夜雨聆风学习资料网 资料列表 开通 VIP 用登录 / 注册 ⌄
PDF

105.概率压轴的常见的新情境汇编

查看资料信息、公开预览和下载状态。

共 11 页PDF · 965.7KB
下载

文档在线预览

公开展示前 6 页
100%
1
《105.概率压轴的常见的新情境汇编》第1页预览
2
《105.概率压轴的常见的新情境汇编》第2页预览
3
《105.概率压轴的常见的新情境汇编》第3页预览
4
《105.概率压轴的常见的新情境汇编》第4页预览
5
《105.概率压轴的常见的新情境汇编》第5页预览
6
《105.概率压轴的常见的新情境汇编》第6页预览

本文档共 11 页 剩余 5 页未展示,请下载后查阅

下载

文档文本内容

105.概率压轴的常见的新情境汇编 
 
★类型1.概率递推与马尔科夫链 
一.真题回溯 
1.(2023·新高考1 卷)甲、乙两人投篮,每次由其中一人投篮,规则如下:若命中则此人
继续投篮,若末命中则换为对方投篮.无论之前投篮情况如何,甲每次投篮的命中率均为
0.6,乙每次投篮的命中率均为0.8.由抽签确定第1 次投篮的人选,第1 次投篮的人是
甲、乙的概率各为0.5. 
(1)求第2 次投篮的人是乙的概率; 
(2)求第次投篮的人是甲的概率;(公众号:凌晨讲数学) 
i
(3)已知:若随机变量
服从两点分布,且
,则
i
X




1
1
0
,
1,2,
,
i
i
i
P X
P X
q i
n






.记前
次(即从第1 次到第
次投篮)中甲投篮的次数为
,求
1
1
n
n
i
i
i
i
E
X
q










n
n
Y

E Y
. 
解析:(1)记“第次投篮的人是甲”为事件
,“第次投篮的人是乙”为事件
, 
i
iA
i
iB
所以,
 












2
1
2
1
2
1
2
1
1
2
1
|
|
P B
P A B
P B B
P A P B
A
P B P B
B




. 


0.5
1 0.6
0.5 0.8
0.6






(2)设
,依题可知,
,则 


i
i
P A
p



1
i
i
P B
p

, 












1
1
1
1
1
|
|
i
i
i
i
i
i
i
i
i
i
i
P A
P A A
P B A
P A P A
A
P B P A
B









即
,构造等比数列
,设



1
0.6
1 0.8
1
0.4
0.2
i
i
i
i
p
p
p
p









ip


,解得
,则
,又
,所以


1
2
5
i
i
p
p





1
3

1
1
2
1
3
5
3
i
i
p
p










1
1
1
1
1
,
2
3
6
p
p



是首项为
,公比为
的等比数列,即
. 
1
3
ip







1
6
2
5
1
1
1
1
2
1
2
1
,
3
6
5
6
5
3
i
i
i
i
p
p




















(3)因为
,
,所以当
时,
1
1
2
1
6
5
3
i
ip










1,2,
,
i
n


*
N
n
,故
. 

1
2
2
1
1
5
2
5
1
2
6
3
18
5
3
1
5
n
n
n
n
n
E Y
p
p
p
































5
2
( )
1
18
5
3
n
n
E Y

















二.热门模考题展示 
2.(24 届东北三省四市联考T19)入冬以来,东北成为全国旅游和网络话题的“顶流”.南
方小土豆们纷纷北上体验东北最美的冬天,这个冬天火的不只是东北的美食,东北人的热
情,还有东北的洗浴中心,南方游客直接拉着行李箱进入,拥挤程度堪比春运.东北某城
市洗浴中心花式宠“且”,为给顾客更好的体验,推出了A 和B 两个套餐服务,顾客可自由
选择A 和B 两个套餐之一,并在
平台上推出了优惠券活动,下表是该洗浴中心在
App
平台10 天销售优惠券情况.(公众号:凌晨讲数学) 
App
日期t 
1 
2 
3 
4 
5 
6 
7 
8 
9 
10 
销售量y(千
张) 
1.90 
1.98 
2.20 
2.36 
2.43 
2.59 
2.68 
2.76 
2.70 
0.40 
经计算可得:
. 
10
10
10
2
1
1
1
1
2.2,
118.73,
385
10
i
i
i
i
i
i
i
y
y
t y
t










(1)因为优惠券购买火爆,
平台在第10 天时系统出现异常,导致当天顾客购买优惠
App
券数量大幅减少,现剔除第10 天数据,求y 关于t 的回归方程;(结果中的数值用分数表
示) 
(2)若购买优惠券的顾客中选择A 套餐的概率为
,选择B 套餐的概率为
,并且选择
2
5
3
5
A 套餐需要用一张优惠券,选择B 套餐需要用两张优惠券,记
平台累计销售优惠券为
App
n 张的概率为
,求
; 
nP
nP
(3)记(2)中所得概率
的值构成数列
. 
nP


*
nP
nN
①求数列
的最值; 

nP
②数列收敛的定义:已知数列
,若对于任意给定的正数ε,总存在正整数
,使得当

na
0
N
时,
,(a 是一个确定的实数),则称数列
收敛于a.根据数列收敛
0
n N
na
a




na
的定义证明数列
收敛.参考公式:
. 

nP





1
1
2
2
2
1
1
ˆ
n
n
i
i
i
i
i
i
n
n
i
i
i
i
x
x
y
y
x y
nxy
b
x
x
x
nx















解析:(1)剔除第10 天数据的
9
1
1
2.2 10
0.4
1
2
9
( )
2.4,( )
5
9
9
9
i
i
y
y
t












L
新
新
;
 
10
1
118.73 10 0.4
114.73
i
i
i
t y












新
10
2
2
1
385 10
285
i
i
t











新
所以
,故
,所
1
2
2
2
1
114.73
9 5 2.4
673
ˆ
285
9 5
6000
n
i
i
i
n
i
i
x y
nxy
b
x
nx











673
2207
2.4
5
6000
1200
a 



以
. 
673
2207
6000
1200
y
x


(2)由题意可知
,其中
, 
1
2
2
3
(
3)
5
5
n
n
n
P
P
P
n





1
2
2
2
2
3
19
,
5
5
5
5
25
P
P





将此式变形可得
, 
1
1
2
1
2
3
2
3
2
5
2
5
5
5
5
n
n
n
n
n
n
P
P
P
P
P
P






































令
,解得
或
. 
3
5
2
5





1

3
5

当
时,则
,所以
为常数列 
3
5

1
1
2
3
3
(
3)
5
5
n
n
n
n
P
P
P
P
n







1
3
5
n
n
P
P 







首项为
,故
,将
变形
2
1
3
19
3
2
1
5
25
5
5
P
P





1
3
1(
2)
5
n
n
P
P
n




1
3
1(
2)
5
n
n
P
P
n




可得
,所以
是以首项为
,
1
5
3
5 (
2)
8
5
8
n
n
P
P
n











5
8
nP







1
5
2
5
9
8
5
8
40
P 



公 
比为
的等比数列,故
,即
  
3
5

1
5
9
3
8
40
5
n
nP










1
9
3
5
40
5
8
n
nP










(3)①当n 为偶数时,
单调递减,最大值为
5
3
3
5
3 3
0
8
8
5
8
8 5
n
n
nP


















2
19
25
P 
; 
当n 为奇数时,
单调递增,最小值为
; 
5
3
3
5
3 3
0
8
8
5
8
8 5
n
n
nP


















1
2
5
P 
综上:数列
的最大值为
,最小值为
. 

nP
19
25
2
5
②证明:对任意
总存在正整数
,(其中
表示取整函数) 
0

0
3
5
8
log
1
3
N















[ ]
x
当
时,
.  
3
5
8
log
1
3
n















3
5
8
log
3
5
3
3
3 3
3 3
8
8
5
8 5
8 5
n
n
nP
































3.(24 届深圳中学高三二检)某不透明箱子中有8 个除颜色外完全相同的小球,其中2 个
白球,3 个红球和3 个黄球. 
(1)若把所有小球拿出来按顺序排成一排,求所有不同排列方法的种数; 
(2)若采取不放回的方式每次从箱子中随机取走一个球,直至取到红球为止,在这过程中
记取到的白球数为
,求
的分布列;(公众号:凌晨讲数学) 
X
X
(3)若一开始先把箱子里的黄球全部取出来,然后按以下规则每次取一个球;若取到红球,
则把红球拿走并重新放入一个白球;若取到白球,则把白球拿走并重新放入一个红球.重复
这个操作
次后;记箱子里红球个数为
,求
的数学期望. 


*
n n
N

nY
nY
解析:(1)8 个位置选3 个位置放红球共
种选法,剩余5 个位置选3 个位置放黄球共
3
8
C
种选法.剩余2 个位置放白球因此,共有
种排列方式 
3
5
C
3
3
8
5
560
C
C


(2)
的可能取值为
,
时,相当于8 个小球按顺序排成排,红球前面没有白
X
0,1,2
0
X 
球的概率2 个白球,3 个红球和3 个黄球排成一排共有
种排列方式,红球前面没有
3
3
8
5
C
C

白球共有
种排列方式因此
,同理 
3
2
8
4
C
C

3
2
8
4
3
3
8
5
3
(
0)
5
C
C
P X
C
C





所以
的分布列为 
8
3
1
3
s
3
8
3
3
3
3
8
5
5
1
3
1
(
1)
, (
2)
.
10
10
C
C
C
P X
P X
C
C
C
C










X
 
x
0 
1 
2 
 
P
 
3
5
 
3
10
 
1
10
(3)设
的分布列为 
1
n
Y 
 
1
n
Y 
0 
1 
2 
3 
4 
5 
 
P
 
0p
 
1p
 
2p
 
3p
 
4p
 
5p
则
且
 
0
1
2
3
4
5
1
p
p
p
p
p
p








1
2
3
4
5
1
2
3
4
5
n
p
p
p
p
p
E Y 





,同理 






1
1
0
2
2
2
1
0
2
5
5
n
n
n
P Y
P Y
P Y
p
p










 




1
3
2
4
4
3
3
4
2
,
3
5
5
5
5
n
n
P Y
p
p P Y
p
p






 




3
5
4
2
1
4
,
5
5
5
n
n
P Y
p
p P Y
p









0
1
2
3
4
5
1
8
11
14
17
20
3
1
5
5
5
5
5
5
n
n
E Y
p
p
p
p
p
p
E Y 







,由题意得,
 




1
5
3
5
2
5
2
n
n
E Y
E Y 












0
3
E Y

,
 




0
5
3
5
1
3
2
5
2
2
5
n
n
n
E Y
E Y



























5
1
3
2
2
5
n
n
E Y









★类型2.极大似然估计 
一.基本原理 
(1)当
给定时,可得到函数
,这个是数列的最值
p
n
k
p
p
C
k
f
k
n
k
k
n





,2,1,0
,
)
1(
)
(
问题. 
. 
)
1(
)1
(
1
)
1(
)1
(
)
1(
)
1(
)1
(
)
1(
)
1(
1
1
1
1
p
k
k
p
n
p
k
k
p
n
p
k
p
k
p
k
n
p
p
C
p
p
C
p
p
k
n
k
k
n
k
n
k
n
k
k
k
























分析:当
时,
,
随
值的增加而增加;当
时, 
p
n
k
)1
( 

1


k
k
p
p
kp
k
p
n
k
)1
( 

,
随
值的增加而减少.如果
为正整数,当
时,
1


k
k
p
p
kp
k
p
n
)1
( 
p
n
k
)1
( 

,此时这两项概率均为最大值.如果
为非整数,而
取
的整数
1


k
k
p
p
p
n
)1
( 
k
p
n
)1
( 
部分,则
是唯一的最大值. 
kp
注:在二项分布中,若数学期望为整数,则当随机变量
等于期望时,概率最大. 
k
(2)当
给定时,可得到函数
,这个是函数的最值问
k
)1,0
(
,
)
1(
)
(




p
p
p
C
p
f
k
n
k
k
n
题, 
这可以用导数求函数最值与最值点. 
分析:
 


1
1
)
1
)(
(
)
1(
)
('









k
n
k
k
n
k
k
n
p
k
n
p
p
kp
C
p
f
 


p
k
n
p
k
p
p
C
k
n
k
k
n
)
(
)
1(
)
1(
1
1








).
(
)
1(
1
1
np
k
p
p
C
k
n
k
k
n






当
时,由于当
时,
,
单调递增,当
时,
1
,
,2,1


n
k

n
k
p 
0
)
('

p
f
)
( p
f
n
k
p 
,
单调递减,故当
时,
取得最大值,
.又当
0
)
('

p
f
)
( p
f
n
k
p 
)
( p
f
)
(
)
(
max
n
k
f
p
f

,当
时,
,从而
无最小值. 
1
)
(
,0


p
f
p
0

p
0
)
(

p
f
)
( p
f
3.2 超几何分布的概率最值 
将从
件产品中取出
件产品的可能组合全体作为样本点,总数为
.其中,次品
)
(
b
a 
n
n
b
a
C 
出现
次的可能为
.令
,则所求概率为
 
k
k
n
b
k
aC
C

b
a
N


n
N
k
n
a
N
k
a
k
C
C
C
N
h



)
(
即
.令
则当
时,
kN
nN
aN
N
an
nN
aN
N
C
C
C
C
C
C
N
h
N
h
n
N
k
n
a
N
k
a
n
N
k
n
a
N
k
a
k
k















2
2
1
1
)1
(
)
(
,
)1
(
)
(



N
h
N
h
k
k
kN
an 
;当
时,
,即当
时,
是关于
的增函数;当
1


kN
an 
1


k
an
N 
)
(N
hk
N
k
an
N 
时,
是关于
的减函数.所以当
时,
达到最大值. 
)
(N
hk
N





k
an
N
)
(N
hk
二.热门试题展示 
4.(24 届杭州市高三二模T19)在概率统计中,常常用频率估计概率.已知袋中有若干个
红球和白球,有放回地随机摸球
次,红球出现
次.假设每次摸出红球的概率为
,根
n
m
p
据频率估计概率的思想,则每次摸出红球的概率
的估计值为
. 
p
Ap
m
n

(1)若袋中这两种颜色球的个数之比为
,不知道哪种颜色的球多.有放回地随机摸
1: 3
取3 个球,设摸出的球为红球的次数为
,则
.(公众号:凌晨讲数学) 
Y


3,
Y
B
p
~
注:
表示当每次摸出红球的概率为
时,摸出红球次数为
的概率) 


p
P Y
k

p
k
(ⅰ)完成下表; 
 
k
0 
1 
2 
3 
 


1
4
P Y
k

 
27
64
 
 
 
1
64
 


3
4
P Y
k

 
 
9
64
 
 
27
64
(ⅱ)在统计理论中,把使得
的取值达到最大时的
,作为
的估计值,记为


p
P Y
k

p
p
,请写出
的值. 
Ap
Ap
(2)把(1)中“使得
的取值达到最大时的
作为
的估计值
”的思想称为最


p
P Y
k

p
p
Ap
大似然原理.基于最大似然原理的最大似然参数估计方法称为最大似然估计. 
具体步骤:先对参数
构建对数似然函数
,再对其关于参数
求导,得到似然方程


l 

,最后求解参数
的估计值.已知
的参数
的对数似然函数为

0
l 





,
Y
B n p
~
p
,其中
.求参数
的估


1
1
( )
ln
1
ln(1
)
n
n
i
i
i
i
l p
X
p
X
p








0,
1,
i
i
X
i



第次摸出白球
第次摸出红球
p
计值,并且说明频率估计概率的合理性. 
解(1)因为
,所以
的值为
或
. 


3,
Y
B
p
~
p
1
4
3
4
(ⅰ)表格如下 
 
k
0 
1 
2 
3 
 


1
4
P Y
k

 
27
64
 
27
64
 
9
64
 
1
64
 


3
4
P Y
k

 
1
64
 
9
64
 
27
64
 
27
64
(ⅱ)由题知
. 




3
3
C
1
k
k
k
p
P Y
k
p
p




当
或1 时,参数
的概率最大;当
或3 时,参数
的概率最大. 
0
y 
1
4
p 
2
y 
3
4
p 
所以
 
A
1 ,
0,1.
4
3 ,
2,3.
4
y
y
p







(2)对对数似然函数进行求导,
,因此似然方程为 



1
1
1
1
1
1
n
n
i
i
i
i
l
p
X
X
p
p









,解上面的方程,得
, 


1
1
1
1
1
0
1
n
n
i
i
i
i
X
X
p
p








1
1
ˆ
n
i
i
p
X
n


因此,用最大似然估计的参数
与频率估计概率的
是一致的,故用频率估计概率是合理
Ap
Ap
的. 
★类型3.概率公式与复杂事件概率计算 
1.常见赛制 
赛制1.
局
胜制. 
n
m
这种规则的特点为一旦某方获得
次胜利即终止比赛,所以若比赛提前结束,则一定在最
m
后一次比赛中某方达到
胜. 
m
赛制2.连胜制. 
规定某方连胜
场即终止比赛,所以若提前结束比赛,则最后
场连胜且之前没有达到
m
m
场连胜. 
m
赛制3.比分差距制 
规定某方比对方多
分即终止比赛,此时首先根据比赛局数确定比分,在得分过程中要注
m
意使两方的分差小于
. 
m
赛制4.“通关制”(淘汰赛制) 
在比赛的过程中,如果在某一场失败,则被淘汰,此类问题要注意若达到第
阶段,则意
m
味着前
个阶段均能通关.这种类似于足球比赛中的淘汰赛. 


1
m 
赛制5.联赛制 
一共有
局比赛,每位选手都参加
局比赛,每局比赛相互独立,最终计算全部比赛的
m
m
得分分布列,这种就类似与足球比赛中的联赛制,必须要打满一定的场次.  
5.(2020 全国1 卷).甲、乙、丙三位同学进行羽毛球比赛,约定赛制如下:累计负两场者
被淘汰;比赛前抽签决定首先比赛的两人,另一人轮空;每场比赛的胜者与轮空者进行下
一场比赛,负者下一场轮空,直至有一人被淘汰;当一人被淘汰后,剩余的两人继续比
赛,直至其中一人被淘汰,另一人最终获胜,比赛结束.经抽签,甲、乙首先比赛,丙轮
空.设每场比赛双方获胜的概率都为
, 
1
2
(1)求甲连胜四场的概率; 
(2)求需要进行第五场比赛的概率; 
(3)求丙最终获胜的概率. 
解析:(1)记事件
甲连胜四场,则
; 
:
M


4
1
1
2
16
P M








(2)记事件
为甲输,事件
为乙输,事件
为丙输,则四局内结束比赛的概率为 
A
B
C
,所以,需要进行








4
1
1
4
2
4
P
P ABAB
P ACAC
P BCBC
P BABA













第五场比赛的概率为
. 
3
1
4
P
P


(3)①四场比赛丙获胜,丙在前四场获胜的概率为
 
8
1
)
2
1
(
3 
②由下表可知:五场比赛丙获胜,
,
16
1
2
1
2
1
2
1
2
1
)
(





B
P
8
1
2
1
1
2
1
2
1
)
(





C
P
, 
,(公众号:凌晨讲数学) 
8
1
2
1
2
1
1
2
1
)
(





D
P
丙五场比赛丙获胜的概率为
 

16
5
8
1
8
1
16
1
)
(
)
(
)
(






D
p
C
P
B
P
由于①②互斥,
丙最终获胜的概率为
. 

16
7
16
5
8
1


1 
2 
3 
4 
5 
事件 
轮空 
胜 
胜 
败 
胜 
B 
轮空 
胜 
败 
轮空 
胜 
C 
丙的 
参赛 
情况 
轮空 
败 
轮空 
胜 
胜 
D 
注:第二问在处理时直接列举情况较复杂,此时可以采取正难则反的技巧.第三问则可直接
枚举出各种可能结果,这是我们在计算复杂事件时一个重要的技巧.
 
6.(24 届广州一模T19)某校开展科普知识团队接力闯关活动,该活动共有两关,每个团
队由
位成员组成,成员按预先安排的顺序依次上场,具体规则如下:若


*
3,
N
n n
n


某成员第一关闯关成功,则该成员继续闯第二关,否则该成员结束闯关并由下一位成员接
力去闯第一关;若某成员第二关闯关成功,则该团队接力闯关活动结束,否则该成员结束
闯关并由下一位成员接力去闯第二关;当第二关闯关成功或所有成员全部上场参加了闯
关,该团队接力闯关活动结束. 
已知
团队每位成员闯过第一关和第二关的概率分别为
和
,且每位成员闯关是否成功
A
3
4
1
2
互不影响,每关结果也互不影响. 
(1)若
,用
表示
团队闯关活动结束时上场闯关的成员人数,求
的均值; 
3
n 
X
A
X
(2)记
团队第
位成员上场且闯过第二关的概率为
,集合 
A


*
1
1,
k
k
n
k



N
kp
中元素的最小值为
,规定团队人数
,求
. 
*
3
128
k
k
p








N
0k
0
1
n
k


n
解析:(1)
的所有可能取值为
 
X
1,2,3
 




3
1
3
1
3
3
1
1
9
1
,
2
4
2
8
4
8
4
2
2
32
P X
P X











,
的分布列如下 


3
9
11
3
1
8
36
32
P X 



X

 
X
1 
2 
3 
 
P
 
3
8
 
9
32
 
11
32
 


3
9
33
63
8
16
32
32
E X 



(2)
,若前
位玩家都没有通过第一关测试,其概率为
3
1
,
4
2
P
q




1
k 
,若前
位玩家中第
位玩家
1
'
1
1
3 1
3
(1
)
4
4 2
2 4
k
k
k
k
p
p
pq

















1
k 


1
1
i
i
k


才通过第一关测试,则前面
位玩家无人通过第一关测试,其概率为
,第位
1
i 
1
(1
)i
p


i
玩家通过第一关测试,但没有通过第
位玩家到第
位玩家都没有通过第二关测试,
1
i 
1
k 
其概率为
.所以前面
位玩家中恰有一人通过第一关测试的概率为: 
1
(1
)k i
q




1
k 
 
1
1
1
1
1
1
1
1
1
(1
)
(1
)(1
)
(1
)
1
i
k
k
i
k i
k
k
i
i
p
p
p
p
q
q
q
pq
q
q


























. 
1
1
1
1
1
1
1
1
1
1 1
2
3 1
1
3
1
3
1
1
1
8 2
2
8
2
2
2
1
2
k
k
i
k
k
k
k
i































































第
位成员问过第二关的概率
. 

k
'
''
3
1
1
2
2
4
k
k
k
k
k
p
p
p
























由
 
0
3
1
1
3
1
1
1
6,
6,
7
2
2
4
128
2
4
64
k
k
k
k
k
k
n











































★类型4.概率与其他板块综合 
7.(2021 新高考2 卷)一种微生物群体可以经过自身繁殖不断生存下来,设一个这种微生
物为第0 代,经过一次繁殖后为第1 代,再经过一次繁殖后为第2 代……,该微生物每代
繁殖的个数是相互独立的且有相同的分布列,设X 表示1 个微生物个体繁殖下一代的个
数,
. 
(
)
(
0,1,2,3)
i
P X
i
p i



(1)已知
,求
; 
0
1
2
3
0.4,
0.3,
0.2,
0.1
p
p
p
p




(
)
E X
(2)设p 表示该种微生物经过多代繁殖后临近灭绝的概率,p 是关于x 的方程:
的一个最小正实根,求证:当
时,
,当
2
3
0
1
2
3
p
p x
p x
p x
x




(
)
1
E X 
1
p 
(
)
1
E X 
时,
; 
1
p 
(3)根据你的理解说明(2)问结论的实际含义.(公众号:凌晨讲数学) 
解析:(2)设
,因为
,故



3
2
3
2
1
0
1
f x
p x
p x
p
x
p





3
2
1
0
1
p
p
p
p




,若
,则
,故



3
2
3
2
2
0
3
0
f x
p x
p x
p
p
p
x
p








1
E X 
1
2
3
2
3
1
p
p
p



. 
2
3
0
2
p
p
p


,因为
,



2
3
2
2
0
3
3
2
f
x
p x
p x
p
p
p









2
0
3
0
0
f
p
p
p





,故
有两个不同零点
,且
, 

2
3
0
1
2
0
f
p
p
p






f
x

1
2
,
x x
1
2
0
1
x
x


且
时,
;
时,
;故
在
,




1
2
,
,
x
x
x




0
f
x




1
2
,
x
x x


0
f
x



f x


1
, x

上为增函数,在
上为减函数,若
,因为
在
为增函数且


2,
x 


1
2
,
x x
2
1
x 

f x


2,
x 
, 
1
0
f

而当
时,因为
在
上为减函数,故
,故为


2
0,
x
x


f x


1
2
,
x x




2
1
0
f x
f x
f



1
的一个最小正实根,若
,因为
且在
上为减函
2
3
0
1
2
3
p
p x
p x
p x
x




2
1

x
1
0
f



2
0, x
数,故1 为
的一个最小正实根,综上,若
,则
.若
2
3
0
1
2
3
p
p x
p x
p x
x






1
E X 
1
p 
,则
,故
.此时
,


1
E X 
1
2
3
2
3
1
p
p
p



2
3
0
2
p
p
p





2
0
3
0
0
f
p
p
p





,故
有两个不同零点
,且
,且

2
3
0
1
2
0
f
p
p
p






f
x

3
4
,
x x
3
4
0
1
x
x



时,
;
时,
;故
在
,




3
4
,
,
x
x
x




0
f
x




3
4
,
x
x x


0
f
x



f x


3
, x

上为增函数,在
上为减函数,而
,故
,又


4,
x 


3
4
,
x x
1
0
f



4
0
f x


0
0
0
f
p


,故
在
存在一个零点
,且
.所以
为
的一个最

f x


4
0, x
p
1
p 
p
2
3
0
1
2
3
p
p x
p x
p x
x




小正实根,此时
,故当
时,
. 
1
p 


1
E X 
1
p 
(3)意义:每一个该种微生物繁殖后代的平均数不超过1,则若干代必然灭绝,若繁殖后
代的平均数超过1,则若干代后被灭绝的概率小于1. 
 
8.(24 届湖北省部分学校联考)有一位老师叫他的学生到麦田里,摘一颗全麦田里最大的
麦穗,期间只能摘一次,并且只可以向前走,不能回头.结果,他的学生两手空空走出麦
田,因为他不知前面是否有更好的,所以没有摘,走到前面时,又发觉总不及之前见到
的,最后什么也没摘到.假设该学生在麦田中一共会遇到
颗麦穗(假设
颗麦穗的大小均
n
n
不相同),最大的那颗麦穗出现在各个位置上的概率相等,为了使他能在这些麦穗中摘到
那颗最大的麦橞,现有如下策略:不摘前
颗麦穗,自第
颗开始,只要发现
(1
)
k
k
n


1
k 
比他前面见过的麦穗都大的,就摘这颗麦穗,否则就摘最后一颗.设
,该学生摘到那
k
tn

颗最大的麦穗的概率为
.(取
) 
P
1 1
ln
n
j k
k
k
n
n
j
n
k




(1)若
,
,求
; 
4
n 
2
k 
P
(2)若
取无穷大,从理论的角度,求
的最大值及
取最大值时的值. 
n
P
P
t
解析:(1)这4 颗麦穗的位置从第1 颗到第4 颗排序,有
种情况. 
4
4
A
24

要摘到那颗最大的麦穗,有以下两种情况: 
①最大的麦穗是第3 颗,其他的麦穗随意在哪个位置,有
种情况. 
3
3
A
6

②最大的麦穗是最后1 颗,第二大的麦穗是第1 颗或第2 颗,其他的麦穗随意在哪个位
置,有
种情况.故所求概率为
. 
2
2
2A
4

6
4
5
24
12


(2)记事件
表示最大的麦穗被摘到,事件
表示最大的麦穗在麦穗中排在第
颗. 
A
j
B
j
因为最大的那颗麦穗出现在各个位置上的概率相等,所以
.以给定所在位置的序


1
j
P B
n

号作为条件,
.当
时,最大的麦穗在前






1
1
1
|
|
n
n
j
j
j
j
j
P A
P A B P B
P A B
n






1
j
k


k
颗麦穗之中,不会被摘到,此时
.当
时,最大的麦穗被摘到,当且


|
0
j
P A B

1
k
j
n


仅当前
颗麦穗中的最大的一颗在前
颗麦穗中时,此时
.由全概率公
1
j 
k


|
1
j
k
P A B
j


式知
.令函数
,
,
1
1
1
1
( )
ln
1
n
n
j k
j k
k
k
k
n
P A
n
j
n
j
n
k









( )
ln
(
0)
x
n
g x
x
n
x


1
1
( )
ln n
g x
n
x
n



令
,则
,当
时,
,当
时,
,所以

0
g
x


e
n
x 
0, e
n
x






( )
0
g x


,
e
n
x
n






( )
0
g x


( )
g x
在
上单调递增,在
上单调递减.所以
.所以当
,
0, e
n






,
e
n n






max
1
( )
e
e
n
g x
g 







e
n
k 
时取得最大值,最大值为
,此时
,即
的最大值为
,此时的值为 
( )
ln
k
n
P A
n
k

1
e
1
t
e

P
1
e
t