古典概率典型例题讲解（古典概率）

大家好，我是小夏，我来为大家解答以上问题。古典概率典型例题讲解，古典概率很多人还不知道，现在让我们一起来看看吧！

1、你犯了一个概念性混淆的错误。

2、什么叫分布律？

3、分布律是针对什么而言的？

4、分布律是针对随机变量而言的。

5、就离散型随机变量而言，它是一系列式子，这些式子表示随机变量取所有可能值的概率。

6、而什么是古典概率问题呢？

7、古典概率是针对实验结果而言的，每次随机实验，它的每个可能实验结果出现的概率是一样的。

8、这里是实验结果和随机变量之间的区别。

9、随机变量是对实验结果进行观察后，进行部分抽象，把实验结果的某种特点转化为数值来记录。

10、比如，经典的投掷硬币实验，

11、它的实验结果就是{正，反}

12、假如我有一枚硬币，正面写着1，反面写着0

13、那么我们就可以用x来表示，实验结果所显示的数字。

14、就有正面时，x=1 反面时x=0.

15、此时，由于x=1和x=0的概率是相等的，所以是均匀分布。

16、这仅仅是最简单的随机变量。

17、再举个不同的例子。

18、一个盒子里有4个砝码，1g,2g,3g,4g.

19、每次拿出两个。观察结果。

20、这就是一个古典概率问题。因为拿出任何两个出来的概率都是一样的。不可能我拿1g和2g的概率比3g和4g的要低。

21、但是如果我们定义一个随机变量，x为拿出的砝码总重。

22、那么就很明显没那么简单。

23、因为注意：拿出1g和4g（x=5）和2g,3g(x=5)都会让x=5,所以x=5的概率就比其他的 3g,4g 6g 7g要高 于是 随机变量x就不服从均匀分布了，因为它所有可能的取值概率并不相同。但是这个实验仍然是一个古典概率问题，拿出2g，3g和1g，4g是不同的结果，是我们定义的x，它们的x相同，而不是它们本身相同。

24、其他的正态分布（这是连续随机变量的某个分布特点，跟古典概率不占边）

25、泊松分布，均匀分布都是某个实验中（注意，不一定是古典概率），某个随机变量的分布规律。

26、6，彩票两个字并不足以说明一个实验流程。

27、究竟是怎么做实验。比如我说投掷硬币，可以使投掷两次，n次观察可能结果，光说彩票，而且不对结果设置一个合适的随机变量是无从说起它符合某种规律的。

本文到此讲解完毕了，希望对大家有帮助。