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。
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。
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。
计算式会在这里展开。
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。
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。
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。
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。
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。
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"。
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。
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。
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。