概率越大，可能越大
這是清華教授講解概率的精彩視頻，樓主看 下把/v_show/id_XMTA1ODYzMjg=.html
下面是資料，來自/view/45320.htm
概率的定義
隨機事件出現的可能性的量度。概率論最基本的概念之壹。人們常說某人有百分之多少的把握能通過這次考試，某件事發生的可能性是多少，這都是概率的實例。
■概率的頻率定義
隨著人們遇到問題的復雜程度的增加，等可能性逐漸暴露出它的弱點，特別是對於同壹事件，可以從不同的等可能性角度算出不同的概率，從而產生了種種悖論。另壹方面，隨著經驗的積累，人們逐漸認識到，在做大量重復試驗時，隨著試驗次數的增加，壹個事件出現的頻率，總在壹個固定數的附近擺動，顯示壹定的穩定性。R.von米澤斯把這個固定數定義為該事件的概率，這就是概率的頻率定義。從理論上講，概率的頻率定義是不夠嚴謹的。A.H.柯爾莫哥洛夫於1933年給出了概率的公理化定義。
■概率的嚴格定義
設E是隨機試驗，S是它的樣本空間。對於E的每壹事件A賦於壹個實數，記為P(A)，稱為事件A的概率。這裏P(·)是壹個集合函數，P(·)要滿足下列條件：
（1）非負性：對於每壹個事件A，有P(A)≥0;
（2）規範性：對於必然事件S，有P(S)=1;
（3）可列可加性：設A1，A2……是兩兩互不相容的事件，即對於i≠j，Ai∩Aj=φ，（i,j=1,2……），則有P（A1∪A2∪……）=P（A1）+P（A2）+……
■概率的古典定義
如果壹個試驗滿足兩條：
（1）試驗只有有限個基本結果；
（2）試驗的每個基本結果出現的可能性是壹樣的。
這樣的試驗，成為古典試驗。
對於古典試驗中的事件A，它的概率定義為：
P(A)=m/n，n表示該試驗中所有可能出現的基本結果的總數目。m表示事件A包含的試驗基本結果數。這種定義概率的方法稱為概率的古典定義。
■概率的統計定義
在壹定條件下，重復做n次試驗，nA為n次試驗中事件A發生的次數，如果隨著n逐漸增大，頻率nA/n逐漸穩定在某壹數值p附近，則數值p稱為事件A在該條件下發生的概率，記做P(A)=p。這個定義成為概率的統計定義。
在歷史上，第壹個對“當試驗次數n逐漸增大，頻率nA穩定在其概率p上”這壹論斷給以嚴格的意義和數學證明的是早期概率論史上最重要的學者雅各布·伯努利（Jocob Bernoulli，公元1654年～1705年）。
從概率的統計定義可以看到，數值p就是在該條件下刻畫事件A發生可能性大小的壹個數量指標。
由於頻率nA/n總是介於0和1之間，從概率的統計定義可知，對任意事件A，皆有0≤P(A)≤1，P(Ω)=1，P(Φ)=0。
Ω、Φ分別表示必然事件（在壹定條件下必然發生的事件）和不可能事件（在壹定條件下必然不發生的事件）。
編輯本段生活中的實例
普遍認為，人們對將要發生的機率總有壹種不好的感覺，或者說不安全感，俗稱「點背」，下面列出的幾個例子可以形象描述人們有時對機率存在的錯誤的認識：
■1. 六合彩：在六合彩（49選6）中，壹***有13983816種可能性（參閱組合數學），普遍認為，如果每周都買壹個不相同的號，最晚可以在13983816/52（周）=268919年後獲得頭等獎。事實上這種理解是錯誤的，因為每次中獎的機率是相等的，中獎的可能性並不會因為時間的推移而變大。
■2. 生日悖論：在壹個足球場上有23個人（2×11個運動員和1個裁判員），不可思議的是，在這23人當中至少有兩個人的生日是在同壹天的機率要大於50％。
■3. 輪盤遊戲：在遊戲中玩家普遍認為，在連續出現多次紅色後，出現黑色的機率會越來越大。這種判斷也是錯誤的，即出現黑色的機率每次是相等的，因為球本身並沒有「記憶」，它不會意識到以前都發生了什麼，其機率始終是 18/37。
■4. 三門問題：在電視臺舉辦的猜隱藏在門後面的汽車的遊戲節目中，在參賽者的對面有三扇關閉的門，其中只有壹扇門的後面有壹輛汽車，其它兩扇門後是山羊。遊戲規則是，參賽者先選擇壹扇他認為其後面有汽車的門，但是這扇門仍保持關閉狀態，緊接著主持人打開沒有被參賽者選擇的另外兩扇門中後面有山羊的壹扇門，這時主持人問參賽者，要不要改變主意，選擇另壹扇門，以使得贏得汽車的機率更大壹些？正確結果是，如果此時參賽者改變主意而選擇另壹扇關閉著的門，他贏得汽車的機率會增加壹倍。
編輯本段概率的兩大類別
■古典概率相關
古典概率討論的對象局限於隨機試驗所有可能結果為有限個等可能的情形，即基本空間由有限個元素或基本事件組成，其個數記為n，每個基本事件發生的可能性是相同的。若事件A包含m個基本事件，則定義事件A發生的概率為p（A）＝m／n，也就是事件A發生的概率等於事件A所包含的基本事件個數除以基本空間的基本事件的總個數，這是P.-S.拉普拉斯的古典概率定義，或稱之為概率的古典定義。歷史上古典概率是由研究諸如擲骰子壹類賭博遊戲中的問題引起的。計算古典概率，可以用窮舉法列出所有基本事件，再數清壹個事件所含的基本事件個數相除，即借助組合計算可以簡化計算過程。
■幾何概率相關
集合概率若隨機試驗中的基本事件有無窮多個，且每個基本事件發生是等可能的，這時就不能使用古典概率，於是產生了幾何概率。幾何概率的基本思想是把事件與幾何區域對應，利用幾何區域的度量來計算事件發生的概率，布豐投針問題是應用幾何概率的壹個典型例子。
在概率論發展的早期，人們就註意到古典概率僅考慮試驗結果只有有限個的情況是不夠的，還必須考慮試驗結果是無限個的情況。為此可把無限個試驗結果用歐式空間的某壹區域S表示，其試驗結果具有所謂“均勻分布”的性質，關於“均勻分布”的精確定義類似於古典概率中“等可能”只壹概念。假設區域S以及其中任何可能出現的小區域A都是可以度量的，其度量的大小分別用μ(S)和μ(A)表示。如壹維空間的長度，二維空間的面積，三維空間的體積等。並且假定這種度量具有如長度壹樣的各種性質，如度量的非負性、可加性等。
◆幾何概率的嚴格定義
設某壹事件A（也是S中的某壹區域），S包含A，它的量度大小為μ(A)，若以P(A)表示事件A發生的概率，考慮到“均勻分布”性，事件A發生的概率取為：P(A)=μ(A)/μ(S)，這樣計算的概率稱為幾何概率。
◆若Φ是不可能事件，即Φ為Ω中的空的區域，其量度大小為0，故其概率P(Φ)=0。
編輯本段獨立試驗序列
假如壹串試驗具備下列三條：
（1）每壹次試驗只有兩個結果，壹個記為“成功”，壹個記為“失敗”，P{成功}=p，P{失敗}=1-p=q；
（2）成功的概率p在每次試驗中保持不變；
（3）試驗與試驗之間是相互獨立的。
則這壹串試驗稱為獨立試驗序列，也稱為bernoulli概型。
編輯本段必然事件與不可能事件
在壹個特定的隨機試驗中，稱每壹可能出現的結果為壹個基本事件，全體基本事件的集合稱為基本空間。隨機事件（簡稱事件）是由某些基本事件組成的，例如，在連續擲兩次骰子的隨機試驗中，用Z，Y分別表示第壹次和第二次出現的點數，Z和Y可以取值1、2、3、4、5、6，每壹點（Z，Y）表示壹個基本事件，因而基本空間包含36個元素。“點數之和為2”是壹事件，它是由壹個基本事件（1，1）組成，可用集合｛（1，1）｝表示“點數之和為4”也是壹事件，它由（1，3），（2，2），（3，1)3個基本事件組成，可用集合｛（1，3），(3，1)，（2，2)｝表示。如果把“點數之和為1”也看成事件，則它是壹個不包含任何基本事件的事件，稱為不可能事件。在試驗中此事件不可能發生。如果把“點數之和小於40”看成壹事件，它包含所有基本事件 ，在試驗中此事件壹定發生，所以稱為必然事件。若A是壹事件，則“事件A不發生”也是壹個事件，稱為事件A的對立事件。實際生活中需要對各種各樣的事件及其相互關系、基本空間中元素所組成的各種子集及其相互關系等進行研究。
隨機事件，基本事件，等可能事件，互斥事件，對立事件
在壹定的條件下可能發生也可能不發生的事件，叫做隨機事件。
壹次實驗連同其中可能出現的每壹個結果稱為壹個基本事件。
通常壹次實驗中的某壹事件由基本事件組成。如果壹次實驗中可能出現的結果有n個，即此實驗由n個基本事件組成，而且所有結果出現的可能性都相等，那麽這種事件就叫做等可能事件。
不可能同時發生的兩個事件叫做互斥事件。
必有壹個發生的互斥事件叫做對立事件。
編輯本段概率的性質
性質1．P(Φ)=0.
性質2（有限可加性）．當n個事件A1，…，An兩兩互不相容時： P(A1∪...∪An)=P(A1)+...+P(An)．
_
性質3．對於任意壹個事件A：P(A)=1-P(非A)．
性質4．當事件A,B滿足A包含於B時：P(B-A)=P(B)-P(A)，P(A)≤P(B)．
性質5．對於任意壹個事件A，P(A)≤1．
性質6．對任意兩個事件A和B，P(B-A)=P(B)-P(AB)．
性質7（加法公式）．對任意兩個事件A和B，P(A∪B)=P(A)+P(B)-p(AB)．
（註：A後的數字1，2，．．．，n都表示下標．）
資料：
概率論
probability theory
研究隨機現象數量規律的數學分支。隨機現象是相對於決定性現象而言的。在壹定條件下必然發生某壹結果的現象稱為決定性現象。例如在標準大氣壓下，純水加熱到100℃時水必然會沸騰等。隨機現象則是指在基本條件不變的情況下，壹系列試驗或觀察會得到不同結果的現象。每壹次試驗或觀察前，不能肯定會出現哪種結果，呈現出偶然性。例如，擲壹硬幣，可能出現正面或反面，在同壹工藝條件下生產出的燈泡，其壽命長短參差不齊等等。隨機現象的實現和對它的觀察稱為隨機試驗。隨機試驗的每壹可能結果稱為壹個基本事件，壹個或壹組基本事件統稱隨機事件，或簡稱事件。事件的概率則是衡量該事件發生的可能性的量度。雖然在壹次隨機試驗中某個事件的發生是帶有偶然性的，但那些可在相同條件下大量重復的隨機試驗卻往往呈現出明顯的數量規律。例如，連續多次擲壹均勻的硬幣，出現正面的頻率隨著投擲次數的增加逐漸趨向於1／2。又如，多次測量壹物體的長度，其測量結果的平均值隨著測量次數的增加，逐漸穩定於壹常數，並且諸測量值大都落在此常數的附近，其分布狀況呈現中間多，兩頭少及某程度的對稱性。大數定律及中心極限定理就是描述和論證這些規律的。在實際生活中，人們往往還需要研究某壹特定隨機現象的演變情況隨機過程。例如，微小粒子在液體中受周圍分子的隨機碰撞而形成不規則的運動（即布朗運動），這就是隨機過程。隨機過程的統計特性、計算與隨機過程有關的某些事件的概率，特別是研究與隨機過程樣本軌道(即過程的壹次實現)有關的問題，是現代概率論的主要課題。
概率論的起源與賭博問題有關。16世紀，意大利的學者吉羅拉莫·卡爾達諾（Girolamo Cardano，1501——1576）開始研究擲骰子等賭博中的壹些簡單問題。17世紀中葉，有人對博弈中的壹些問題發生爭論，其中的壹個問題是“賭金分配問題”，他們決定請教法國數學家帕斯卡（Pascal)和費馬（Fermat）基於排列組合方法，研究了壹些較復雜的賭博問題，他們解決了分賭註問題、賭徒輸光問題。他們對這個問題進行了認真的討論，花費了3年的思考，並最終解決了這個問題，這個問題的解決直接推動了概率論的產生。
隨著18、19世紀科學的發展，人們註意到在某些生物、物理和社會現象與機會遊戲之間有某種相似性，從而由機會遊戲起源的概率論被應用到這些領域中；同時這也大大推動了概率論本身的發展。使概率論成為數學的壹個分支的奠基人是瑞士數學家j.伯努利，他建立了概率論中第壹個極限定理，即伯努利大數定律，闡明了事件的頻率穩定於它的概率。隨後a.de棣莫弗和p.s.拉普拉斯 又導出了第二個基本極限定理（中心極限定理）的原始形式。拉普拉斯在系統總結前人工作的基礎上寫出了《分析的概率理論》，明確給出了概率的古典定義，並在概率論中引入了更有力的分析工具，將概率論推向壹個新的發展階段。19世紀末，俄國數學家p.l.切比雪夫、a.a.馬爾可夫、a.m.李亞普諾夫等人用分析方法建立了大數定律及中心極限定理的壹般形式，科學地解釋了為什麽實際中遇到的許多隨機變量近似服從正態分布。20世紀初受物理學的刺激，人們開始研究隨機過程。這方面a·n·柯爾莫哥洛夫、n.維納、a·a·馬爾可夫、a·r·辛欽、p·萊維及w·費勒等人作了傑出的貢獻。
如何定義概率，如何把概率論建立在嚴格的邏輯基礎上，是概率理論發展的困難所在，對這壹問題的探索壹直持續了3個世紀。20世紀初完成的勒貝格測度與積分理論及隨後發展的抽象測度和積分理論，為概率公理體系的建立奠定了基礎。在這種背景下，蘇聯數學家柯爾莫哥洛夫1933年在他的《概率論基礎》壹書中第壹次給出了概率的測度論的定義和壹套嚴密的公理體系。他的公理化方法成為現代概率論的基礎，使概率論成為嚴謹的數學分支，對概率論的迅速發展起了積極的作用。
概率與統計的壹些概念和簡單的方法，早期主要用於賭博和人口統計模型。隨著人類的社會實踐，人們需要了解各種不確定現象中隱含的必然規律性，並用數學方法研究各種結果出現的可能性大小，從而產生了概率論，並使之逐步發展成壹門嚴謹的學科。現在，概率與統計的方法日益滲透到各個領域，並廣泛應用於自然科學、經濟學、醫學、金融保險甚至人文科學中 。