古典概型的应用求解的策略.docVIP

  • 29
  • 0
  • 约3.05千字
  • 约 8页
  • 2018-10-14 发布于福建
  • 举报
古典概型的应用求解的策略

古典概型的应用求解的策略   摘 要:古典概型是概率论的基础,又有着很高的实用价值,已成为义务教育阶段数学课程的一项重要内容.结合初中数学活动课的教学实践,通过古典概型应用的若干实例,阐述了问题求解的策略、多种方法以及不同方法的具体适用场合,对古典概型的解题规律做了有益的探究.   关键词:古典概型;等概基本事件组;有利场合数;应用实例;求解策略;计算方法   古典概型是概率论发展史上最早被人们认识、研究并加以应用的概率模型,是一种特殊的数学模型.古典概型在概率论中具有相当重要的地位,不仅其优越性明显,应用广泛,而且是进一步学习概率不可或缺的内容.   一、学习古典概型的重要性   1.有利于理解概率的意义.对于古典概型,频率的稳定性比较容易验证,也与同学们已有的生活经验和数学活动经验相吻合,从而概率的存在性和确定性易于领会、理解和接受.   2.可帮助我们直接计算随机事件发生的概率,化解大量重复试验带来的耗时费力的矛盾,避免破坏性试验造成的损失.也就是说,不需要做任何试验,只要分析事件的本质,确认是古典概型,就可以直接计算得到概率的精确值,而且是理论值,它与用统计方法得到的结论相一致.   3.能够有效地解决生产、生活和科研中的某一类问题.如抽签、摸球、摇号、掷骰子、中奖率、次品率、密码解锁、公平规则设计等.   二、古典概型的概念   1.等概基本事件组   设A1,A2,…,An是一个事件组,如果它具有下列三条性质:   (1)A1,A2,…,An发生的机会相同(等可能性);   (2)在任一次试验中,A1,A2,…,An至少有一个发生.也就是除此以外,不可能有别的结果(完全性);   (3)在任一次试验中,A1,A2,…,An至多有一个发生.也就是说这n个事件是互相排斥的(互不相容性).   则称A1,A2,…,An为一个等可能基本事件组,也称为一个等概基本事件组,其中任一事件Ai(i=1,2,…,n)称为基本事件.   2.概率的古典定义   如果试验的所有可能的结果可以表述为一个等概基本事件组A1,A2,…,An.其中有且仅有m个基本事件包含于随机事件J(即当且仅当这m个事件中任一事件发生时,事件J发生),则比值m/n就称为事件J的概率,记作P(J)=m/n.其中,n是基本事件的总数,m是事件J所包含的基本事件数,通常叫做事件J的有利场合数,或有利结果数.   3.古典概型及其计算公式   可以根据概率的古典定义来计算随机事件的概率,这样的概率模型称为古典概型.   P(J)=m/n是概率古典定义的核心内容,它给出了古典概型中随机事件的概率计算公式.   三、求解方法与策略   1.古典概型的确认.对所要解决的问题,首先要确定是不是属于古典概型?这主要根据古典概型的两个基本特征,即试验结果是否具有有限性和等可能性.   2.判定等可能性的常用依据.   (1)客观对称性(如抛掷硬币、掷骰子等试验);   (2)某种均衡性(如摸球、抽签等试验).   3.考察等概基本事件组.   等概基本事件组是与古典概型相互印证的,也是概率计算的第一步.对某些问题,等概基本事件组不是唯一的,可供选择.一般情况下,其基本事件的总数越少,求解越为简便.   4.按照古典概型中随机事件的概率计算公式,先求分母和分子,再求比值,即得所求概率.分母是等概基本事件组中基本事件的总数,分子是相应事件所包含的基本事件数,即该事件的有利场合数.   5.运用多种方法实施计算.   (1)直接列举法;(2)表格法;(3)树状图法;(4)根据乘法原理;(5)根据排列与组合的基本知识,或兼用乘法原理;(6)根据概率的运算性质.   6.不同计算方法的适用场合.   (1)计算简单随机事件的概率,可运用列举法(包括列表、画树状图).当试验结果显然或试验步骤只有1个时,可直接列举出所有等可能的结果;当试验步骤只有2个且试验结果较少时,表格法和树状图法都是行之有效的;当试验步骤只有2个但试验结果较多时,宜选用列表的方法,显得整体清晰,类别分明,解题便捷.   (2)??试验分为3步(或以上),通常选用树状图法;如果要采用列表法,则需2张(或更多)表格,即分步列表.   (3)义务教育阶段,宜使用列举法,帮助计算.   (4)初中后阶段,可介绍乘法原理,并实施计算.乘法原理通俗易懂,其思想方法与树状图法是一致的.遵循认知规律,所花时间不多,初中学生很快就能接受并较好地掌握,既可以帮助快捷计算,也可以作为对列举法的一种验算或印证,确保列举的所有等可能结果既不遗漏,也不重复.   (5)当试验出现的结果较多时,往往需要运用乘法原理或排列与组合的基本知识加以计算.   (6)随着概率知识的进一步

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档