【文化课学习笔记】【数学】统计与概率
【数学】统计与概率
统计
定义
为了实现某种调查目的，进行收集数据，整理数据，分析数据。
收集数据
方法：全面调查和抽样调查。
全面调查：调查所有对象。优点：全面。缺点：工作量大。
抽样调查：从全体中抽取一部分样本调查。抽样调查必须保证每个个体有相同的几率被抽到。
高中阶段介绍了三种抽样调查：简单随机抽样、系统抽样和分层抽样。
简单随机抽样
适用范围：当总体中的个体之间差异程度较小，并且总体中个体数目较少时，通常采用这种方法。
内容：抽签，随机数法。
系统抽样（等距抽样）
适用范围：总体数量和需要抽取的数量都比较大。
内容：线分段在第一段中随机抽取一个，再依次加上分段间隔。
例如：在 \(1000\) 名学生中抽取 \(100\) 人，根据系统抽样，可以首先将 \(1000\) 个人平均分为 \(100\) 段，每段 \(10\) 人，将每一段的所有人从 \(1\) 到 \(10\) 编号，然后在 \(1\) 到 \(10\) 中随机抽取一个编号，对每一段都抽取这个编号。则抽到的 \(100\) 个人即为所求。
分层抽样（按比例抽样）
适用范围：调查对象可分成有明显差别的、互不重叠的几部分。
内容：每一部分可称为层，在各层中按层在总体中所占比例进行随机抽样。
例如：某校有 \(300\) 名男生，\(700\) 名女生，需要抽取 \(100\) 人调查身高情况。
由于身高与性别有关，所以需要分层。可以按照男女比例为 \(3:7\) 抽取 \(30\) 个男生，\(70\) 个女生，调查身高。
整理数据
茎叶图
以上图为例。中间一列叫做茎，表示高位数字，甲和乙共用。两边的列叫做叶，表示低位数字，甲和乙各自用。
观察时可一行一行看，那么甲对应的数为 \(0,12,15,24,25,\cdots\)，乙对应的数为 \(8,13,13,14,16,23,26,29,\cdots\)。
频率分布直方图
频数：对应区间有几个对象（出现的次数）。
频率：对应区间占总人数的比（比值）。所有的频率之和为 \(1\)。
频数分布直方图的纵坐标表示频数，即每个组的个数；频率分布直方图纵坐标不表示频率，而表示 \(\dfrac{频率}{组距}\)，组距即为每一组对应区间的端点之差。
做有关频率分布直方图的问题时，应该先找到组距，再根据组距 \(\times\) 纵坐标求得每一组的频率。
在频率分布直方图中，每个矩形的面积即为频率。
技巧方法：
- 利用频率分布直方图估计平均数时，可以通过直方图求出每组的频率，然后通过每组频率 \(\times\) 对应组的组中值 再相加的方式估算。注意：若题目告诉用每组的某个对应值代替每组的平均数，则直接代入即可；若没有告诉，则利用对应组的组中值代替平均数。
- 利用频率分布直方图估计中位数时，由于每一组的矩形面积即为每一组的频率，则需要找到一条直线 \(x = a\) 平分图中所有矩形面积，通过图形找出对应 \(x = a\) 所在组然后根据面积估算即可。
分析数据
统计量
表示数据集中程度：平均数，中位数，众数。
表示数据离散程度：极差，方差，标准差。
平均数
定义：给定一组数 \(x_1,x_2, \cdots,x_n\)，则其平均数为 \(\overline x = \dfrac 1 n (x_1 + x_2 +\cdots + x_n)\)，常记为 \(\overline x = \dfrac 1 n \sum \limits_{i = 1}^n x_i\)。
用频率计算平均数：将每个数与其出现的频率相乘，再相加。
性质：
- 把一组数同时加上 \(b\)，则平均数也加 \(b\)。
- 把一组数同时乘上 \(a\)，则平均数也乘 \(a\)。
中位数
定义：
- 如果一组数有奇数个，且按照从小到大排列 \(x_1,x_2,\cdots,x_{2n + 1}\)，则 \(x_{n+1}\) 为中位数。
- 如果一组数有偶数个，且按照从小到大排列 \(x_1,x_2,\cdots,x_{2n}\)，则 \(\dfrac{x_n + x_{n + 1}}{2}\) 为中位数。
性质：
- 把一组数同时加上 \(b\)，则中位数也加 \(b\)。
- 把一组数同时乘上 \(a\)，则中位数也乘 \(a\)。
众数
定义：一组数据中，出现次数最多的数据。众数可以不唯一。
如果所有数出现的次数相同，则没有众数。
性质：
- 把一组数同时加上 \(b\)，则众数也加 \(b\)。
- 把一组数同时乘上 \(a\)，则众数也乘 \(a\)。
极差
定义：一组数的极差指的是这组数的最大值减去最小值的差。
性质：
- 把一组数同时加上常数 \(b\)，则极差不变。
- 把一组数同时乘上常数 \(a\)，则极差乘 \(|a|\)。
方差和标准差
定义：如果 \(x_1,x_2,\cdots,x_n\) 的平均数为 \(\overline x\)，则方差 \(s^2 = \dfrac 1 n \sum \limits_{i = 1}^n (x_i - \overline x)^2\)。其中方差的算术平方根 \(s\) 称为标准差。
本质：方差表示的是一组数偏离平均数的偏离程度。
求方差的步骤：
- 求平均数。
- 每个数减去平均数再平方。
- 求第二步得到的所有数的平均数。
方差的性质：
- 把一组数同时加上常数 \(b\)，则方差不变。
- 把一组数同时乘上常数 \(a\)，则方差乘 \(a^2\)。
标准差的性质：
- 把一组数同时加上常数 \(b\)，则标准差不变。
- 把一组数同时乘上常数 \(a\)，则标准差乘 \(|a|\)。
性质规律总结
把一组数同时加上常数 \(b\)，则：平均数、中位数、众数都 \(+b\)，极差、标准差、方差都不变。
把一组数同时乘上常数 \(a\)，则：平均数、中位数、众数都 \(\times a\)，极差、标准差都 \(\times |a|\)，方差 \(\times a^2\)。
小技巧：求两组数平均数的差，除了可以将两者平均数分别算出再作差之外。当两组数个数相同时，还可以对两组数对应位置的数相减，再将得到的值相加，除以个数。
概率
定义
事件发生可能性的大小。这里的事件指的是随机事件。
随机试验：结果随机/不确定的试验。
样本点与样本空间：我们把随机试验中每一种可能出现的结果，都称为样本点；把由所有样本点组成的集合称为样本空间，通常用大写希腊字母 \(\Omega\) 表示。
随机事件：如果随机试验的样本空间为 \(\Omega\)，则随机事件 \(A\) 是 \(\Omega\) 的一个子集。而且若试验的结果是 \(A\) 中的元素，则称 \(A\) 发生（或出现等），否则，称 \(A\) 不发生（或不出现等）。
事件中的三个概念
【互斥事件】
给定事件 \(A,B\)，若事件 \(A\) 与 \(B\) 不能同时发生，则称 \(A\) 与 \(B\) 互斥。所以互斥事件两个事件的交集为空。
一般地，如果 \(A_1,A_2,\cdots,A_n\) 是两两互斥的事件，则 \(P(A_1 + A_2 + \cdots + A_n) = P(A_1) + P(A_2) + \cdots + P(A_n)\)，即 \(n\) 个事件至少发生一个的概率等于每一个事件各自发生的概率之和。
【对立事件】
给定事件 \(A,B\)，若事件 \(A\) 与 \(B\) 不能同时发生，且 \(A\) 与 \(B\) 必有一个会发生，则称 \(A\) 与 \(B\) 对立，\(A\) 的对立事件记作 \(\overline A\)。所以对立事件中的两个事件互为补集。
所以对立事件一定是互斥事件，即对立事件是互斥事件的充分不必要条件，\(A\) 与 \(B\) 对立 \(\implies A\) 与 \(B\) 互斥。
对于一个事件 \(A\)，有 \(P(A) + P(\overline A) = 1\)。
【相互独立事件】
若事件 \(A\) 是否发生对事件 \(B\) 的发生概率无影响，则称事件 \(A,B\) 相互独立。当 \(P(AB) = P(A)P(B)\) 时，就称事件 \(A\) 与 \(B\) 相互独立（简称独立），即 \(A\) 与 \(B\) 相互独立 \(\iff P(AB) = P(A)P(B)\)，其中 \(P(AB)\) 表示事件 \(A,B\) 同时发生的概率。
计算每个事件发生的概率可以通过目标事件数除以总事件数，总事件数可以利用表格列举法求解。
计算概率的方法
【用频率估计概率】
一般地，如果在 \(n\) 次重复进行的试验中，事件 \(A\) 发生的概率为 \(\dfrac m n\)，则当 \(n\) 很大时，可以认为事件 \(A\) 发生的概率 \(P(A)\) 的估计值为 \(\dfrac m n\)。
【用事件数计算概率（古典概型）】
古典概型：当结果有有限多个，且每种结果出现的可能性相等时即可用此方法。一般情况下题目会给定一个事件，问满足某些条件的概率是多少，题目当中一般不会给定任何已知的概率。
【用概率计算概率（独立事件）】
适用范围：①已知条件中会告诉某些概率；②某些事件相互独立（互不影响）。
内容：若 \(A,B\) 独立，则 \(P(AB) = P(A)P(B)\)。
对于题目中求至少有一个的概率可以拆解成多个不同的状态求解。例如：甲、乙两球至少有一个落入盒子的概率，可以拆解成甲落，乙落；甲落乙不落；甲不落乙落。三种情况各自分别用乘法计算，然后将三种情况下的概率相加即可。也可以反面计算，即用 \(1\) 减去两者均不落入盒子的概率。
随机变量
定义
如果随机试验的样本空间为 \(\Omega\)，且对于 \(\Omega\) 中的每一个样本点，变量 \(X\) 都对应有唯一确定的实数值，就称 \(X\) 为一个随机变量。
随机变量一般用大写英文字母 \(X,Y,Z,\cdots\) 或小写希腊字母 \(\xi,\eta,\cdots\) 表示。
随机变量所有可能的取值组成的集合，称为这个随机变量的取值范围。
例如，把扔骰子可能的结果记为 \(X\)，则 \(X\) 可能为 \(1,2,3,4,5,6\)，这里的 \(X\) 即为一个随机变量。
分布列
| \(X\) | \(x_1\) | \(x_2\) | \(\cdots\) | \(x_k\) | \(\cdots\) | \(x_n\) |
|---|---|---|---|---|---|---|
| \(P\) | \(p_1\) | \(p_2\) | \(\cdots\) | \(p_k\) | \(\cdots\) | \(p_n\) |
第一行表示随机变量 \(X\) 的所有取值，第二行表示每个取值对应的概率。
离散型随机变量的分布列必须满足：
- \(p_k \ge 0,k = 1,2,\cdots,n\)。
- \(\sum \limits_{k = 1}^n p_k = p_1 + p_2 + \cdots + p_n = 1\)。
期望（均值）
| \(X\) | \(x_1\) | \(x_2\) | \(\cdots\) | \(x_k\) | \(\cdots\) | \(x_n\) |
|---|---|---|---|---|---|---|
| \(P\) | \(p_1\) | \(p_2\) | \(\cdots\) | \(p_k\) | \(\cdots\) | \(p_n\) |
对于上述分布列，则期望 \(E(x) = x_1p_1 + x_2p_2 + \cdots + x_np_n\)。
性质：若 \(X\) 与 \(Y\) 都是随机变量，且 \(Y = aX + b(a \ne 0)\)，则 \(E(Y) = aE(x) + b\)。
方差
分布列同上。
对于上述分布列，方差 \(D(X) = [x_1 - E(x)]^2 p1 + [x_2 - E(x)]^2 p2 + \cdots + [x_n - E(x)]^2 p_n\)。
其中，\(\sqrt{D(X)}\) 叫做随机变量 \(X\) 的标准差。
性质：若 \(X\) 与 \(Y\) 都是随机变量，且 \(Y = aX + b(a \ne 0)\)，则 \(D(Y) = a^2 D(X)\)。
二项分布
\(n\) 次独立重复试验（\(n\) 重伯努利试验）
将同一随机试验重复 \(n\) 次，每次试验是独立的，每次试验只有 \(2\) 种结果，每种结果的概率是不变的。
二项分布的定义
如果一次试验中，出现「成功」的概率为 \(p\)，且 \(n\) 次独立重复试验中出现「成功」的次数为 \(X\)，称 \(X\) 服从参数为 \(n,p\) 的二项分布，记作 \(X \sim B(n,p)\)，其中 \(X\) 的取值范围是 \(\{0,1,\cdots,k,\cdots,n\}\)。
则独立重复试验中出现 \(k\) 次成功的概率即为 \(P(X = k) = \mathrm C_n^k p^k(1 - p)^{n-k},k = 0,1,\cdots,n\)。
二项分布求概率的一般方法：先找到随机变量 \(X\) 所有的取值，观察需要计算的概率对应到随机变量的哪些取值，然后用加法或减法计算概率（一般选择情况较少的一种方法）。
二项分布的期望和方差
若 \(X\) 服从参数为 \(n,p\) 的二项分布，即 \(X \sim B(n,p)\)，则 \(E(X) = np,D(X) = np(1 - p)\)。
注意：求解二项分布的数学期望时，一般首先要说明 \(X \sim B(n,p)\)。
求解有关二项分布的题型时，可以考虑表格法，即画出每一次独立试验和对应成功/失败的概率，观察分析求解。
例题
例 1：一带中有 \(5\) 个白球，\(3\) 个红球，现从袋中往外取球，每次任取一个记下颜色后放回，直到红球出现 \(10\) 次时停止，设停止时共取了 \(X\) 次球，则 \(P(X = 12)\) 是多少。
分析：
题目求 \(P(x = 12)\) 相当于求当抽到第 \(12\) 次时，红球出现了 \(10\) 次，求抽到 \(12\) 次暂停的概率是多少。
由于当出现 \(10\) 次红球时停止，所以第 \(12\) 次一定抽到的是红球，所以只需要让前 \(11\) 次总共抽到 \(9\) 次红球，\(2\) 次白球，所以概率 \(P(X = 12) = \mathrm C_{11}^9 {\left(\dfrac{3}{8}\right)}^{10}\cdot {\left(\dfrac 5 8\right)}^2\)。
注意：此类题目虽然看起来与二项分布很像，但并不是二项分布，注意观察题目条件的区别，不要硬套。
超几何分布
一般地，若有总数为 \(N\) 件的甲、乙两类物品，其中甲类 \(M\) 件（\(M < N\)），从所有物品中随机取出 \(n\) 件（\(n \le N\)），则这 \(n\) 件中所含甲类物品数 \(X\) 时一个离散型随机变量，称 \(X\) 服从参数为 \(N,n,M\) 的超几何分布，且 \(E(X) = \dfrac{nM}{N}\)。
直观理解：两类物品，每类物品的数量确定，从两类物品中共抽出固定数量的物品，\(X\) 是抽出的物品中其中一类的数量，则 \(X\) 的期望 \(=\) 抽出的数量 \(\times\) 这类物品的比例。
超几何分布计算概率一般可用 目标事件数除以总事件数 计算，求分布列可以列出所有随机变量 \(X\) 可能的情况，再将每一种情况的概率计算求得。
二项分布与超几何分布的区别
二项分布：多次试验，每次试验有两种结果，每种结果的概率确定。
超几何分布：两类物品取固定数量，每类物品的数量确定。
简单来说，二项分布是有放回的抽取，而超几何分布是一次性抽取。
核心区别：
- 二项分布：概率确定，数量不确定，所以一般用概率计算概率。
- 超几何分布：数量确定，概率不确定，所以一般用事件数计算概率。
例如：扔 \(100\) 次硬币，正面朝上和朝下的概率都是 \(\dfrac 1 2\)（概率确定），但正面朝上和朝下的具体数量不确定，这就属于二项分布；\(50\) 名男生，\(50\) 名女生，从中选 \(40\) 人（数量确定），每次选到男生女生的概率不确定，这就属于超几何分布。
例：某精准扶贫帮扶单位，为帮助顶点扶贫村真正脱贫，坚持扶贫同扶智相结合，帮助精准扶贫户利用互联网电商渠道销售当地特产苹果。苹果单果直径不同单价不同，为了更好地销售，现从该精准扶贫户种植的苹果树上随即摘下 \(50\) 个苹果测量其直径，经统计，其单果直径分布在区间 \([50,95]\) 内（单位：\(\pu{mm}\)），统计地茎叶图如图所示：
以此茎叶图中单果直径出现的频率代表概率，直径位于 \([65,90)\) 内的苹果称为优质苹果，对于该精准扶贫户的这批苹果，某电商提出两种收购方案：
方案 A：所有苹果均以 \(5\) 元/千克收购；
方案 B：从这批苹果中随机抽取 \(3\) 个苹果，若都是优质苹果，则按 \(6\) 元/千克收购；若有 \(1\) 个非优质苹果， 则按 \(5\) 元/千克收购；若有 \(2\) 个非优质苹果，则按 \(4.5\) 元/千克收购；若有 \(3\) 个非优质苹果，则按 \(4\) 元/千克收购。
请你通过计算为该精准扶贫户推荐最好的方案。
分析：
所谓最好的方案，就是将方案 A 的苹果单价与方案 B 的期望苹果单价作比较，然后选择苹果单价更高的作为最好方案。
由于方案 A 的苹果单价已知，那么问题转化为计算方案 B 的期望苹果单价。
观察题目可知，方案 B 是从这批苹果中随机抽取 \(3\) 个苹果，并不是从题目茎叶图已知的 \(50\) 个苹果中抽取 \(3\) 个，所以相当于数量不确定，又由于题目告诉了让用频率代表概率，所以相当于概率确定；又由于这批苹果的基数很大，所以抽取 \(1\) 个苹果后不放回对抽取下一个苹果的概率影响极小，所以综合而言，可以近似认为它属于二项分布。
那么将茎叶图中的 \(50\) 个苹果的直径分为在 \([65,90)\) 内和不在 \([65,90)\) 内的，发现有 \(40\) 个优质苹果，\(10\) 个非优质苹果，所以可以认为优质苹果的概率为 \(\dfrac 4 5\)，非优质苹果的概率为 \(\dfrac 1 5\)。设 B 方案的收购价格为 \(X\)，则：
由于二项分布的期望计算公式里的 \(X\) 表示的是某种结果出现的次数，不适用于这里的收购价格，那么需要使用期望的定义求解。
则
推荐方案 B。
总结：
此类题目地特点：从全体中抽取一部分样本，已知样本数据。
如果题目是从样本中抽取几个，则样本数量确定，属于超几何分布，用事件数计算概率。
如果题目是从全体中抽取几个，且已知「用频率代替概率」，则属于二项分布，用概率（频率）计算概率。
