概率统计 · 基础实验

概率与统计基础实验室

概率不是"感觉",统计也不是"算一堆数"。这个实验室把四个核心知识点各做成一个可动手的模拟:先判断事件类型,再用频率去撞概率; 把 36 个等可能结果一格格点亮,把树状图的每条分支走一遍;拖动一个数据点,看平均数、中位数和方差谁更敏感; 最后用同一份数据切换条形图、扇形图、折线图与直方图。做完这四步,概念会留下痕迹。

实验一事件与概率

先分清"必然 / 不可能 / 随机",再用大量重复试验的频率去逼近概率。概率是理想值,频率是实测值——它们之间差着一个 n。

下面 6 个情境,先点一个判断,系统立刻用 50 次模拟告诉你结果。注意看:必然事件频率恒为 1,不可能事件恒为 0,随机事件在 0 与 1 之间摆动。
核心结论:必然事件 P = 1,不可能事件 P = 0,随机事件 0 < P < 1。概率刻画的是大量重复试验中频率稳定到的那个常数,不是"这次会不会发生"的保证。
选一个随机源,按「开始试验」。蓝线是实际频率,绿色虚线是理论概率 P。把次数从 10 推到 10000,看蓝线怎样从剧烈摆动收窄到绿线附近。
0(不可能)
0.5
1(必然)
理论 P = 0.500
当前频率 —
按「开始试验」开始
试验次数 n0
事件发生次数0
实测频率—
理论概率 P0.5000
频率 − P—
|偏差| < 0.02—

频率不是概率:它会在 P 附近摆动。样本量越大,摆动的幅度越小——这就是"用频率估计概率"的依据。

实验二概率计算:把每一种可能都摆出来

当每个结果等可能时,概率就是 有利结果数 ÷ 所有可能结果数。列表法适合两步试验,树状图适合分支概率不相等的情形。

两枚骰子共有 6 × 6 = 36 个等可能结果。选一个事件,所有符合的格子会被点亮;再用模拟验证频率是否接近理论值。
行 = 第一枚骰子点数 · 列 = 第二枚骰子点数 · 大数字 = 点数和
等可能结果总数36
有利结果数 m—
理论概率 m/36—
模拟频率—
尚未模拟。点一次按钮,看看频率会不会贴近上面的理论概率。
P(事件) = m / 36
袋中有 2 个红球、1 个白球,摸一次后放回再摸一次。每步分支概率是 2/3 与 1/3,沿路径相乘得到该路径概率,再把符合事件的路径概率相加。
命中的路径数—
路径概率之和—
模拟次数0
模拟频率—
P(事件) = 各命中路径概率之和
换个角度(枚举法):把 2 个红球看成 R₁、R₂,有放回摸两次共有 3 × 3 = 9 种等可能结果:R₁R₁、R₁R₂、R₁W、R₂R₁、R₂R₂、R₂W、WR₁、WR₂、WW。 数一数其中符合事件的个数,结果和树状图完全一致。

实验三统计量:谁怕极端值?

平均数、中位数、众数看"集中在哪里";方差和标准差看"散得有多开"。这个实验台最关键的动作是拖动滑杆改动一个数据——你会亲眼看到谁被带跑、谁纹丝不动。

平均数 x̄ 中位数 众数
正离差 负离差 离差平方的平均 = 方差
平均数 x̄—
中位数—
众数—
极差—
方差 s²—
标准差 s—

计算式会在这里展开。

橙色框 = 众数 · 绿色框 = 中位数所在位置

加权平均数

当各项"重要程度"不同,不能简单平均,要给每项乘上权重再相加。

× 权重%
× 权重%
× 权重%
加权平均结果 —
x̄ = (85×30 + 90×30 + 78×40) ÷ 100

注意:权重不必加起来等于 100,公式始终是 Σ(值×权重) ÷ Σ权重。试试把期末权重从 40 改到 60,结果会向 78 靠拢。

实验四数据整理:普查、抽样与四种图表

先决定"数据怎么来",再决定"数据怎么画"。同一组数据换成不同图表,强调的信息完全不同。

普查:对全体对象逐一调查,结果准确但成本高;抽样调查:从总体抽一部分推断全体,省时省力,但有抽样误差。破坏性检验只能用抽样。点选判断试试。
判断口诀:看重"结果必须绝对准确、总体很小"→ 普查;看到"总体很大、耗时太长、检验会破坏物品"→ 抽样调查。
选一份数据和一种图表,观察同一组数字如何被"讲成"不同的故事。条形图比数量,扇形图看占比,折线图看趋势,直方图看连续数据的分布。
图表类型

频数与频率表

频率 = 频数 ÷ 总数,所有频率之和恒为 1(百分比合计 100%)。

类别 / 分组频数频率百分比

六个值得亲手做的任务

按下面的顺序做,每个任务都对应一处最容易混淆的概念。

1

让频率"追上"概率

在实验一里选「抛硬币」,目标先设 10 次,记下频率;再切到 10000 次跑完。你会发现 10 次时频率可能是 0.7,10000 次时几乎贴住 0.5。概率不随试验改变,改变的是频率的精度。

2

比较两个"和"事件

在列表法里先选「和为 7」,再选「和为偶数」。前者只有 6 格(P=1/6),后者有 18 格(P=1/2)。同样是"和",等可能结果数可以差三倍——这就是必须枚举的理由。

3

制造一个极端值

在实验三选「数学测验」,把第 1 个数据从 72 拖到 0。观察:平均数明显下降,中位数几乎不动,方差急剧变大。平均数怕极端值,中位数不怕;方差专门度量这种"被拉开"。

4

两组数据,同样的平均数

依次选数据集 A 和 B,它们的平均数都约等于 80,但 A 的方差约 1.7,B 的方差约 300。只看平均数会得出"两组一样"的错误结论——这正是标准差存在的意义。

5

给树状图"数路径"

在树状图里选「一红一白」,亮起的是 RW 与 WR 两条路径,概率 2/9 + 2/9 = 4/9。顺序不同是两条不同的路径,这一点在枚举法里对应 R₁W、R₂W、WR₁、WR₂ 四个结果。

6

同一份数据换四种画法

在图表工坊选「最喜欢的运动」,依次切条形图、扇形图、折线图、直方图。折线图在这里其实不合适——类别之间没有连续顺序。图表不是装饰,选错会误导读者。

原理速查

把四个实验背后的定义集中放在一起。

1概率与频率

概率 P(A) 是事件 A 发生可能性的度量,满足 0 ≤ P(A) ≤ 1。在 n 次重复试验中 A 出现 m 次,频率 f = m/n。当 n 很大时,频率稳定在 P 附近,因此可以用频率估计概率。

注意方向:P 是客观存在的常数,频率是随试验变化的随机变量。我们用频率去猜 P,而不是反过来。

2等可能事件的概率

若一次试验有 n 种等可能结果,事件 A 包含其中 m 种,则 P(A) = m/n。关键是"等可能"这个前提:骰子的 6 个面、摸球时每个球被摸到的机会均等。

两步及以上试验,用列表法枚举所有有序结果,或用树状图逐层展开;分支概率相乘得路径概率,命中路径相加得事件概率。

3集中趋势三兄弟

  • 平均数:所有数据之和 ÷ 个数。利用了全部信息,但对极端值敏感。
  • 中位数:排序后位于中间的数(偶数个时取中间两数平均)。只看位置,抗极端值。
  • 众数:出现次数最多的数,可能不止一个,也可能没有。

4离散程度与图表

方差 s² = [(x₁−x̄)² + ⋯ + (xₙ−x̄)²] / n,标准差 s = √s²。它们越大,数据越分散。标准差与原数据同单位,更便于解释。

频数是落在某组的个数,频率是频数占总数的比例。条形图比多少、扇形图看构成、折线图看变化、频数分布直方图看连续数据在区间的分布。

四个常见误解

这些错误几乎都来自"把长期规律套到短期"或"只用一个指标看数据"。

!

"抛了 9 次反面,第 10 次该正面了吧?"

不会。硬币没有记忆,第 10 次正面概率仍是 0.5。频率靠近 0.5 靠的是分母变大把偏差稀释,不是未来必须出现"补偿"。在实验一单步推进时,你能看到曲线是慢慢贴近而非弹回去。

!

"概率 0.5 就是抛两次必有一次正面"

不是。概率描述的是大量重复试验的长期比例,不约束少数几次的结果。抛两次可能两次都是反面,其概率是 0.25。

!

"平均数相同,两组数据就一样"

实验三的 A、B 两组就是反例:平均数都是 80,方差却相差近 200 倍。集中趋势和离散程度是两个独立维度,必须同时报告。

!

"扇形图能表现随时间的变化"

不能。扇形图只表现某一时刻的构成比例;趋势要用折线图。图表类型的选择取决于数据关系(分类比较 / 构成 / 时间序列 / 连续分布),不是好看与否。

一句话总结:概率是"大量重复后频率停在哪",统计是"用少数数据看清整体的位置与波动"。四个实验的共同动作只有一个——亲手把数字变出来,再看着它们变化。