高中数学概率题公式全解与实战指南
深度解析排列组合、古典概型、几何概型及离散型随机变量分布列。掌握核心逻辑，突破解题瓶颈，高考数学概率题不再丢分。
排列组合与基础计数原理 Counting Principles
1. 加法原理与乘法原理
加法原理：完成一件事有n类办法，在第1类办法中有m₁种不同的方法，在第2类办法中有m₂种不同的方法……做这件事共有N = m₁ + m₂ + ... + mₙ种不同的方法。分类计数，互斥独立。
乘法原理：完成一件事需要分成n个步骤，做第一步有m₁种不同的方法，做第二步有m₂种不同的方法……做这件事共有N = m₁ × m₂ × ... × mₙ种不同的方法。分步计数，缺一不可。
2. 排列数公式
从n个不同元素中，任取m(m≤n)个元素按照一定的顺序排成一列，叫做从n个不同元素中取出m个元素的一个排列。
3. 组合数公式
从n个不同元素中，任取m(m≤n)个元素并成一组，叫做从n个不同元素中取出m个元素的一个组合。
性质：Cnm = Cnn-m，Cnm + Cnm-1 = Cn+1m。
三大概率模型深度解析 Core Probability Models
1. 古典概型 (Classical Probability)
特征：(1) 有限性：基本事件个数有限；(2) 等可能性：每个基本事件出现的可能性相等。
其中n为基本事件总数，m为事件A包含的基本事件数。
袋中有3个红球，2个白球，从中任取2个球，求恰好取到1红1白的概率。
解析：
总事件数 n = C52 = 10。
有利事件数 m = C31 × C21 = 3 × 2 = 6。
概率 P = 6 / 10 = 3/5。
解题策略：当元素较少时，建议使用列举法或树状图；当元素较多时，务必使用组合数公式Cnm进行计算。注意区分“有放回”与“无放回”抽样，前者通常涉及独立重复试验，后者涉及超几何分布。
2. 几何概型 (Geometric Probability)
定义：如果每个事件发生的概率只与构成该事件区域的长度(面积或体积)成比例，则称这样的概率模型为几何概率模型。
甲、乙两人约定在6:00到7:00之间在某处会面，到达后均等待15分钟即离去。求两人能会面的概率。
解析：
设甲到达时间为x，乙到达时间为y，则 0≤x≤60, 0≤y≤60。
总区域面积 S = 60 × 60 = 3600。
能会面的条件为 |x - y| ≤ 15。
不能会面的区域为两个角上的三角形，每个面积 0.5 × 45 × 45 = 1012.5。
能会面的面积 S' = 3600 - 2×1012.5 = 1575。
概率 P = 1575 / 3600 = 7/16。
3. 条件概率与独立性
条件概率公式：
其中 P(A) > 0。它表示在事件A发生的条件下，事件B发生的概率。
独立性：若 P(AB) = P(A)P(B)，则事件A与B相互独立。
全概率公式：若事件B1, B2, ..., Bn构成一个完备事件组，则对任意事件A：
这是解决复杂概率问题的利器，常用于“分情况讨论”求总概率的场景。
离散型随机变量及其分布列 Random Variables
| 分布类型 | 符号/记号 | 概率公式 P(X=k) | 期望 E(X) | 方差 D(X) |
|---|---|---|---|---|
| 两点分布 (0-1分布) |
X ~ B(1, p) | P(X=1)=p, P(X=0)=1-p | p | p(1-p) |
| 二项分布 | X ~ B(n, p) | Cnk pk (1-p)n-k (k=0,1,...,n) |
np | np(1-p) |
| 超几何分布 | X ~ H(N,M,n) | CMkCN-Mn-k / CNn (k=0,1,...,m) |
np (其中p=M/N) |
np(1-p)(N-n)/(N-1) |
1. 二项分布 vs 超几何分布
这是高考中最容易混淆的两个模型。区分的关键在于抽样方式：
- 二项分布：通常对应有放回抽样，或者总体容量非常大，每次抽取对总体影响忽略不计，各次试验相互独立。
- 超几何分布：通常对应无放回抽样，总体容量有限，每次抽取后总体构成发生变化，各次抽取不独立。
题目若描述为“从10个产品中任取3个，其中2个次品，求取到1个次品的概率”，这是典型的超几何分布。若描述为“某工厂产品合格率90%，连续抽取10个，求恰好1个次品的概率”，这是二项分布。
高频考点与解题步骤 Problem Solving Steps
识别题目背景。是“取球”、“选人”还是“几何长度”？确定随机变量X的含义及其所有可能取值（0, 1, 2...n）。注意题目中的关键词如“至少”、“至多”、“恰好”。
利用排列组合公式或几何度量，计算每个取值对应的概率P(X=k)。务必检查所有概率之和是否为1，即 Σ P(X=k) = 1，这是检验计算正确性的有效手段。
用表格形式清晰展示X的取值与对应的概率。表格应包含两行或多列，第一行写X，第二行写P。
利用公式 E(X) = Σ xipi 和 D(X) = Σ (xi - E(X))² pi 进行计算。若已知分布类型（如二项分布），直接套用期望方差公式可大幅提高速度。
实战演练：抽奖模型
题目：某商场举行抽奖活动，箱中有5个球，3红2白。甲先取一个，乙后取一个，不放回。设X为甲取到红球的个数（0或1），Y为乙取到红球的个数（0或1）。
分析：
1. X的分布列： P(X=1) = 3/5, P(X=0) = 2/5。E(X) = 3/5。
2. Y的分布列： 利用全概率公式。
P(Y=1) = P(X=1)P(Y=1|X=1) + P(X=0)P(Y=1|X=0)
= (3/5)×(2/4) + (2/5)×(3/4) = 6/20 + 6/20 = 12/20 = 3/5。
3. 结论：在不放回抽样中，第k次抽到某物的概率与第1次相同，体现对称性。
常见疑难解答 FAQ
核心区别在于是否考虑元素的顺序。排列（A）与顺序有关，如排队、选人担任不同职务；组合（C）与顺序无关，如选人参加同一小组、抽取样本。判断方法是：若交换两个元素的位置，结果发生变化则为排列，结果不变则为组合。
计算期望E(X)需列出分布列，将每个取值乘以其概率后求和。计算方差D(X)有两种方法：一是定义法，即各取值与期望差的平方乘以概率之和；二是公式法 D(X) = E(X²) - [E(X)]²，后者在数值计算时通常更简便，尤其是当期望为分数时。
古典概型要求基本事件有限且等可能，通常涉及计数，概率等于有利事件数除以总事件数；几何概型要求基本事件无限且等可能，涉及长度、面积或体积，概率等于构成事件的区域度量除以总区域度量。
“至少”一个发生通常使用对立事件法更简单，即 P(至少一个) = 1 - P(一个都没有)。例如“至少1人中奖”的概率 = 1 - “所有人都没中奖”的概率。“至多”一个发生包括“0个”和“1个”两种情况，直接将这两种情况的概率相加即可。