贝特朗概率悖论的解释
贝特朗概率悖论是一个著名的悖论题，与其他的集合悖论不一样，这个悖论只是我们看起来“错”而已，也并没有像集合悖论一样带来一次数学危机，正确审视它，就是让我们对“几何概型”这一概念更加地深入了解而已。
我就不废话，我们直接来看什么是贝特朗概率悖论，百度上有很多，随便一搜就到处都是题目是这样子滴：在圆中做弦MN，求使MN的长大于圆内接正三角形边长的概率。
这道题若从不同的角度看，就有几种不同的答案，百度百科里有，我就不想在这里多费口舌，希望各位先到那里去看看具体的答案，我把图片下载下来，大家可以自己看：百度百科词条解释
虽然这多种解法各有各得说法，似乎每一个都对，但是悖论毕竟是悖论，他终究是错的。概率问题一个基本的原则就是，不管从哪个角度看，答案只能有一个，否则一件事情的概率都不一致，这问题要么就是本身就有问题，要么就是条件不够。而对于贝特朗概率悖论所涉及到的问题，正是如此，因为其条件不够。
首先我们看第一种“解法”。
解法1的思路是，在于AB平行的弦中，只有与PQ交点落在MN上的，弦长才大于根号3。弦与PQ的交点肯定就是落在PQ上的，而NM=1/2PQ，所以此时概率为1/2.
这个解法其实有一个重要前提，那就是弦与PQ的交点在PQ上是均匀分布的。正正是题目中所缺乏的条件，因为圆中任意的弦，这到底怎么个做法？是像这种解法所说的，使其与PQ 交点在PQ上均匀分布么？还是使弦与圆周的交点是任意分布？如果满足后者，就不可能满足前者，满足前者，就不可能满足后者。一个比较明显的说法就是：做几条平行弦，使其在PQ上均匀分布，也就是相互之间的距离相等，我们可以看见，这些弦之间的弧长并不相等，也就是说，在PQ上均匀分布，一定不会在圆周上均匀分布。原题中没有给出这样的条件，解法1加了这么一个条件，显然就有不一样的结果了。
再看解法2.
解法2的思路是，链接OA，在OA两边做弦AM和AN，使其和AO的夹角为30°。在圆中所有的弦中，只有当B点落在弧MN上时，才满足条件，而MN的弧长占据整个弧长的1/3，所以概率为1/3
看了解法1，你就知道这个解法的原因所在了，他正是采用了在圆周上均匀分布这一条件得出的结果。
最后看解法3
解法3的思路是，在圆中任意取一点M，只有当OM<1/2的时候，以M点为位中点的弦才满足条件，故满足条件的M点只能分布于以O为圆心，半径为1/2的圆中，而该圆的面积占据大圆的1/4，故概率为1/4.
学夫子自己的看法来说，这种解法最牵强，他将弦的分布划归为其中点在圆中的分布，认为“一个中点M只对应于一条弦”，显然这是错误的，因为圆心O所对应的弦有无数条，而对于非圆心的点M，以M为中点的弦只有一条。所以这本身就不是等可能的，这种解法就是错误，他就跟前两种解法不一样，加上条件就是对的，这种解法无论加什么条件都是错的，因为不是条件缺与不缺的问题，而是犯了概率论中最基本的前提错误——等可能分布。
不过网络上更倾向于第二种方法的答案作为这道题的“标准答案”，因为任意给一条弦，他应该由圆周上的两点决定。
文章来源：学夫子数学博客
言情小说免费阅读https://www.doczj.com/doc/3c2645058.html, KvSlg8XH22H0
贝特朗奇论 2 . 1 “贝特朗奇论” 的 数学表示 在单位圆内随机取一条弦,弦 长超过3(单位圆内 接等 边三角形的边长)的概率是多少? 这个问题有三种解法, 答案互相矛盾 。 解法一:设弦AB 的一端A 固定于圆周上,另一端B 任意(图1)。对于等边三角形ACD , 若B 落在劣弧CD 上,则AB > 3 , P = CD 弧长圆周长 = 13 解法二 : 设弦 AB 垂直于直径 EF , C D = DO( 图 2) , 若 AB 的中点落在线段 C D 上 , 则 AB> 3 , 故 P = CD EF = 12 。 解法三 : 作半径为 1/ 2 的 同心圆( 图 3) 。 若 A B 的中 点 落在此圆内 , 则 AB> 3 , 故 P =小圆面积大圆面积 = 14 。 2. 2 “贝特朗奇论” 的数学辨析 同一问题有三种不同的答案, 究其原因, 是在取弦时采用了不同的等可能性的假定。解法一假定端点在圆周上的落点处处等可能 , 解法二假定中点在直径上的落点处处等可能, 解法三假定中点在圆 内的落点处处等可能。三种答案对于各自的假定都是正确的。这样的
解释显得似是而非, 但又找不到反驳的理由, 故名奇论。其实弊病出在概率定义本身。 我们先看看有关概率的三个定义: 概率的统计定义: 在条件相同的n 次试验中事件 A 出现m 次, 如果加大n 时, A 的频率m n逐渐稳定在一个常数附近, 就把这个常数叫做事件 A 的概率。概率的古典定义:如果一个试验满足两条：（1）试验只有有限个基本结果；（2）试验的每个基本结果出现的可能性是一样的。这样的试验，成为古典试验。对于古典试验中的事件A，它的概率定义 为：P(A)= m n，n表示该试验中所有可能出现的基本结果的总数目。 m表示事件A包含的试验基本结果数。这种定义概率的方法称为概率的古典定义。概率的几何定义:若试验结果只能出现于区域Ω内的某一点,且出现于每一点的可能性相等,又区域A包含于区域Ω中,那么试验结果出现于区域A的概率,即事件A R 的概率P( A ) =区域A的测度/区域Ω的测度。 概率的统计定义虽然直观, 但据此计算某事件的概率是困难的, 仅能以A的频率作为P( A) 的近似值。然而n要多大,准确到什么程度,都没有确切的说明,在概率的古典定义中,不需要试验即可直接根据公式求出事件的概率, 这是它的最大优点, 但是它也有局限性, 因为它要求试验的全部可能结果的数目是有限的, 而且每个试验结果出现的可能性相等。如果试验的全部可能结果是无限的,古典定义就不适用了。概率的几何定义虽然不要求试验结果有限,但同样强调
圣彼得堡悖论概述 圣彼得堡悖论是决策论中的一个悖论。 圣彼得堡悖论是数学家丹尼尔·伯努利（Daniel Bernoulli）的表兄尼古拉·伯努利（Daniel Bernoulli）在１７３８提出的一个概率期望值悖论，它来自于一种掷币游戏，即圣彼得堡游戏。设定掷出正面或者反面为成功，游戏者如果第一次投掷成功，得奖金２元，游戏结束；第一次若不成功，继续投掷，第二次成功得奖金４元，游戏结束；这样，游戏者如果投掷不成功就反复继续投掷，直到成功，游戏结束。如果第ｎ次投掷成功，得奖金２的ｎ次方元，游戏结束。按照概率期望值的计算方法，将每一个可能结果的得奖值乘以该结果发生的概率即可得到该结果奖值的期望值。游戏的期望值即为所有可能结果的期望值之和。随着ｎ的增大，以后的结果虽然概率很小，但是其奖值越来越大，每一个结果的期望值均为1，所有可能结果的得奖期望值之和，即游戏的期望值，将为“无穷大”。按照概率的理论，多次试验的结果将会接近于其数学期望。但是实际的投掷结果和计算都表明，多次投掷的结果，其平均值最多也就是几十元。正如Hacking（１９８０）所说：“没有人愿意花２５元去参加一次这样的游戏。”这就出现了计算的期望值与实际情况的“矛盾”，问题在哪里? 实际在游戏过程中，游戏的收费应该是多少？决策理论的期望值准则在这里还成立吗？这是不是给“期望值准则”提出了严峻的挑战？正确认识和解决这一 矛盾对于人们认识随机现象、发展决策理论和指导实际决策无疑具有重大意义。 圣彼得堡问题对于决策工作者的启示在于，许多悖论问题可以归为数学问题，但它同时又是一个思维科学和哲学问题。悖论问题的实质是人类自身思维的矛盾性。从广义上讲，悖论不仅包括人们思维成果之间的矛盾，也包括思维成果与现实世界的明显的矛盾性。对于各个学科各个层次的悖论的研究，历来是科学理论发展的动力。圣彼得堡悖论所反映的人类自身思维的矛盾性，首先具有一定的哲学研究的意义；其次它反映了决策理论和实际之间的根本差别。人们总是不自觉地把模型与实际问题进行比较，但决策理论模型与实际问题并不是一个东西；圣彼得堡问题的理论模型是一个概率模型，它不仅是一种理论模型，而且本身就是一种统计的“近似的”模型。在实际问题涉及到无穷大的时候，连这种近似也变得不可能了。 实验的论文解释 丹尼尔·伯努利对这个悖论的解答在１７３８年的论文里，提出了效用的概念以挑战以金额期望值为决策标准，论文主要包括两条原理：１、边际效用递减原理：一个人对于财富的占有多多益善，即效用函数一阶导数大于零；随着财富的增加，满足程度的增加速度不断下降，效用函数二阶导数小于零。 ２、最大效用原理：在风险和不确定条件下，个人的决策行为准则是为了获得最大期望效用值而非最大期望金额值。
几个有趣的悖论的数学辨析 数学悖论是数学发展过程中的一个重要的存在形态, 它是数学体系中出现的一种尖锐的矛盾, 对于这一矛盾的处理与研究, 丰富了数学的容, 促进了数学的发展。作为一名数学教师, 学习有关这方面的知识, 并进行研究, 既能提高自己的专业水平, 又能使授课容生动有趣; 作为学生了解这方面的容,不但能扩大知识面, 而且能提高学习兴趣 1 芝诺悖论 在西方的数学史上有一个非常有名的数学悖论——芝诺悖论。芝诺是公元五世纪古希腊埃利亚学派的代表人物。芝诺本人既不是一位科学家, 更不是一位数学家, 芝诺的老师是埃利亚学派的创始人巴门尼德。巴门尼德是个一神论者, 他认为世界的本原是“不生不灭、完整、唯一和不动的”。但世界显然是丰富多彩、复杂纷繁的,怎么会是“唯一” 的呢?一个完全不动的世界怎么可能呢? 于是引起同时代人的反驳。芝诺为了捍为他老师的学说, 提出了一些论述。其中最有名的有四个, 历史上称为芝诺悖论。作为巴门尼德的继承人, 他力图证明, 如果承认“ 多” 和“ 运动” , 就会招致更加荒谬的结果。限于篇幅, 在此只辑录其二。 二分法: 你不能在有限的时间穿过无穷的点。在你穿过一定的距离的全部之前, 你必须穿过这个距离的一半。这样做下去就会陷入无止境, 所以在任何一定的空间中都有无穷个点, 你不能在有限的时间中一个接一个地接触无穷个点。
阿喀琉斯追不上大乌龟: 阿喀琉斯是古希腊《荷马史诗》中一个跑得最快的大英雄, 他怎么会跑不过大乌龟呢? 假定他的速度是乌 龟的10倍, 阿喀琉斯与乌龟赛跑的路程是1千米, 让乌龟先跑1 10 千 米, 然后让阿喀琉斯去追。于是问题来了。当阿喀琉斯追到1 10 千 米的地方, 乌龟又向前跑了 1 100千米, 当阿喀琉斯又追到 1 100 千米时, 乌龟又向前跑了 1 10000千米, … …, 这样一来, 一直追下 去, 阿喀琉斯会追上大乌龟吗? 之所以说这两个论证是悖论, 是因为我们知道, 无论是谁, 不管身高身低, 只要一迈步, 都可以在有限的时间越过无穷多个点; 无论是谁, 都不会相信大英雄阿喀琉斯竟会跑不过大乌龟。然而在当时的人们的知识围, 却找不出芝诺的论证错在什么地方。 1 . 1 芝诺悖论的数学意义 芝诺的“二分法” 和“ 阿喀琉斯追不上大乌龟”的论证, 本意是要用结论的荒谬性来否定其前提关于时空的可无限分割的观点, 该两个论证与另外两个论证(“ 飞箭” 与“ 运动场” ) 组合得出了时空既是不可无限分割, 又是可以无限分割的矛盾结论。“ 芝诺悖论” 促进了以严格的思维规律为研究对象的逻辑学和以严格的求证思想为基础的数学的发展。芝诺论证问题的方法是我们今天数学中仍在使用的反证法。可以说, 这是对反证法的最早的运用。大家知道, 当一个数学命题无法直接证明时, 我们就求助于反证法。
世界是不确定的，还好，我们有概率论 阅读本文需要耐心（数学好到一定程度的除外），不妨准备一套纸币。如果让你产生想重学概率论的冲动怎么办？去学呀！“概率”这两个字，除了课本以外，最常出现的地方也许就是天气预报中的“降水概率”，也就是未来几天下雨的可能性有多大。在数学中，概率论是专门研究“可能性”的一门分支。它涉及的问题非常广泛，内容远远超出了中学课本里那些刻板的习题。一切随机或者不确定的事件，都是概率论研究的范畴。上至气象下至金融，甚至连“磁铁的磁性怎么来的”这种物理问题，都可以用概率的方法来研究。但这门学科的诞生却有些“不太光彩”。来自赌博的问题在1654年的一天早上，法国数学家布莱兹·帕斯卡收到了他的朋友贡博的一封来信。这位朋友自称“来自梅雷的骑士”，也算是一位业余数学家。他向帕斯卡提出了类似如下的问题：两位贵族A与B正在进行一场赌局，赌注是每人500 法郎，两人轮流掷硬币，得到正面则A得一分，反面则B得一分，每一局两人得分的机会相等，谁先得到6分谁就得到1000法郎。两人激战正酣，比分达到2比4之际，B突然有事需要终止赌局。赌注应该如何分配才最公平。这一类问题被称为点数分配问题，早在16世纪就被研究过，但数学家当时的答案并不令人满意，在一些极端情况下会给出非常不
合理的分配方案。也许这位“梅雷骑士”也见识过现实中这种赌局引起的矛盾，他希望帕斯卡能够解决这个问题。帕斯卡对这个问题也很感兴趣。他向另一位业余数学家皮埃尔·德·费马发去一封信讨论这个问题。作为“业余数学家之王”，费马很快就给出了一个答案。他认为，不能单靠赌局停止时的比分或者各自获胜需要的分数来决定赌注的分配，而是应该考虑所有比赛的可能性中，双方获胜的比例。但列举所有的可能性的计算量非常大，帕斯卡继而提出了一个简化算法，完美地解决了点数分配问题。实际上，他们的解答相当于计算两位玩家胜利概率的大小。在研究中，帕斯卡提出了“数学期望”的概念和著名的“帕斯卡三角形”（杨辉三角）。某个结果为实数的随机事件的数学期望，也就是所有结果按照发生概率加权之后的平均值。数学期望这个概念，掀开了概率论研究的序幕。什么是概率？很多概率问题有着特别的结构。对于某个非常简单的随机事件，比如说掷硬币，我们知道每种结果出现可能性的大小，这样的事件被称为“基本事件”。我们可以多次重复这些基本事件，假定它们发生的可能性不会改变，而且这些重复没有相互影响。如果我们将这些基本事件以合适的形式组合起来，就能得到一个更为复杂而有趣的系统。许多概率问题实际上就是对这些随机系统的各种性质的研究。比如说，在点数分配问题中，基本事件就是硬币的投掷，而系统则是赌局的具体规则，最
古典概型与几何概型专题训练 1.在集合{} 04M x x =<≤中随机取一个元素，恰使函数2log y x =大于1的概率为( ) A ．1 B. 14 C. 12 D. 34 答案及解析：1.C 2.考虑一元二次方程2 0x mx n ++=，其中,m n 的取值分别等于将一枚骰子连掷两次先后出现的点数,则方程有实根的概率为( ) A. 3619 B.187 C.94 D.36 17 答案及解析：2.A 3.如图，大正方形的面积是34，四个全等直角三角形围成一个小正方形， 直角三角形的较短边长为3，向大正方形内抛撒一枚幸运小花朵，则 小花朵落在小正方形内的概率为 A . 117 B .217 C .317 D .4 17 答案及解析：3.B . 因为大正方形的面积是34，所以大正方形的边长是34，由直角三角形的较短边长为 3，得四个全等直角三角形的直角边分别是5和3，则小正方形边长为2，面积为4.所以 小花朵落在小正方形内的概率为42 3417 P = =.故选B . 【解题探究】本题考查几何概型的计算. 几何概型的解题关键是求出两个区间的长度（面积或体积），然后再利用几何概型的概率计算公式 ()= A P A 构成事件的区域长度（面积或体积） 试验的全部结果所构成的区域长度（面积或体积） 求解．所以本题求小花朵落在小正 方形内的概率，关键是求出小正方形的面积和大正方形的面积. 4.如图所示，现有一迷失方向的小青蛙在3处，它每跳动一次可以等可能地进入相邻的任意一格（若它在5处，跳动一次，只能进入3处，若在3处，则跳动一次可以等机会进入1，2，4，5处），则它在第三次跳动后，首次进入5处的概率是（ ）
关于贝特朗悖论 从法国学者贝特朗(JoSePh Bertrand)提出贝特朗悖论"至今，已经过了一个多世纪。在这漫长的一百多年中，贝特朗悖论得到了各层次数学爱好者的热切关注，人们穿越时空，从不同的角度对此悖论进行了争论、辨析及交流…… 首先来看一下贝特朗悖论： 在圆内任作一弦，求其长超过圆内接正三角形边长的概率?此问题可以有三种不同的解答： ⑴由f???可预先指定弦的方向???Sf此方 向的直径，只有交直径f 1/4点与3/4点间的弦J 其长才大于内接正三角形边也所有交点是等可能的 '则所求概率为1/2 * (3)弦被其中点位置唯一确定. 只有当弦的中 (2〕由干对■称性T可预先固定弦 的—端"仅当弦与过此端点的切线的 交角在60°?120°之间，其长才合乎 要求?所有方???可能的，则所求 概率为1/3 * 点落在半径缩小了—半的同心圆(圆内接正三 角形的内切凰)内,其长才合乎要求?设中点 位置都是等可能的'则所求概率为H 面对同一问题的三种不同的答案。人们往往这样 来解释: 得到三种不同的结果，是因为在取弦时采用了 不同的等可能性假设：
在第一种解法中则假定弦 的中点在直径上均匀分布；在第二种解法中假定端点在圆周上均匀分布，而第三种解法中又假定弦的中点在圆内均匀分布。这三种答案是针对三种不同的随机试验，对于各自的随机试验而言，它们都是正确的。 三个结果都正确！一一这就是让老师和学生感到迷惑不解的原因。 显然这样的解释是不正确的。 上述解法看似是用了严密的理论来论述，但有的解法与问题的本质是脱节的，即理论是正确的, 但却不合题意：因为不同的解法所阐述的相应点的均匀分布只是一个必要条件，而此问题的条件是在圆内任作一条弦（或是从圆内任取一条弦），所以只有任取的弦与这些相应的均匀分布的点一一对应时，才能使整个的随机试验过程具有等可能性，否则，运用几何概型思想方法求出的结果一定是错误的。找到了问题的本质，我们就容易分析上面三种解法中，哪种解法是错误的了，实际上，找出错误，只要举出一个反例即可，下面我们把目光指向圆心： 第一种解法中，除了圆心外，圆内的点都和唯一的一条弦（与相应的直径垂直）对应，即一一对应。但是，圆心却与无数条弦（即与直径垂直的任何方向都有过圆心的弦，其长度满足题意）对应。这样，圆心一一这个圆内的点与相应的弦就不是一一对应了，为此，用此种思想所构造的试验过程中的基本事件就不是等可能的了，所以运用几何概型思想方法求出的结果也一定是错误的。 有了这种认识，大家会马上发现第三种解法也是不正确的。 而第二种解法，所构造的均匀分布的点是在圆周上，没有圆心，用此种思想所构造的试验过程 中的基本事件是等可能的，所以结果是正确的。
龙源期刊网 https://www.doczj.com/doc/3c2645058.html, 阿莱悖论与埃尔斯伯格悖论 作者：王伟业路宇 来源：《学习与科普》2019年第03期 摘要：丹尼尔·卡内曼与阿摩司·特沃斯基提出确定性效应，来解释阿莱悖论形成的原因：确定性效应是指决策者加重对被认为是确定性結果的选择。确定性效应可通过概率权重函数进行解释。一般情况下决策者对小概率的评价值高于它们的客观值，对中等概率的评价值低于它们的客观值。 通俗地说，就是人们在决策时，对结果确定的现象过度重视。决策者通常对确定的结果的效用函数赋予较大的权重，而对可能性结果效用函数的赋值，通常都以较低的权重。由于这种确定性效应的影响，决策者对于一些确潜在的积极的报酬，却会表现出一种风险厌恶的倾向。例如，股票经纪人在面临一种购买股票的选择时，如果其中的一种股票红利较小，但结果却是肯定的；而另一种股票的红利较大，但结果却具有某种不确定性时，多数股票经纪人都会倾向于购买红利虽小，但肯定能得到红利的那种股票，而不愿意去冒风险购买红利虽大，却仅具有得到红利的可能性的那种股票。这就否定了主观期望效用理论模式的假定，即决策者总是选择收益最大的方案。显然，确定性效应的关键因素是决策权重的性质，它说明人们对确定性结局喜欢（不喜欢）的程度大于对可能发生结局的喜欢（不喜欢）的程度，反映了人们对待风险态度的决定要素是人们处理确定性结局和不确定性结局的方式不同。因此，大多数人对不确定结果中正的结局（增益）持回避态度，对确定性结果中负的结局（损失）持追逐风险态度。 关键词：阿莱悖论埃尔斯伯格悖论 1961年，埃尔斯伯格在一篇论文中通过两个例子向主观期望效用理论提出了挑战。他的 第一个例子是提问式的，表述如下： 在你面前有两个都装有100个红球和黑球的缸I和缸Ⅱ，你被告知缸Ⅱ里面红球的数目是50个，缸I里面红球的数目是未知的。如果一个红球或者黑球分别从缸I和缸Ⅱ中取出，那么它们分别被标为红I、黑I、红Ⅱ和黑Ⅱ。现在从这两个缸中随机取出一个球，要求你在球被 取出前猜测球的颜色，如果你的猜测正确，那么你就获得$100，如果猜测错误，那么什么都得不到。为了测定你的主观偏好次序，你被要求回答下面的问题： （1）你偏爱赌红I的出现，还是黑I，还是对它们的出现没有偏见？ （2）你偏爱赌红Ⅱ，还是黑Ⅱ？ （3）你偏爱赌红I，还是红Ⅱ？ （4）你偏爱赌黑I，还是黑Ⅱ？
拥有多个A的概率：又一个条件概率 悖论 概率论给我们带来了很多匪夷所思的反常结果，条件概率尤其如此。网络上每一次有人发帖提出与条件概率有关的悖论时，总会引来无数人的围观和争论，哪怕这些问题的实质都是相同的。 来看两道简单的组合数学问题： 1. 四个人打桥牌。其中一个人说，我手上有一个A。请问他手上有不止一个A的概率是多少？ 2. 四个人打桥牌。其中一个人说，我手上有一个黑桃A。请问他手上有不止一个A的概率是多少？ 这两个问题看起来很像，实际算法大不相同。在第一题问题中， 手上一个A也没有有 C(48,13) 种情况 手上有至少一个A 有 C(52,13) - C(48,13) 种情况 手上恰好有一个A 有 C(48,12) * 4 种情况 手上有至少两个A 有 C(52,13) - C(48,13) - C(48,12) * 4 种情况 根据条件概率公式，手上有超过一个A的概率为(C(52,13) - C(48,13) - C(48,12) * 4) / (C(52,13) - C(48,13)) = 5359/14498 ≈ 37% 在第二个问题中， 手上有黑桃A 有 C(51,12) 种情况 手上没有其它花色的A 有 C(48,12) 种情况 手上还有其它花色的A 有 C(51,12) - C(48,12) 种情况 根据条件概率公式，手上有超过一个A的概率为(C(51,12) - C(48,12)) / C(51,12) = 11686/20825 ≈ 56% 有趣的事情出来了：如果这个人宣布了手中A的花色，他手中有一个以上A 的概率竟然会大大增加。 这怎么可能呢？难道我们上面的计算结果是错误的？事实上，上面的计算并没有错：
古典概型与几何概型 1.1基本事件的特点 ①任何两个基本事件都是互斥的； ②任何事件（除不可能事件）都可以表示成基本事件的和. 1.2古典概型 1.2.1古典概型的概念 我们把具有:①试验中所有可能出现的基本事件只有有限个；②每个基本事件出现的可能性相等，两个特点的概率模型称为古典概率模型，简称为古典概型. 1.2.2古典概型的概率公式: 如果一次试验中可能出现的结果有n 个，即此试验由n 个基本事件组成，而且所有结果出现的可能性都相等，那么每一个基本事件的概率都是n 1 ，如果某个事件A 包含的结果有m 个基本事件，那么事件A 的概率()n m A P =. 1.3几何概型 1.3.1几何概型的概率公式： 在几何概型中，事件A 的概率的计算公式如下： ()积） 的区域长度（面积或体实验的全部结果所构成积） 的区域长度（面积或体构成事件A = A P 1．从长度为1，3，5，7，9五条线段中任取三条能构成三角形的概率是( ) A ． 2 1 B ． 10 3 C ． 5 1 D ． 5 2 2．甲、乙、丙三人随意坐下一排座位，乙正好坐中间的概率为( ) A ． 12 B ．13 C ． 14D ．16 3．袋中有白球5只，黑球6只，连续取出3只球，则顺序为“黑白黑”的概率为( ) A ． 11 1 B ． 33 2 C ． 33 4 D ． 33 5 4．先后抛掷两枚均匀的正方体骰子（它们的六个面分别标有点数1，2，3，4，5，6），骰 子朝上的面的点数分别为X ，Y ，则1log 2=Y X 的概率为( ) A ． 6 1 B ． 36 5 C ． 121D ．2 1
一、选择题：本题共12小题，在每小题给出的四个选项中，只有一项是符合题目要求的。 1．在△ABC 中，AD 为BC 边上的中线，E 为AD 的中点，则EB = A ． 31 44AB AC - B ． 13 44AB AC - C ．31 44 +AB AC D ．1344 +AB AC 2．设等比数列{ }的前n 项和为 ，若=3，则 = A ． B ．2 C ． D ．3 3．在ABC ?中，已知222sin sin sin sin sin A B A B C +-=，且满足4ab =，则ABC ?的面积为（ ） A ．1 B ．2 C ．2 D ．3 4．过曲线的左焦点1F 且和双曲线实轴垂直的直线与双曲线交于点A,B,若在双曲线的虚轴所在的直线上存在—点C,使得90ACB ?∠=,则双曲线离心率e 的最小值为（ ） A ． 31 2 + B ．31+ C ． 51 2 + D ．51+ 5．如图，若长方体1111ABCD A B C D -的六个面中存在三个面的面积分别是2,3,6，则该长方体中线段1BD 的长是（ ） A 14 B ．27 C ．28 D ．326．在ABC ?中，内角,,A B C 所对的边分别是,,a b c ．已知5a =，7b =，8c =，则A C += A ．90? B ．120? C ．135? D ．150? 7．已知向量1a b ==，1 2 a b ?=-，则3a b +=（ ） A 2 B 3 C 5 D 78．已知函数210 ()21 0x x x f x x x ?++≥=?+
贝特朗概率悖论的解释 贝特朗概率悖论是一个著名的悖论题，与其他的集合悖论不一样，这个悖论只是我们看起来“错”而已，也并没有像集合悖论一样带来一次数学危机，正确审视它，就是让我们对“几何概型”这一概念更加地深入了解而已。 我就不废话，我们直接来看什么是贝特朗概率悖论，百度上有很多，随便一搜就到处都是题目是这样子滴：在圆中做弦MN，求使MN的长大于圆内接正三角形边长的概率。 这道题若从不同的角度看，就有几种不同的答案，百度百科里有，我就不想在这里多费口舌，希望各位先到那里去看看具体的答案，我把图片下载下来，大家可以自己看：百度百科词条解释 虽然这多种解法各有各得说法，似乎每一个都对，但是悖论毕竟是悖论，他终究是错的。概率问题一个基本的原则就是，不管从哪个角度看，答案只能有一个，否则一件事情的概率都不一致，这问题要么就是本身就有问题，要么就是条件不够。而对于贝特朗概率悖论所涉及到的问题，正是如此，因为其条件不够。 首先我们看第一种“解法”。 解法1的思路是，在于AB平行的弦中，只有与PQ交点落在MN上的，弦长才大于根号3。弦与PQ的交点肯定就是落在PQ上的，而NM=1/2PQ，所以此时概率为1/2.
这个解法其实有一个重要前提，那就是弦与PQ的交点在PQ上是均匀分布的。正正是题目中所缺乏的条件，因为圆中任意的弦，这到底怎么个做法？是像这种解法所说的，使其与PQ 交点在PQ上均匀分布么？还是使弦与圆周的交点是任意分布？如果满足后者，就不可能满足前者，满足前者，就不可能满足后者。一个比较明显的说法就是：做几条平行弦，使其在PQ上均匀分布，也就是相互之间的距离相等，我们可以看见，这些弦之间的弧长并不相等，也就是说，在PQ上均匀分布，一定不会在圆周上均匀分布。原题中没有给出这样的条件，解法1加了这么一个条件，显然就有不一样的结果了。 再看解法2. 解法2的思路是，链接OA，在OA两边做弦AM和AN，使其和AO的夹角为30°。在圆中所有的弦中，只有当B点落在弧MN上时，才满足条件，而MN的弧长占据整个弧长的1/3，所以概率为1/3 看了解法1，你就知道这个解法的原因所在了，他正是采用了在圆周上均匀分布这一条件得出的结果。 最后看解法3
线性概率模型的矛盾 2014110059 高天 AB两人用扔硬币赌博，正面向上A赢，反面向上B赢。两个人赌了一会，来了第三者C，C也要参与赌博，但是由于扔硬币只有两种结果（硬币“站着”的结果几乎不会发生，所以被排除），C表示他通过把赌注押在A或B一方，来参与赌博，A与B都同意了。但是C并不是每次都下注，他要看到A或B连输几次，才把赌注押在输的一方。这样赌了一会儿后，A与B发现，他们之间的输赢相当，但是他们都输钱给C了。于是，他们提出C的这种赌法是不公平的，因为我们都知道，尽管在一定次数中统计扔硬币的结果，出现正面与出现反面的结果未必相等，但是扔硬币的次数越多，出现正面与出现反面的次数会越来越接近，扔硬币时两面出现的概率总是趋向于50%。所以如果A与B有一方连输了几次，再输的概率就小了，因此，A和B都认为C的这种押注方法，赢的概率大，不公平。 我们都知道每一次扔硬币的结果，出现正面或出现反面的概率是一样的，都是50%，既然硬币本身不知道前面扔硬币的结果，也不会因为前面的结果“主动”改变这次扔硬币的概率，那么C的押注法有什么不公平呢？所以C坚持说，他赢的概率也是50%， A和B反驳C说，我们说每一次扔硬币正反面出现的概率都是50%，是一种理论上的计算结果，因为在这个概率计算中，只有两个基本事件，理论上认定基本事件出现的概率是一样的，所以正反面出现的概率都是50%。但是我们从统计学的角度看，如果我们画一条直线，在直线上均匀刻度表示扔硬币的次数，然后我们把扔硬币时硬币正面向上作为一个点记在直线上方，反面向上记在直线下方，如果连着出现正面向上（或者反面向上），就把点标记在前面那个点的上方（或下方），扔了一定次数的硬币后，我们很容易发现，这些点有一个明显的特征——回归特征，也就是不管直线上方或直线下方的点，都有一个趋势，就是回到直线的附近。离开直线的距离越大的点，出现的频率越低。
一些很有趣的概率学问题 说到概率，有些好玩的东西不得不提。比如，你知道吗，23个人中至少两个人生日相同的概率竟然超过了1/2；假如你们班上有50个人的话，那更不得了，至少两人生日相同的概率达到97% ！如果你会计算这个概率问题的话，你可以亲自证实这一点。本文适宜的读者是知道上述问题怎么算的高中朋友，上述问题也是高中阶段学的一些基本概率知识。 上面的问题都是简单概率，它包含了一个最基本的原则，即使没有系统地学习过，平常人们也都在无形之中使用它：概率等于你要算的东西除以总的数目。比如。我们要计算23个人中任何两个人都不在同一天生的概率。假设2月29 日与其它日期出现概率相同的话（这是为了便于计算我们做出的假设，它有悖于常理），那么它的概率为A(366,23)/366^23。它约为0.493677。因此，至少两人在同一天生的概率为1-0.493677=0.506323。当然，对于“你要算的东西除以总的数目”的认识是片面的，比如“投两个骰子出现的数字和从2到12共有11种可能，问数字和大于10的概率”这一问题的答案并不是2/11，因为这11个点数和出现的概率不是相等的，我们只能从投出的两个数字共6*6=36种情况中进行统计，可能的情况只有(5,6)、(6,5)和(6,6) （不会有人说还有(6,7)之类的吧），答案应该是3/36=1/12。这些都是废话，我不细说了。 但是，你有想过这个问题吗：要是这些数目是无穷的怎么办？换句话说，统计的东西不是“离散”的怎么办？比如看这样一个问题。明天早上我要和MM约会，但是具体见面时间我忘了，好像是8:00-9:00的某个时候。那么我随便在这个时段中选一个时间去等MM，最多等她半个小时，正好能见到MM的概率是多少（假设MM先到的话不会等我）。这个问题和我们平时见到的问题不同的地方在于，它的“情况”是连续的，不是离散的，不能逐一统计数目。咋办呢？我们注意到，我的时间随机取一个，MM的时间随机取一个，对于某些组合我们是有缘分的（这些组合无穷多）。这些组合正好对应了平面区域上的点。就是说，搞一个横坐标表示我的时间，纵坐标表示MM的时间，那么肯定能画出那么一块区域，区域里的所有点(x,y)对应所有我和MM可能相见的组合。任何一个时间组合有多大的可能落在这个区域呢？由于在矩形区域内点(x,y)是均匀分布的，我们只需要计算一个面积之比就行了。下图中显而易见，答案是3/8。 一个类似的问题是Buffon投针实验。有一个人，叫Buffon。他在地板上画了很多间隔相同的平行线，然后叫了一帮狐朋狗友来，把一些长度相同的针扔在地上。然后，他统计有多少针和地板上的线相交，并宣称可以得到圆周率π的值。换句话说，一根针投到间隔相同的平行线中，与平行线相交的概率和π有关。我们时常感到数学的神奇之处，比如当这个π在很多不该出现的场合莫明
数学史――概率论 概率论是研究随机现象数量规律的数学分支.随机现象是指这样一种客观现象:当人们观察它时,所得到的结果不是预先能够确定的,而只是多种可能结果中的一种.研究随机过程的统计特性,计算与过程有关的某些事件的概率,特别是与过程样本轨道有关的问题,是现代概率论的主要课题. 概率论的肇始是在17世纪中叶,但它的起源之一──解决与赌博有关的问题──可追溯到15世纪末.15世纪末至16世纪中期,几位意大利数学家研究了这类问题,1494年,巴乔利提出了关于在某种条件下如何分配赌本的问题,后来,卡尔达诺和塔尔塔利亚也做过类似的计算,不过都未得到正确结果.早期寻求随机事件的概率,除了与赌博问题有关外,还涉及人寿保险、人口出生性别比例等. 到17世纪中叶,由于法国数学家帕斯卡、费马和荷兰数学家惠更斯的加入,使得对上述分配赌本问题的研究成为数学史上一个著名的问题.法国的一位名叫梅累的狂热赌徒向帕斯卡提出了一个困扰他很久（但却对他很有实用价值的）问题.梅累的问题如下:两个赌徒相约赌若干局,谁先赢s 局就算是谁赢.可是当一个赌徒赢a 局（a古典概型与几何概型
古典概型与几何概型 古典概型与几何概型 【知识网络】 1． 理解古典概型，掌握古典概型的概率计算公式；会用枚举法计算一些随机事件所含的基 本事件数及事件发生的概率。 2． 了解随机数的概念和意义，了解用模拟方法估计概率的思想；了解几何概型的基本概念、 特点和意义；了解测度的简单含义；理解几何概型的概率计算公式，并能运用其解决一些简单的几何概型的概率计算问题。 【典型例题】 [例1]（1）如图所示，在两个圆盘中，指针在本圆盘每个数所在区域的机会均等，那么两个指针同时落在奇数所在区域的概率是 （ ） A ． 4 9 B ．2 9 C ．23 D ．13 （2）先后抛掷两枚均匀的正方体骰子（它们的六个面分别标有点数1、2、3、4、5、6）， 骰子朝上的面的点数分别为X 、Y ，则1log 2 Y X 的概率为 （ ） A ． 6 1 B ． 36 5 C ． 12 1 D ． 2 1 （3）在长为18cm 的线段AB 上任取一点M ，并以线段AM 为边作正方形，则这个正方形 的面积介于36cm 2与81cm 2之间的概率为 （ ） A ． 56 B ． 12 C ．13 D ． 16 （4）向面积为S 的△ABC 内任投一点P ，则随机事件“△PBC 的面积小于3 S ”的概率为 ． （5）任意投掷两枚骰子，出现点数相同的概率为 ． [例2]考虑一元二次方程x 2+mx+n=0，其中m ，n 的取值分别等于将一枚骰子连掷两次先后出现的点数，试求方程有实根的概率。 [例3]甲、乙两人约定于6时到7时之间在某地会面，并约定先到者应等候另一个人一刻钟， 过时即可离去．求两人能会面的概率．
紧扣“等可能”，突破几何概型教学的难点 前一阵在《中学数学教学参考》上看到这样一个例子： 1．等腰RtΔABC中，在斜边AB上任取一点M，求AM小于AC的概率 2．等腰RtΔABC中，过直角顶点C在∠ACB内部任作一条射线CM，与线段AB交于点M，求AM小于AC的概率 前者的概率是，后者的概率是 这两个看上去很相近的问题，答案为什么会不同呢？这个问题引起学生的很多的困惑．其实，要解决它，还得回到几何概型的定义． 几何概型的定义是：对于一个随机试验，我们将每个基本事件理解为从某个特定的几何区域Ω内随机地取一点，该区域中每一点被取到的机会都一样；而一个随机事件A的发生则理解为恰好取到上述区域内的某个指定区域D中的点，这里的区域可以是线段，平面图形，立体图形等．用这样的方法处理随机试验，称为几何概型． 从几何概型的定义我们可以看出：解决几何概型问题的基本步骤是：（1）找出等可能基本事件；（2）对应几何图形（所有等可能基本事件所在的区域Ω和随机事件中等可能基本事件所在的区域A）；（3）由区域确定测度． 第一个事件所对应的等可能基本事件应该是在线段AB上随机取一点，这一点落在这个线段上是等可能的． 第二个事件所对应的等可能基本事件应该是在直角区域内任取一条射线，显然若射线等可能出现在直角区域内，则点M就不可能等可能出现在线段AB上． 如何确定等可能基本事件？ 抓住“任意”、“随机”等词，确定等可能的基本事件空间． 贝特朗悖论：
几何概率是十九世纪末新发展起来的一门学科，使很多概率问题的解决变得简单而不用运用微积分的知识．然而，1899年，法国学者贝特朗提出了所谓“贝特朗悖论”，矛头直指几何概率概念本身： 在一个圆内随机地画一条弦，它的长度大于该圆内接等边三角形边长的概率是多少？ 从不同方面考虑，可得不同结果： （1）由于对称性，可预先指定弦的方向．作垂直于此方向的直径，只有交直径于1/4 点与 3/4 点间的弦，其长才大于内接正三角形边长．所有交点是等可能的,则所求概率为 1/2 ． （2）由于对称性，可预先固定弦的一端．仅当弦与过此端点的切线的交角在60°～120°之间，其长才合乎要求．所有方向是等可能的，则所求概率为1/3 ． （3）弦被其中点位置唯一确定．只有当弦的中点落在半径缩小了一半的同心圆内，其长才合乎要求．中点位置都是等可能的，则所求概率为1/4． 这导致同一事件有不同概率，因此为悖论． 得到三种不同的结果，是因为在取弦时采用了不同的等可能性假设：在第一种解法中则假定弦的中点在直径上均匀分布；在第二种解法中假定端点在圆周上均匀分布，而第三种解法中又假定弦的中点在圆内均匀分布．这三种答案是针对三种不同的随机试验，对于各自的随机试验而言，它们都是正确的． 三个结果都正确！——这就是让老师和学生感到迷惑不解的原因． 这一悖论揭示了几何概率在19世纪刚兴盛时期存在着其逻辑基础的脆弱性，也反映出古典概率有着相当的局限．这也推动了20世纪概率论公理化工作的早日到来． 关于这个悖论有很多种讨论，在此不一一赘述．老师们只需明白的是确定“等可能基本事件”的重要性，在解决几何概型问题时，必须找准观察角度、明确随机选择的意义、判断好基本事件的等可能性． 如何对应几何图形？ 有的问题，几何特征较为明显，能迅速找到相应的几何图形，计算其测度．但有的问题中，找到相应的几何图形较为困难．如： 例．一家快递公司的投递员承诺在上午9：00—10：00之间将一份文件送到某单位．
知识点一：变量间的相关系数 1.两变量之间的关系 (1)相关关系——非确定性关系 (2)函数关系——确定性关系 2.回归直线方程：∧ ∧ ∧ +=a x b y ?? ??????? -=--=---=∧∧====∧∑∑∑∑x b y a x n x y x n y x x x y y x x b n i i n i i i n i i n i i i ,)())((1 2 21121 例题分析 例1：某种产品的广告费x （单位：百万元）与销售额y （单位：百万元）之间有一组对应数据如下表所示，变量y 和x 具有线性相关关系： x （百万元） 2 4 5 6 8 y （百万元） 30 40 60 50 70 （1）画出销售额与广告费之间的散点图；（2）求出回归直线方程。 针对练习 1、对变量x, y 有观测数据理力争（1x ，1y ）（i=1,2,…，10），得散点图左；对变量u ，v 有观测数据（1 u ， 1v ）（i=1,2,…，10 ）,得散点图右. 由这两个散点图可以判断（ ） （A ）变量x 与y 正相关，u 与v 正相关 （B ）变量x 与y 正相关，u 与v 负相关 （C ）变量x 与y 负相关，u 与v 正相关 （D ）变量x 与y 负相关，u 与v 负相关 2．在下列各图中，每个图的两个变量具有相关关系的图是（ ）
（1） （2） （3） （4） A ．（1）（2） B ．（1）（3） C ．（2）（4） D ．（2）（3） 3. 下表是某小卖部一周卖出热茶的杯数与当天气温的对比表： 气温/℃ 18 13 10 4 -1 杯数 24 34 39 51 63 若热茶杯数y 与气温x 近似地满足线性关系，则其关系式最接近的是（ ） A. 6y x =+ B. 42y x =+ C. 260y x =-+ D. 378y x =-+ 知识点二：概率 一、随机事件概率： 事件：随机事件：可能发生也可能不发生的事件。 确定性事件: 必然事件（概率为1）和不可能事件（概率为0） （1）必然事件：在条件S 下，一定会发生的事件，叫相对于条件S 的必然事件； （2）不可能事件：在条件S 下，一定不会发生的事件，叫相对于条件S 的不可能事件； （3）确定事件：必然事件和不可能事件统称为相对于条件S 的确定事件； （4）随机事件：在条件S 下可能发生也可能不发生的事件，叫相对于条件S 的随机事件； 随机事件的概率(统计定义)：一般的，如果随机事件 A 在n 次实验中发生了m 次，当实验的 次数n 很大时，我们称事件A 发生的概率为()n m A P ≈ 说明：① 一个随机事件发生于具有随机性，但又存在统计的规律性，在进行大量的重复事件时某个事件是否发生，具有频率的稳定性 ，而频率的稳定性又是必然的，因此偶然性和必然性对立统一 ② 不可能事件和确定事件可以看成随机事件的极端情况 ③ 随机事件的频率是指事件发生的次数和总的试验次数的比值，它具有一定的稳定 性，总在某个常数附近摆动，且随着试验次数的不断增多，这个摆动的幅度越来越小，而这个接近的某个常数，我们称之为概事件发生的概率 ④ 概率是有巨大的数据统计后得出的结果，讲的是一种大的整体的趋势，而频率是具 体的统计的结果 ⑤ 概率是频率的稳定值，频率是概率的近似值 二、概率的基本性质： 基本概念： （1）事件的包含、并事件、交事件、相等事件 （2）若A ∩B 为不可能事件，即A ∩B=ф，那么称事件A 与事件B 互斥； （3）若A ∩B 为不可能事件，A ∪B 为必然事件，那么称事件A 与事件B 互为对立事件； （4）当事件A 与B 互斥时，满足加法公式：P(A ∪B)= P(A)+ P(B)；若事件A 与B 为对立事件， 则A ∪B 为必然事件，所以P(A ∪B)= P(A)+ P(B)=1，于是有P(A)=1—P(B) 概率必须满足三个基本要求：① 对任意的一个随机事件A ，有()10≤≤A P ② ()()0,1,=Φ=ΩΦΩP P 则有可能事件分别表示必然事件和不和用