浅探最优古典概率空间优化方法及简单应用.doc

浅探最优古典概率空间优化方法及简单应用[摘 要] 样本空间是概率中的一个基本概念，但在概率学习中往往被忽视。其实，构造适当的样本空间可使古典概率的计算简捷。为此，本文提出了最优古典概率空间的涵义，而后阐述了古典概率计算中样本空间的四种优化原则。 [关键词] 最优古典概率空间 优化 应用 一、引言和预备知识 随机试验的所有可能结果的全体称之为样本空间，通常用表示，中的点称之为样本点，通常用表示。在古典概率计算中，需要计算样本空间和其子集A两者包含的样本点个数。由于样本点总数和有利场合数的计算必须在已经确定的样本空间中进行，显然构造恰当的样本空间是古典概率解题的第一步。而且随着研究问题的不同，样本空间可以相当简单，也可以相当复杂。即使是同一个问题也同样会如此。因此，如何构造样本空间才能使问题的解决比较简捷，是一个非常值得探讨的问题。最近，在某些讲授古典概型时介绍了一些排列组合公式，但并不是说全部古典概型的概率计算非用那些公式不可，此时，样本空间的选取很重要。在一些论文的启发下，避开在构造样本空间中可能会出现的种种谬误，仅就在正确思路的前提下提出最优古典概率空间的概念，并阐述如何由欲求概率事件构造最优古典概率空间，总结出优化样本空间的四大原则。其主旨有二，一是尽量避免排列组合，二是构造最优古典概率空间，从而不断深化对概率空间的认识。 【定义1】设所有可能的试验结果的全体为U={}，事件A由其中某m个实验结果组成，即A={}。这里为1，2，…n中指定的m个不同的数，则A发生的概率p(A)定义为，即p(A)=，由此定义的概率叫做古典概率。 【定义2】设有随机实验E，由E决定的样本空间为，F是中的一代数，为定义在F上的古典概率。我们称(,F,)是一个关于事件的最优古典概率空间，如果它满足：()是一个古典概率空间；()是包含事件的最小的样本空间。即：若有，也是由E决定的样本空间，必有。由()知：若有也是由决定的样本空间，则要么，要么中基本事件的发生不再具有等可能性。 说明：最优古典概率空间的涵义有两个方面：一是为一古典概率空间（Ω是由随机实验E决定的样本空间，F是中的代数，是F上的古典概率）；二是针对欲求概率的事件来讲，是包含的最小的样本空间。换言之，若有也是由决定的包含的样本空间，则必有，对于欲求概率的事件，如何构造最优古典概率空间是解题的关键。 另外，在解答古典概型题目时，构造最优古典概率空间十分重要，它要求我们抓住欲求概率的事件的本质特点，排除其他它因素的干扰，把事件放在一个最小的概率空间里讨论。 二、关于最优古典概率空间优化的讨论 1.无关因素删除法。对于一个具体的问题，如何去寻求最佳样本空间呢？就一般而论，古典概率解题中样本空间构造的原则为：①能够反映我们关心的问题（即包含所要研究的事件）；②尽量简单。其中①是基本的，②是技巧性的。这里的“尽量简单”不仅仅理解为要求样本空间包含的样本点尽量少，一般应以样本点总数和有利场合数计算简单方便为依据。尤其是无限样本空间的场合更是如此。因而，对于一个具体的问题构造其最佳样本空间，其中关键的一点要抓住刻画欲求概率事件的本质特点，而把与其无关的因素丢掉不予考虑。 2.等价事件转化法。由于二等价事件含有相同的基本事件（或样本点），故在同一次试验中二事件发生的概率是相等的。正是利用这一性质，我们可以在古典概型中待求概率的事件所含样本点数不易求时，通过将其转化为等价事件，建立起相应的样本空间，求出等价事件的概率而达目的。 3.结构对称压缩法。对称性的运用在解古典概型的问题中是很广泛的（事实上，古典概型中的所谓“等可能性”正是“对称性”的一种后果），利用对称性不仅可以把样本空间压缩到最小，而且还可以甩开繁琐的排列组合，使得运算简便，收到事半功倍的效果。 4.相关元素定位法。所谓相关元素定位法，是当遇到要同时考虑二个相互制约的元素时可将其中的一个首先固定，在此前提下考虑另一元素的各种可能状态，从而建立起相应样本空间，一般地此必是最佳的样本空间。 综上所述，本文在学习古典概型概率的基础上提出最优古典概率空间的概念，并探讨了多角度构造最优古典概率空间。其主旨有二：一是尽量避免排列组合；二是构造最优古典概率空间，不断深化对概率空间的认识。只要我们充分把握了对古典概率的要求，抓住欲求概率事件的本质特点，就能做到不用排列组合而十分简便地得到结果。对于古典概型来说，同一问题从不同的角度考虑会得到不同的样本空间，而样本空间的适当选取会简化古典概率的计算。所以，我们在解完题目以后，不要立即宣告解题结束，而应探究更好的方法。正如数学王子高斯所说：“有时候开始你没有得到最简和最美妙的证明，但又恰恰是在寻找这样的证明中才能深入到最高级算术的真理的奇妙联想中去。这正是吸引我去继