概率

步骤：

明确概率模型，判断是否为古典概型

detail：

首先根据题意判断试验是否满足有限性和等可能性。若满足，则采用古典概型公式 P(A)=n(A)/n(Ω)，其中 n(A) 为事件A包含的基本事件数，n(Ω) 为样本空间基本事件总数。注意排列与组合的准确使用，避免重复计数或遗漏。

步骤：

区分条件概率与独立事件，正确使用乘法公式

detail：

当问题涉及“在…条件下”或“先后发生”时，需判断是否为条件概率。若事件A与B不独立，则 P(AB)=P(A)P(B|A)；若独立，则 P(AB)=P(A)P(B)。注意条件概率公式 P(B|A)=P(AB)/P(A) 的变形应用，尤其在多步抽取、不放回等问题中。

步骤：

建立离散型随机变量的分布列，计算期望与方差

detail：

先确定随机变量X的所有可能取值及其对应的概率，列出分布列，并验证概率和为1。期望 E(X)=∑x_i·p_i，方差 D(X)=∑(x_i-E(X))²·p_i 或 D(X)=E(X²)-[E(X)]²。注意二项分布、超几何分布等特殊分布的期望方差公式可直接使用以简化计算。
【示例】袋中有3个红球、2个白球，不放回地依次摸出2球，设X为摸出的红球个数。则X的可能取值为0,1,2。P(X=0)=C(2,2)/C(5,2)=1/10，P(X=1)=C(3,1)C(2,1)/C(5,2)=6/10，P(X=2)=C(3,2)/C(5,2)=3/10。期望E(X)=0×1/10+1×6/10+2×3/10=12/10=1.2。

步骤：

结合实际问题，检验结果的合理性

detail：

完成计算后，检查概率值是否在[0,1]之间，期望是否在取值范围内，方差是否非负。对于复杂问题，可考虑用对立事件、全概率公式或贝叶斯公式重新验证，确保逻辑严密、无遗漏条件。

适用：古典概型、条件概率、独立事件、离散型随机变量分布列与数字特征、二项分布、超几何分布、全概率公式、贝叶斯公式；不适用：连续型随机变量（如正态分布密度曲线下的面积计算）、几何概型（长度/面积/体积比）、非离散型随机变量的概率密度函数。

原因分析：

放回抽样每次概率相同，用独立重复试验；不放回抽样概率变化，用组合数或条件概率。学生常在不放回问题中错误使用二项分布。

正确做法：

明确题目是否放回。如“从袋中依次取球”不放回，用组合数；若“有放回地取”，则每次独立，用二项分布。

错误做法：

混淆“放回”与“不放回”抽样，导致计数错误。

原因分析：

条件概率与事件顺序有关，P(B|A)=P(AB)/P(A)，而P(A|B)=P(AB)/P(B)，两者分母不同。

正确做法：

先确定条件事件（即已知发生的事件）作为分母，再找两者同时发生的概率作为分子。

错误做法：

计算条件概率时，颠倒事件顺序，误将P(B|A)当作P(A|B)。

原因分析：

如每题得分10分，成功次数X~B(n,p)，则总分Y=10X，期望E(Y)=10E(X)=10np，但学生可能误写为np。

正确做法：

先明确随机变量是成功次数还是得分，若是得分，则需乘以权重。

错误做法：

求期望时，直接使用二项分布期望公式np，但随机变量不是成功次数而是线性变换后的值。