量（如时间、坐标）表示。（2）表示区域：用变量的约束条件表示整个样本空间构成的区域Ω。（3）表示事件：用变量的约束条件表示事件A构成的区域A。（4）计算度量：计算Ω和A的几何度量（长度、面积、体积）。（5）求概率：P(A)=度量(A)/度量(Ω)。（二）互斥事件的概率加法公式【非常重要】我们已经有了P(A∪B)=P(A)+P(B)P(A∩B)。当事件A与B互斥时，P(A∩B)=0，因此：P(A∪B)=P(A)+P(B)。推广到n个两两互斥的事件，这个公式极大地简化了“分类”情况下的概率计算。在解决复杂概率问题时，我们常常将一个事件分解为若干个互斥的简单事件的并，然后分别求概率再相加。这是一种重要的分类讨论思想。（三）对立事件的概率公式及其应用【高频考点】P(Ā)=1P(A)。这个公式的价值在于“正难则反”。当直接计算事件A的概率非常繁琐，需要考虑多种情况时，其对立事件Ā往往情况单一，计算简单。【常见应用场景】●“至少有一个”问题：求“至少一人射中”的概率，可先求其对立事件“无人射中”的概率。●“至多有一个”问题：求“至多一个次品”的概率，其对立事件为“至少两个次品”。●“事件A发生”的情况复杂，而“事件A不发生”的情况简单时。（四）相互独立事件与概率乘法公式【核心】【热点】1.相互独立事件的定义：对于事件A和B，如果其中一个事件的发生与否对另一个事件发生的概率没有影响，则称A与B相互独立。2.相互独立的等价条件：若A与B相互独立，则P(AB)=P(A)P(B)。反之，若P(AB)=P(A)P(B)，则A与B相互独立。【非常重要】这是判断和证明独立性的主要数学依据。3.独立事件的性质：若A与B相互独立，则A与B̄、Ā与B、Ā与B̄也相互独立。4.独立事件同时发生的概率乘法公式：●对于两个独立事件：P(AB)=P(A)P(B)。A1A2...An...P件：P(A1A2...An)=P(A1)P(A2)...P(An)。这个公式是解决“分步”情况下概率问题的核心。5.辨析“互斥”与“独立”：●互斥：描述的是两个事件能否“同时发生”，是事件间的关系，涉及集合运算。●独立：描述的是一个事件发生与否对另一个事件概率的影响，是概率上的关系，不涉及集合运算。它们是两个完全不同的概念，没有任何必然联系。两个概率大于0的互斥事件，一定不独立（因为互斥意味着P(AB)=0，而P(A)P(B)>0，所以P(AB)≠P(A)P(B)）。两个独立事件，如果概率都大于0，则一定可以同时发生（即不互斥）。（五）条件概率【难点】【拓展】条件概率是概率论中一个深刻的概念，它反映了在已知部分信息的基础上，对事件概率的重新估计。1.定义：在事件A发生的条件下，事件B发生的概率称为条件概率，记作P(B|A)。其计算公式为：P(B|A)=P(AB)/P(A)（其中P(A)>0）。2.理解：P(B|A)本质上是在样本空间被压缩为A之后，事件B在新的样本空间A中发生的概率。3.乘法公式的另一种形式：由条件概率的定义，我们可以得到概率的乘法公式：P(AB)=P(A)P(B|A)=P(B)P(A|B)。这个公式在处理有先后顺序或依赖关系的事件时非常有用。4.独立性与条件概率的关系：事件A与B相互独立的充要条件是P(B|A)=P(B)或P(A|B)=P(A)。这说明独立性就是“条件不影响结果”。五、概率计算的综合应用与解题策略在实际问题中，往往不是单一地使用某个公式，而是需要综合运用互斥事件的加法、独立事件的乘法、对立事件、条件概率以及古典概型的计数知识。（一）复杂事件的分解策略面对一个复杂事件，我们的核心策略是“分解”。通常有两种分解思路：......“分类”分解（用加法）：将事件E分解为若干个互斥的简单事件E1，E2，...，Ek的和。则P(E)=P(E1)+P(E2)+...+P(Ek)。分类时需遵循“不重不漏”的原则。2.按“分步”分解（用乘法）：将事件E分解为若干个相互独立的步骤的积（即同时发生）。则P(E)=P(第一步)P(第二步)......。分步时需确保各步骤之间相互独立。（二）典型问题的综合模型【模型一：独立重复试验与二项分布】（本小节是本章知识的重要延伸）在相同条件下重复进行的，各次之间相互独立的试验，称为独立重复试验。如果每次试验只有两个可能的结果（A发生与A不发生），且每次试验中P(A)=p保持不变，那么这样的试验称为n重伯努利试验。在n重伯努利试验中，事件A恰好发生k次的概率为：P(X=k)=C(n，k)p^k(1p)^(nk)，其中k=0，1，...，n。这是后续学习二项分布的基础，其本质是“k次发生，nk次不发生，且这k次可以是任意指定的k次”。【模型二：比赛与淘汰问题】这类问题往往需要分类讨论比赛的进程。【例】甲、乙两人进行五局三胜制的乒乓球比赛，甲每局胜的概率为p（各局独立）。求甲最终获胜的概率。【解题思路】甲获胜，可能有以下几种互斥的情况：3:0，3:1，3:2。分别计算每种情况的概率，再相加。需要注意的是，在计算3:1获胜时，前三局必须是甲胜两局、乙胜一局，且第四局甲胜；但不能写成C(4，3)p^3(1p)，因为这包含了第四局输的情况。正确写法应为：C(3，2)p^2(1p)p。【模型三：抽签的公平性】“抽签与顺序无关”是一个经典结论。例如，在n个签中只有一个“好”签，n个人依次不放回地抽签，每个人抽到好签的概率都是1/n，与抽签顺序无关。这可以用古典概型或条件概率严格证明。（三）易错点与规范答题要点【非常重要】1.设事件：解答概率题的第一步，也是最重要的一步。必须用准确、清晰的字母或文字表述设出题目中涉及的事件。例如：“设A=‘甲射中目标’，B=‘乙射中目标’”。然后，将所求事件用这些事件的运算符号表示出来。例如：“所求事件为‘两人至少一人射中’=A∪B