高三数学复习教程——概率与统计综合

概述

概率与统计是高考数学的重要板块，近年来在高考中的分值占比逐渐增加，通常出现在选择题、填空题和解答题中。概率部分主要考查古典概型、几何概型、条件概率、二项分布和正态分布等；统计部分主要考查抽样方法、用样本估计总体、回归分析和独立性检验等。本教程将系统梳理这些核心考点，帮助同学们在高考中高效解题。

一、古典概型与几何概型

1.1 古典概型

古典概型具有两个特征：

• 试验中所有可能出现的基本事件只有有限个
• 每个基本事件出现的可能性相等

概率计算公式：\(P(A) = \frac{A \text{ 包含的基本事件数}}{\text{基本事件总数}} = \frac{m}{n}\)

常用方法：

• 列举法：适用于基本事件较少的情况，直接列出所有可能结果
• 树形图法：适用于分步试验，画出所有可能的分支
• 列表法：适用于两个因素的试验，用表格列出所有组合

例题：同时掷两枚骰子，求点数之和为7的概率。

解：基本事件总数 \(n = 6 \times 6 = 36\)。点数之和为7的组合有：\((1,6), (2,5), (3,4), (4,3), (5,2), (6,1)\)，共6种。所以 \(P = \frac{6}{36} = \frac{1}{6}\)。

1.2 几何概型

几何概型的特征：每个基本事件的发生是等可能的，基本事件有无限多个。

概率计算公式：\(P(A) = \frac{\text{构成事件A的区域长度（面积、体积）}}{\text{试验全部结果构成的区域长度（面积、体积）}}\)

常见类型：

• 与长度有关的几何概型
• 与面积有关的几何概型
• 与体积有关的几何概型

例题：在区间 \([0, 10]\) 上随机取一个数 \(x\)，求 \(x\) 满足 \(x^2 - 6x + 8 < 0\) 的概率。

解：\(x^2 - 6x + 8 < 0\) 即 \((x-2)(x-4) < 0\)，解得 \(2 < x < 4\)。区间长度为 \(4 - 2 = 2\)，总区间长度为 \(10\)。所以 \(P = \frac{2}{10} = \frac{1}{5}\)。

1.3 互斥事件与对立事件

互斥事件：事件 \(A\) 和事件 \(B\) 不能同时发生，\(P(A \cap B) = 0\)。

对立事件：事件 \(A\) 和事件 \(\bar{A}\) 必有一个发生，\(P(A) + P(\bar{A}) = 1\)。

加法公式：\(P(A \cup B) = P(A) + P(B) - P(A \cap B)\)。互斥事件时简化为 \(P(A \cup B) = P(A) + P(B)\)。

二、条件概率与独立事件

2.1 条件概率

定义：在事件 \(B\) 已经发生的条件下，事件 \(A\) 发生的概率，记为 \(P(A|B)\)。

公式：\(P(A|B) = \frac{P(AB)}{P(B)}\)（\(P(B) > 0\)）

乘法公式：\(P(AB) = P(A|B) \cdot P(B) = P(B|A) \cdot P(A)\)

例题：袋中有3个红球和2个白球，依次取出两个球（不放回），求第一次取到红球的条件下第二次也取到红球的概率。

解：设 \(A\) 为"第一次取到红球"，\(B\) 为"第二次取到红球"。 \(P(A) = \frac{3}{5}\)，\(P(AB) = \frac{3}{5} \times \frac{2}{4} = \frac{3}{10}\)。 \(P(B|A) = \frac{P(AB)}{P(A)} = \frac{3/10}{3/5} = \frac{1}{2}\)。

2.2 相互独立事件

定义：事件 \(A\) 的发生不影响事件 \(B\) 发生的概率，即 \(P(B|A) = P(B)\)。

乘法公式：\(P(AB) = P(A) \cdot P(B)\)

注意：互斥事件和独立事件是两个不同的概念。互斥事件不可能同时发生，独立事件可以同时发生但互不影响。

2.3 全概率公式与贝叶斯公式

全概率公式：设 \(B_1, B_2, \ldots, B_n\) 是样本空间的一个划分，则： \(P(A) = \sum_{i=1}^{n} P(A|B_i) \cdot P(B_i)\)

贝叶斯公式： \(P(B_j|A) = \frac{P(A|B_j) \cdot P(B_j)}{\sum_{i=1}^{n} P(A|B_i) \cdot P(B_i)}\)

三、随机变量的分布

3.1 离散型随机变量

分布列：离散型随机变量 \(X\) 的所有可能取值及其对应概率的列表。

性质：

• \(P(X = x_i) = p_i \geq 0\)
• \(\sum_{i=1}^{n} p_i = 1\)

期望：\(E(X) = \sum_{i=1}^{n} x_i p_i\)

方差：\(D(X) = \sum_{i=1}^{n} (x_i - E(X))^2 p_i = E(X^2) - [E(X)]^2\)

性质：

• \(E(aX + b) = aE(X) + b\)
• \(D(aX + b) = a^2 D(X)\)

3.2 二项分布

定义：在 \(n\) 次独立重复试验中，事件 \(A\) 发生的概率为 \(p\)，则事件 \(A\) 发生的次数 \(X\) 服从二项分布 \(X \sim B(n, p)\)。

概率公式：\(P(X = k) = C_n^k p^k (1-p)^{n-k}\)，\(k = 0, 1, 2, \ldots, n\)

期望和方差：\(E(X) = np\)，\(D(X) = np(1-p)\)

例题：某射手每次射击命中目标的概率为 \(0.8\)，独立射击 \(5\) 次，求恰好命中3次的概率。

解：\(X \sim B(5, 0.8)\)，\(P(X = 3) = C_5^3 \times 0.8^3 \times 0.2^2 = 10 \times 0.512 \times 0.04 = 0.2048\)。

3.3 超几何分布

定义：\(N\) 件产品中有 \(M\) 件次品，从中取 \(n\) 件，次品数 \(X\) 服从超几何分布。

概率公式：\(P(X = k) = \frac{C_M^k C_{N-M}^{n-k}}{C_N^n}\)

期望：\(E(X) = \frac{nM}{N}\)

3.4 正态分布

定义：若连续型随机变量 \(X\) 的概率密度函数为 \(f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}}\)，则 \(X\) 服从正态分布 \(X \sim N(\mu, \sigma^2)\)。

性质：

• 图像关于 \(x = \mu\) 对称
• \(\mu\) 决定图像的位置，\(\sigma\) 决定图像的"胖瘦"
• \(P(\mu - \sigma < X < \mu + \sigma) \approx 0.6827\)
• \(P(\mu - 2\sigma < X < \mu + 2\sigma) \approx 0.9545\)
• \(P(\mu - 3\sigma < X < \mu + 3\sigma) \approx 0.9973\)

四、统计基础

4.1 抽样方法

简单随机抽样：每个个体被抽到的概率相等，适用于总体个数较少的情况。

系统抽样：将总体分成均衡的若干部分，按照预先制定的规则抽取，适用于总体个数较多的情况。

分层抽样：将总体按照某种特征分成若干层，从各层中独立抽取，适用于总体由差异明显的几部分组成的情况。

抽样方法的选择：

• 总体个数少→简单随机抽样
• 总体个数多且均衡→系统抽样
• 总体由差异明显的部分组成→分层抽样

4.2 用样本估计总体

频率分布表和频率分布直方图：

• 频率 = 频数 / 总数
• 各组频率之和为1
• 频率分布直方图中每个小矩形的面积等于该组的频率

数字特征：

• 平均数：\(\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i\)
• 中位数：将数据从小到大排列，位于中间的数
• 众数：出现次数最多的数据
• 方差：\(s^2 = \frac{1}{n} \sum_{i=1}^{n} (x_i - \bar{x})^2\)
• 标准差：\(s = \sqrt{s^2}\)

4.3 回归分析

最小二乘法：使回归直线与各数据点的偏差的平方和最小。

回归方程：\(\hat{y} = \hat{b}x + \hat{a}\)

\(\hat{b} = \frac{\sum_{i=1}^{n} x_i y_i - n\bar{x}\bar{y}}{\sum_{i=1}^{n} x_i^2 - n\bar{x}^2}\)

\(\hat{a} = \bar{y} - \hat{b}\bar{x}\)

相关系数：\(r = \frac{\sum(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum(x_i - \bar{x})^2 \cdot \sum(y_i - \bar{y})^2}}\)

• \(|r|\) 越接近1，线性相关程度越强
• \(|r|\) 越接近0，线性相关程度越弱

4.4 独立性检验

\(2 \times 2\) 列联表：

\(K^2\) 统计量：\(K^2 = \frac{n(ad - bc)^2}{(a+b)(c+d)(a+c)(b+d)}\)

判断标准：

• \(K^2 \geq 3.841\)：在犯错误率不超过 \(0.05\) 的前提下，认为 \(A\) 与 \(B\) 有关
• \(K^2 \geq 6.635\)：在犯错误率不超过 \(0.01\) 的前提下，认为 \(A\) 与 \(B\) 有关

练习题

练习1

一个袋子中有4个红球和6个白球，从中随机取出3个球，求恰好取到1个红球的概率。

答案：\(P = \frac{C_4^1 C_6^2}{C_{10}^3} = \frac{4 \times 15}{120} = \frac{60}{120} = \frac{1}{2}\)。

练习2

甲、乙两人独立射击同一目标，甲命中率为 \(0.6\)，乙命中率为 \(0.7\)，求目标被击中的概率。

答案：\(P(\text{击中}) = 1 - P(\text{都没击中}) = 1 - (1-0.6)(1-0.7) = 1 - 0.4 \times 0.3 = 1 - 0.12 = 0.88\)。

练习3

某随机变量 \(X\) 的分布列为：\(P(X=1)=0.2\)，\(P(X=2)=0.5\)，\(P(X=3)=0.3\)。求 \(E(X)\) 和 \(D(X)\)。

答案：\(E(X) = 1 \times 0.2 + 2 \times 0.5 + 3 \times 0.3 = 0.2 + 1.0 + 0.9 = 2.1\)。\(E(X^2) = 1 \times 0.2 + 4 \times 0.5 + 9 \times 0.3 = 0.2 + 2.0 + 2.7 = 4.9\)。\(D(X) = 4.9 - 2.1^2 = 4.9 - 4.41 = 0.49\)。

练习4

某工厂生产的零件，长度服从正态分布 \(N(10, 0.04)\)。求零件长度在 \(9.6\) 到 \(10.4\) 之间的概率。

答案：\(\mu = 10\)，\(\sigma = 0.2\)。\(9.6 = \mu - 2\sigma\)，\(10.4 = \mu + 2\sigma\)。所以 \(P(9.6 < X < 10.4) \approx 0.9545\)。

练习5

根据以下数据，求 \(y\) 关于 \(x\) 的线性回归方程：\((1, 2), (2, 3), (3, 5), (4, 4), (5, 6)\)。

答案：\(\bar{x} = 3\)，\(\bar{y} = 4\)。\(\sum x_i y_i = 2 + 6 + 15 + 16 + 30 = 69\)，\(\sum x_i^2 = 1 + 4 + 9 + 16 + 25 = 55\)。\(\hat{b} = \frac{69 - 5 \times 3 \times 4}{55 - 5 \times 9} = \frac{69 - 60}{55 - 45} = \frac{9}{10} = 0.9\)。\(\hat{a} = 4 - 0.9 \times 3 = 1.3\)。回归方程：\(\hat{y} = 0.9x + 1.3\)。

总结

概率与统计的复习要点：

1. 古典概型与几何概型：准确判断概型类型，熟练运用公式计算概率。

2. 条件概率与独立事件：理解条件概率的含义，区分互斥事件和独立事件。

3. 随机变量分布：掌握二项分布、超几何分布和正态分布的特点，能够计算期望和方差。

4. 统计基础：掌握三种抽样方法的特点和适用条件，能够用样本估计总体。

5. 回归分析与独立性检验：掌握最小二乘法求回归方程，理解独立性检验的基本思想。