概率与统计（基础篇）
从生活实例出发，系统讲解概率的基本概念（随机事件、古典概型、互斥事件、独立事件、条件概率）和统计基础（平均数、方差、标准差），结合图形和典型例题帮助学生建立清晰的知识框架。
1. 概念导入：概率就在身边
我们经常听到这些说法：“抛硬币正面朝上的概率是 1/2”、“明天下雨的概率是 60%”、“抽卡出SSR的概率是 1%”。概率论就是研究随机现象规律性的数学分支。而统计学则通过收集、整理、分析数据来推断总体规律。
本讲我们将一起揭开概率与统计的神秘面纱，从最简单的例子开始，逐步掌握核心思想和方法。
2. 核心讲解
2.1 随机事件与概率
随机试验：在相同条件下可重复进行，结果不止一个且事先无法确定的试验。例如：“抛一枚质地均匀的硬币”。
样本空间 Ω：试验所有可能结果的集合。对于抛硬币，Ω = {正面, 反面}。
随机事件：样本空间的子集。例如：“抛硬币得到正面”是一个事件。
概率的定义（古典概型）：如果试验有 n 个等可能的基本结果，事件 A 包含其中 m 个，则事件 A 发生的概率为
$$P(A) = \frac{m}{n}$$
2.2 掷两枚骰子的样本空间
我们通过掷两枚质地均匀的骰子来理解古典概型：
2.3 事件的关系与运算
- 互斥事件：两个事件不可能同时发生。例如掷骰子，“点数为1”与“点数为2”。加法公式：若A、B互斥，则 P(A∪B)=P(A)+P(B)。
- 对立事件：两个事件互斥且必有一个发生。记$\bar{A}$，有 P(A)+P(¬A)=1。
- 独立事件：一个事件的发生不影响另一个事件的发生概率。乘法公式：P(AB)=P(A)P(B)。
2.4 条件概率
在事件 B 已经发生的条件下，事件 A 发生的概率称为条件概率，记作 P(A|B) = P(AB)/P(B)，前提 P(B) > 0。
2.5 统计基础
平均数（均值）
对于一组数据 x₁, x₂, …, xₙ，算术平均数 $\bar{x} = \frac{1}{n}\sum_{i=1}^{n}x_i$。
方差与标准差
方差反映数据的离散程度：$s^2 = \frac{1}{n}\sum_{i=1}^{n}(x_i-\bar{x})^2$，标准差 $s = \sqrt{s^2}$。标准差越小，数据越集中。
3. 典型例题
例1（简单古典概型）
从1,2,3,4,5,6,7,8,9,10中随机取一个数，求取到质数的概率。
思路：确定样本空间总数n=10，找出质数个数m。
解：质数有2,3,5,7共4个。所以P=4/10=2/5。
易错点：注意1不是质数。
例2（利用图示）
掷两枚质地均匀的骰子，求点数之和为7的概率。
思路：参考图1的样本空间，共有36个等可能结果，和为7的结果有6个：(1,6),(2,5),(3,4),(4,3),(5,2),(6,1)。
故P=6/36=1/6。
例3（独立事件与加法公式）
甲、乙两人独立地射击同一目标，甲命中概率0.8，乙命中概率0.7。求目标被击中的概率。
思路：目标被击中 = 甲中或乙中。用对立事件：“两人都未击中”的概率计算更简单。
解：设A=甲中，B=乙中。则P(¬A)=0.2，P(¬B)=0.3。由于独立，P(都未中)=0.2×0.3=0.06。所以目标被击中概率=1-0.06=0.94。
易错点：直接使用P(A∪B)=P(A)+P(B)=1.5>1是错误的，因为事件不互斥（可能同时击中）。
4. 常见误区
- 混淆互斥与独立：互斥事件不可能同时发生，但独立事件可以同时发生（除非概率为0）。不能将独立事件的概率加法直接相加。
- 无条件使用加法公式：P(A∪B)=P(A)+P(B)只在互斥时成立，一般情况需加上P(AB)。
- 条件概率方向搞反：P(A|B)≠P(B|A)通常。
- 样本点遗漏或重复：古典概型要保证每个基本事件等可能，用排列组合计数时要仔细。
5. 学习建议
- 多做样本空间列举：用表格、树状图或坐标系点出所有结果，特别是涉及两个随机变量时。
- 牢记核心公式并理解条件：加法公式看互斥，乘法公式看独立，条件概率看先后。
- 统计方面多动手计算：平均数、方差、标准差，注意方差公式中除以n还是n-1（高中阶段通常用n）。
6. 知识链接
- 排列组合：古典概型的计数基础，如例2中的36种结果来自6×6。
- 大数定律：试验次数越多，频率越接近概率，这是统计推断的基石。
- 随机变量与分布：进一步学习二项分布、正态分布等，需要理解本讲的基础概念。
7. 习题自测
- 一个盒子里有3个红球、2个蓝球，随机摸出一个球，求摸到蓝球的概率。
- 同时抛两枚硬币，求恰好一枚正面朝上的概率。
- 已知P(A)=0.5，P(B)=0.4，且A与B独立，求P(A∪B)。
答案：1. 2/5；2. 1/2（{(正,反),(反,正)}，共4种等可能）；3. P(A∪B)=0.5+0.4-0.5×0.4=0.7。