对于一般个人来说，在日常生活中，概率有什么意义？

发布网友 发布时间：2022-04-20 02:30

我来回答

共5个回答

热心网友 时间：2023-06-24 15:51

学习概率很重要
第一，中考的时候要考相关的题。
第二，在出身社会后很有使用性，可以做统计或报告，在工作和生活当中是一种能力的体现。
第三，可以在理论上分析问题的可能性。其实天气预报也是一种概率，虽不能完全预知未来，但概率也可以
在某些方面帮助你做出选择。
第四，学好概率可以帮助你解决一些题，在考试中有些题只须计算出概率就可以说出范围，不用一个个去
罗列和计算，既提高了效率又不容易出错。
概率在学习和生活方面都应用得很广泛，因此它十分重要。

热心网友 时间：2023-06-24 15:51

可以看看事件的可能性啊,可以算事情可行不可行.还有算事故发生的可能,等等.很有用的饿.

热心网友 时间：2023-06-24 15:52

概率是挺重要的，比如说数学有许多的公式等，如果你掌握了，那么有许多的数学题目你都可以套进去，马上可以搞定。

热心网友 时间：2023-06-24 15:52

【概率的定义】
　　随机事件出现的可能性的量度。概率论最基本的概念之一。人们常说某人有百分之多少的把握能通过这次考试，某件事发生的可能性是多少，这都是概率的实例。
　　■概率的频率定义
　　随着人们遇到问题的复杂程度的增加，等可能性逐渐暴露出它的弱点，特别是对于同一事件，可以从不同的等可能性角度算出不同的概率，从而产生了种种悖论。另一方面，随着经验的积累，人们逐渐认识到，在做大量重复试验时，随着试验次数的增加，一个事件出现的频率，总在一个固定数的附近摆动，显示一定的稳定性。R.von米泽斯把这个固定数定义为该事件的概率，这就是概率的频率定义。从理论上讲，概率的频率定义是不够严谨的。A.H.柯尔莫哥洛夫于1933年给出了概率的公理化定义。
　　■概率的严格定义
　　设E是随机试验，S是它的样本空间。对于E的每一事件A赋于一个实数，记为P(A)，称为事件A的概率。这里P(·)是一个集合函数，P(·)要满足下列条件：
　　（1）非负性：对于每一个事件A，有P(A)≥0;
　　（2）规范性：对于必然事件S，有P(S)=1;
　　（3）可列可加性：设A1，A2……是两两互不相容的事件，即对于i≠j，Ai∩Aj=φ，（i,j=1,2……），则有P（A1∪A2∪……）=P（A1）+P（A2）+……
　　■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。
　　■概率的统计定义
　　在一定条件下，重复做n次试验，nA为n次试验中事件A发生的次数，如果随着n逐渐增大，频率nA/n逐渐稳定在某一数值p附近，则数值p称为事件A在该条件下发生的概率，记做P(A)=p。这个定义成为概率的统计定义。
　　在历史上，第一个对“当试验次数n逐渐增大，频率nA稳定在其概率p上”这一论断给以严格的意义和数学证明的是早期概率论史上最重要的学者雅各布·伯努利（Jocob Bernoulli，公元1654年～1705年）。
　　从概率的统计定义可以看到，数值p就是在该条件下刻画事件A发生可能性大小的一个数量指标。
　　由于频率nA/n总是介于0和1之间，从概率的统计定义可知，对任意事件A，皆有0≤P(A)≤1，P(Ω)=1，P(Φ)=0。
　　Ω、Φ分别表示必然事件（在一定条件下必然发生的事件）和不可能事件（在一定条件下必然不发生的事件）。
【生活中的实例】
　　普遍认为，人们对将要发生的机率总有一种不好的感觉，或者说不安全感，俗称「点背」，下面列出的几个例子可以形象描述人们有时对机率存在的错误的认识：
　　■2. 生日悖论：在一个足球场上有23个人（2×11个运动员和1个裁判员），不可思议的是，在这23人当中至少有两个人的生日是在同一天的机率要大於50％。
　　■3. 轮盘游戏：在游戏中玩家普遍认为，在连续出现多次红色後，出现黑色的机率会越来越大。这种判断也是错误的，即出现黑色的机率每次是相等的，因为球本身并没有「记忆」，它不会意识到以前都发生了什麼，其机率始终是 18/37。
　　■4. 三门问题：在电视台举办的猜隐藏在门後面的汽车的游戏节目中，在参赛者的对面有三扇关闭的门，其中只有一扇门的後面有一辆汽车，其它两扇门後是山羊。游戏规则是，参赛者先选择一扇他认为其後面有汽车的门，但是这扇门仍保持关闭状态，紧接著主持人打开没有被参赛者选择的另外两扇门中後面有山羊的一扇门，这时主持人问参赛者，要不要改变主意，选择另一扇门，以使得赢得汽车的机率更大一些？正确结果是，如果此时参赛者改变主意而选择另一扇关闭著的门，他赢得汽车的机率会增加一倍。
　　TANKTANK98 修正：这里的几率是指什么几率？
　　我认为，这个问题使得很多人迷糊了，其实这里存在2个几率：
　　1.整个开门事件来说，包括从一开始来说，参赛者的几率由1/3提高到了2/3，因为有3张门，分别是参赛者选中的（有1/3）
　　另外2张（各1/3），后来主持人确定一个门没有车，这样使得剩下的2张门有车的总几率提升到了100%，而原来这2张门的总几率是66%，多出的33%分到了谁头上？
　　2.就参赛者从剩下的2张门里面选一个的时候，他得到车子的几率是50%。
　　几率的对象必须分清楚！是2张门选1张时候的几率还是从头至尾的几率，的确会迷糊人。
编辑本段【概率的两大类别】
　　■古典概率相关
　　古典概率讨论的对象局限于随机试验所有可能结果为有限个等可能的情形，即基本空间由有限个元素或基本事件组成，其个数记为n，每个基本事件发生的可能性是相同的。若事件A包含m个基本事件，则定义事件A发生的概率为p（A）＝m／n，也就是事件A发生的概率等于事件A所包含的基本事件个数除以基本空间的基本事件的总个数，这是P.-S.拉普拉斯的古典概率定义，或称之为概率的古典定义。历史上古典概率是由研究诸如掷骰子一类*游戏中的问题引起的。计算古典概率，可以用穷举法列出所有基本事件，再数清一个事件所含的基本事件个数相除，即借助组合计算可以简化计算过程。
　　■几何概率相关
　　集合概率若随机试验中的基本事件有无穷多个，且每个基本事件发生是等可能的，这时就不能使用古典概率，于是产生了几何概率。几何概率的基本思想是把事件与几何区域对应，利用几何区域的度量来计算事件发生的概率，布丰投针问题是应用几何概率的一个典型例子。
　　在概率论发展的早期，人们就注意到古典概率仅考虑试验结果只有有限个的情况是不够的，还必须考虑试验结果是无限个的情况。为此可把无限个试验结果用欧式空间的某一区域S表示，其试验结果具有所谓“均匀分布”的性质，关于“均匀分布”的精确定义类似于古典概率中“等可能”只一概念。假设区域S以及其中任何可能出现的小区域A都是可以度量的，其度量的大小分别用μ(S)和μ(A)表示。如一维空间的长度，二维空间的面积，三维空间的体积等。并且假定这种度量具有如长度一样的各种性质，如度量的非负性、可加性等。
　　◆几何概率的严格定义
　　设某一事件A（也是S中的某一区域），S包含A，它的量度大小为μ(A)，若以P(A)表示事件A发生的概率，考虑到“均匀分布”性，事件A发生的概率取为：P(A)=μ(A)/μ(S)，这样计算的概率称为几何概率。
　　◆若Φ是不可能事件，即Φ为Ω中的空的区域，其量度大小为0，故其概率P(Φ)=0。
【独立试验序列】
　　假如一串试验具备下列三条：
　　（1）每一次试验只有两个结果，一个记为“成功”，一个记为“失败”，P{成功}=p，P{失败}=1-p=q；
　　（2）成功的概率p在每次试验中保持不变；
　　（3）试验与试验之间是相互独立的。
　　则这一串试验称为独立试验序列，也称为bernoulli概型。
【必然事件与不可能事件】
　　在一个特定的随机试验中，称每一可能出现的结果为一个基本事件，全体基本事件的集合称为基本空间。随机事件（简称事件）是由某些基本事件组成的，例如，在连续掷两次骰子的随机试验中，用Z，Y分别表示第一次和第二次出现的点数，Z和Y可以取值1、2、3、4、5、6，每一点（Z，Y）表示一个基本事件，因而基本空间包含36个元素。“点数之和为2”是一事件，它是由一个基本事件（1，1）组成，可用集合｛（1，1）｝表示“点数之和为4”也是一事件，它由（1，3），（2，2），（3，1)3个基本事件组成，可用集合｛（1，3），(3，1)，（2，2)｝表示。如果把“点数之和为1”也看成事件，则它是一个不包含任何基本事件的事件，称为不可能事件。在试验中此事件不可能发生。如果把“点数之和小于40”看成一事件，它包含所有基本事件 ，在试验中此事件一定发生，所以称为必然事件。若A是一事件，则“事件A不发生”也是一个事件，称为事件A的对立事件。实际生活中需要对各种各样的事件及其相互关系、基本空间中元素所组成的各种子集及其相互关系等进行研究。
　　【随机事件，基本事件，等可能事件，互斥事件，对立事件】
　　在一定的条件下可能发生也可能不发生的事件，叫做随机事件。
　　一次实验连同其中可能出现的每一个结果称为一个基本事件。
　　通常一次实验中的某一事件由基本事件组成。如果一次实验中可能出现的结果有n个，即此实验由n个基本事件组成，而且所有结果出现的可能性都相等，那么这种事件就叫做等可能事件。
　　不可能同时发生的两个事件叫做互斥事件。
　　必有一个发生的互斥事件叫做对立事件。

热心网友 时间：2023-06-24 15:53

带不带伞还要考虑付出的代价值，要用代价和概率去加权比较。

比如，如果你淋湿了就会死，这个代价就很高，跟1%的概率相乘后还是很高，所以哪怕1%的下雨概率，还是要带伞。

带伞的代价是麻烦，而不打伞的代价是可能淋湿。如果要比较的话，就要赋予两者的代价一定数值，这个数值可以让当事人的心理承受能力来确定。

带伞的代价*明天不下雨的概率 比较 不带伞*明天下雨的概率

两者比较再来确定带不带伞。左边大的话就不带伞，右边大的话就带伞。