概率与统计（进阶）
本讲从条件概率与贝叶斯公式出发，深入分析二项分布、超几何分布与正态分布的关系，并运用统计图表与回归思想解决实际问题，帮助高三学生建立从随机到推断的完整思维链。
1. 概念导入：从“猜硬币”到“大数据预测”
生活中我们常说“十次抽奖九次不中”，这背后是概率在支配。但现实世界往往不是简单的等可能——医生根据检查结果判断患病概率，电商根据用户浏览数据推荐商品，这些都需要条件概率与统计推断。高三阶段，概率与统计不再只停留在“抛硬币几率为1/2”，而是要求你理解随机变量分布、样本估计总体，以及用数据说话的逻辑。
2. 核心讲解
2.1 条件概率与贝叶斯公式
在事件B已经发生的条件下，事件A发生的概率记为$P(A|B)$。由定义：$$P(A|B)=\frac{P(AB)}{P(B)}$$
由条件概率出发可以得到全概率公式：若事件$B_1,B_2,\dots,B_n$是样本空间的一个完备划分，则对任意事件$A$有$$P(A)=\sum_{i=1}^n P(B_i)P(A|B_i)$$
进而推导出贝叶斯公式：$$P(B_i|A)=\frac{P(B_i)P(A|B_i)}{\sum_{j=1}^n P(B_j)P(A|B_j)}$$它体现了“由果推因”的逆向思维，是统计学习的基石。
2.2 二项分布与超几何分布
二项分布描述n次独立重复试验中成功次数X的分布：$$P(X=k)=C_n^k p^k (1-p)^{n-k}, \quad k=0,1,\dots,n$$期望$E(X)=np$，方差$D(X)=np(1-p)$。
超几何分布描述从有限总体（含M个次品、N-M个正品）中无放回抽取n件，次品数X的分布：$$P(X=k)=\frac{C_M^k \cdot C_{N-M}^{n-k}}{C_N^n}$$。当$N$很大且$n/N$很小时，超几何分布近似于二项分布。
2.3 正态分布与3σ原则
正态分布$N(\mu,\sigma^2)$的密度函数为$$f(x)=\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}$$其图像关于$x=\mu$对称，$\sigma$决定集中程度。重要结论：$$P(|X-\mu|<\sigma)\approx 0.6827,\quad P(|X-\mu|<2\sigma)\approx 0.9545,\quad P(|X-\mu|<3\sigma)\approx 0.9973$$这称为3σ原则。
2.4 频率分布直方图与样本数字特征
直方图的纵坐标为频率/组距，因此所有小矩形面积之和为1。样本均值$\bar{x}=\frac{1}{n}\sum_{i=1}^n x_i$，方差$s^2=\frac{1}{n-1}\sum_{i=1}^n (x_i-\bar{x})^2$（样本方差自由度n-1）。
2.5 线性回归
对于成对数据$(x_i,y_i)$，回归直线方程$\hat{y}=bx+a$，其中$$b=\frac{\sum_{i=1}^n (x_i-\bar{x})(y_i-\bar{y})}{\sum_{i=1}^n (x_i-\bar{x})^2},\quad a=\bar{y}-b\bar{x}$$相关系数$r$反映线性相关强弱。
3. 典型例题
例题1（贝叶斯公式）：某种疾病在人群中的发病率为0.1%。一种检测方法：患者检测为阳性的概率为99%，健康人误检为阳性的概率为2%。现随机抽取一人，检测结果为阳性，求此人实际患病的概率。
思路：设事件A=“患病”，B=“检测阳性”。已知$P(A)=0.001$，$P(B|A)=0.99$，$P(B|\bar{A})=0.02$。求$P(A|B)$。
由全概率公式$$P(B)=P(A)P(B|A)+P(\bar{A})P(B|\bar{A})=0.001\times 0.99+0.999\times 0.02=0.00099+0.01998=0.02097$$再由贝叶斯公式$$P(A|B)=\frac{P(A)P(B|A)}{P(B)}=\frac{0.00099}{0.02097}\approx 0.0472=4.72\%$$易错点：虽然检测准确率很高，但由于发病率极低，阳性结果中真正患病者仍不到5%。误认为检测阳性就大概率患病是常见偏差。
例题2（二项分布与正态近似）：某工厂生产的零件合格率为0.8，现随机抽取1000个，求至少有820个合格的概率。（用正态近似计算）
思路：设X为合格品数，$X\sim B(1000,0.8)$，则$E(X)=800$，$D(X)=160$。根据棣莫弗-拉普拉斯中心极限定理，$X$近似服从$N(800,160)$，即$\sigma=\sqrt{160}\approx12.65$。
要求$P(X\geq 820)$，使用连续性修正：$P(X\geq 820)=P(X>819.5)$。标准化：$$z=\frac{819.5-800}{12.65}\approx 1.54$$查标准正态分布表得$\Phi(1.54)\approx 0.9382$，故$P(X\geq 820)\approx 1-0.9382=0.0618$。
精确二项计算约为0.065，近似效果较好。注意：$np=800\geq5$，$n(1-p)=200\geq5$，满足近似条件。同时必须使用连续性修正以提高精度。
例题3（回归分析与预测）：某商品广告费x（万元）与销售额y（百万元）的5组数据：(1,1.8),(2,2.6),(3,3.5),(4,4.2),(5,5.0)。求回归直线方程并预测广告费为6万元时的销售额。
思路：计算$\bar{x}=3$，$\bar{y}=3.42$。$$ \sum (x_i-\bar{x})(y_i-\bar{y})=(-2)(-1.62)+(-1)(-0.82)+0\times0.08+1\times0.78+2\times1.58=3.24+0.82+0+0.78+3.16=8.0$$ $$\sum (x_i-\bar{x})^2=4+1+0+1+4=10$$ 因此$b=8/10=0.8$，$a=3.42-0.8\times3=1.02$。回归方程为$\hat{y}=0.8x+1.02$。
当$x=6$时，$\hat{y}=0.8\times6+1.02=4.8+1.02=5.82$（百万元）。提示：回归预测仅适用于考察范围内的合理外推，且实际值应以区间形式给出。本题若计算相关系数$r\approx0.997$，表明线性关系极强。
4. 常见误区
- 混淆条件概率与交集概率：$P(A|B)$表示在B发生条件下A的概率，而$P(AB)$是同时发生的概率，二者往往不相等。
- 忽略“无放回”的影响：超几何分布使用组合公式，不要和二项分布混淆。
- 频率分布直方图纵坐标：经常会错误地将纵坐标理解为频率，而实际上面积才代表频率。
- 回归方程过定点：回归直线一定经过$(ar{x},ar{y})$，但并非所有点都在线上。
- 正态分布标准化：$Z=\frac{X-\mu}{\sigma}$，注意符号，并正确使用标准正态表。
5. 学习建议
概率与统计是“算”与“想”的结合。建议同学们：
- 对每个离散分布（二项、超几何）先写出分布列，再求期望方差，熟悉公式来源。
- 动手画图：频率直方图、正态曲线、散点图能帮你直观理解数据分布形态。
- 做一道贝叶斯例题后，用自己的语言复述“先验概率→后验概率”的逻辑。
- 利用Excel或计算器验证回归结果，增强对系数的直观感受。
6. 知识链接
概率的起源与博弈问题密切相关，而现代统计学则大量使用微积分（积分求正态累积概率）和数列（二项式系数）。此外，排列组合是计算古典概率的基础，导数出现在最大似然估计中（虽然高考不要求）。今后学习大学概率论与数理统计时，这些概念将更加严谨化，并引入大数定律和中心极限定理。
7. 习题自测
- 已知$P(A)=0.3$，$P(B)=0.4$，$P(A\cup B)=0.5$，求$P(A|B)$和$P(B|\bar{A})$。
- 设$X\sim B(6,0.5)$，求$P(X\geq 4)$。
- 某校高三男生身高近似服从正态分布$N(170,25)$（单位cm），求身高在165~175cm之间的比例。（参考：标准正态分布$\Phi(1)=0.8413$，$\Phi(1.5)=0.9332$）
答案提示：1. 由$P(A\cup B)=P(A)+P(B)-P(AB)$得$P(AB)=0.3+0.4-0.5=0.2$，故$P(A|B)=0.2/0.4=0.5$；$P(B|\bar{A})=\frac{P(B)-P(AB)}{1-P(A)}=\frac{0.4-0.2}{0.7}\approx 0.2857$。 2. 0.34375（或查表）。 3. 身高165~175对应$z$值：$z_1=\frac{165-170}{5}=-1$，$z_2=1$，比例$\Phi(1)-\Phi(-1)=2\Phi(1)-1=2\times0.8413-1=0.6826$。