01 / BIRTHDAY
先算‘所有人都不同’,再从 1 里扣除。
假设不考虑闰日,每个人生日独立且在 365 天中等可能。n 人恰好对应 n 次有序放回抽样。要计算“至少两人生日相同”,直接罗列所有可能撞车的对子会重复计数;相反事件“所有生日互不相同”只需顺着人数乘下去。
第一人生日任意;第二人与第一人不同的条件占 364/365;第三人避开前两人的生日占 363/365;以此类推。n=23 时碰撞概率约为 50.73%。请注意假设:真实世界存在季节、出生时段差异,这个经典数字是理想化模型的结果,而不是人口普查数字。
理解检查 01 · 相反事件
请选择一个答案,再检查理由。
无须脚本 · 查看完整推导
在独立均匀的假设下,P(无撞车)=∏(365−i)/365,最后用补集。
02 / BIRTHDAY LAB
人数翻倍,不只是配对机会翻倍。
如果每个人都能与此前所有人比较,新加入的第 n 个人会产生 n−1 个新的比较对;全部共有 C(n,2)=n(n−1)/2 对。因此群体规模看似不大,潜在撞车机会却以近似平方增长。
每加一人,都必须避开此前已占用的所有生日。计算使用精确连乘而非“几率≈人数/365”。
n=1 时没有任何配对,碰撞概率0;n>365 时根据鸽巢原理必然碰撞。这个边界让我们能核查计算式是否合理。
理解检查 02 · 配对数量
请选择一个答案,再检查理由。
无须脚本 · 查看完整推导
不同的两人组合为 20×19/2=190。
03 / PROPERTIES
补集、包含关系和两事件并集。
空事件的概率为0;因为 A 与其补集 Ac 互斥且并起来恰好是 Ω,所以 P(A)+P(Ac)=1。这正是生日问题使用的补集法。
若 A⊆B,那么 B 能拆成互斥的 A 和 B\A。于是 P(B)=P(A)+P(B\A)≥P(A),得到单调性。
最后一条是容斥原理的最简单情形:P(A)+P(B) 已把交集数了两次,减去一次才是并集。若 A、B 互斥,交集为空,就退化为直接相加。
理解检查 03 · 容斥两事件
请选择一个答案,再检查理由。
无须脚本 · 查看完整推导
并集=单项之和减交集,即 0.6+0.5−0.2=0.9。
04 / INCLUSION EXCLUSION
如何避免‘至少一次’被重复计算?
三个事件 A、B、C 的并集概率:
为什么最后要把三重交集加回来?某个同时属于三事件的结果,第一行被加了 3 次,第二行又被减去 3 次,最终还剩0;但它应在并集中出现1次,因此再加1次。
再考虑 n 张编号卡片均匀随机排成一列。令 Aᵢ 表示第 i 张卡恰好放在编号 i 的位置。任意指定 k 个位置同时正确的概率是 (n−k)!/n!=1/[n(n−1)⋯(n−k+1)];这样的 k 位置集合有 C(n,k) 种。用容斥可推得完全错位(没有一个位置正确)的概率:
当 n=4 时,它等于 1−1+1/2−1/6+1/24=3/8;这不是说事件独立,恰恰是借助交集的精确计数处理依赖关系。极限接近 e−1 是有趣的拓展。
理解检查 04 · 错位排列
请选择一个答案,再检查理由。
无须脚本 · 查看完整推导
在 n=4 时容斥展开求和得到3/8,即4!中9个完全错位排列。
PRACTICE · VERIFY YOUR REASONING
自己推一遍,再看答案。
所有课后题均由本站根据大学课程能力目标原创,先写出模型假设和推导,再展开解答核对。随堂选择题即使关闭 JavaScript,依然可以查看完整解析。
在365天均匀独立模型下,3人中至少两人同生日的概率写成精确分数表达式。
查看分步解答
补集‘三人生日各异’概率是365×364×363/365³,目标为1−364×363/365²。不要只算第一人与后两人撞车:第二与第三也可能同日。
给出 P(A)=0.5、P(B)=0.4、P(C)=0.3、两两交集依次为0.2、0.1、0.1,三重交集0.05,求并集。
查看分步解答
P(A∪B∪C)=0.5+0.4+0.3−0.2−0.1−0.1+0.05=0.85。三重交集必须最后加回来。
从概率非负性与互斥可加性证明 A⊆B ⇒ P(A)≤P(B)。
查看分步解答
把 B 写为 A 与 B\A 的不交并集。P(B)=P(A)+P(B\A),而后项≥0,故P(B)≥P(A)。
若 P(A)=0.7、P(B)=0.6,说明 P(A∩B) 不可能小于多少?
查看分步解答
由并集概率至多1:P(A∪B)=0.7+0.6−P(A∩B)≤1,所以 P(A∩B)≥0.3。另外交集也不大于 min(0.7,0.6)=0.6。
3 张编号卡片等可能随机排列,求至少一张放在自己位置的概率,并从枚举核对。
查看分步解答
完全错位概率 1−1+1/2−1/6=1/3,故至少一张位置正确概率 2/3。六种排列中,完全错位有 (2,3,1)、(3,1,2) 两种,至少一处匹配有四种,4/6=2/3。
能解释条件和推导,就算真正学会。
本讲共 4 道理解检查。完成后建议独立完成 5 道课后练习。
独立事件的定义与贝叶斯反推将在第4讲展开;这里的生日模型仅在明确的均匀、独立假设下成立。
查看概率论 34 讲目录 ↗课程目录主题 Birthday problem, probability properties, inclusion-exclusion;该讲原始视频标题另记为 Lecture 3: Birthday Problem, Properties of Probability ↗。本讲已核对官方课次目录,并按可获得的官方练习选段与明确标注为非官方的课堂笔记对照知识点;没有完整看过官方视频,也没有取得官方逐字稿,不声称逐分钟复刻哈佛课程。
本站的案例、数字、测验、交互及课后题为独立编写;未将大学原题与课件照搬到网页。