2023 新课标Ⅰ卷 - 第21题 (解答题)

概率论 · 马尔可夫链状态转移 · 全概率公式与期望线性性质
前置知识回顾:公式与定理 (点击展开)
  • 全概率公式:$P(B) = P(A_1)P(B \mid A_1) + P(A_2)P(B \mid A_2)$。
  • 马尔可夫递推关系:第 $i+1$ 次为甲的概率由前一次状态完全决定:$p_{i+1} = p_i P(\text{甲中}) + (1-p_i)P(\text{乙不中})$。
  • 期望的线性性质与两点分布:若 $X_i \sim B(1, p_i)$,则 $E(X_i) = p_i$,总次数期望 $E(Y) = \sum_{i=1}^n E(X_i) = \sum_{i=1}^n p_i$。
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,若未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 \(i\) 次投篮的人是甲的概率;
(3)已知:若随机变量 \(X_i\) 服从两点分布,且 \(P(X_i = 1) = 1 - P(X_i = 0) = q_i\,(i = 1, 2, \cdots, n)\),则 \(E\left(\sum_{i=1}^n X_i\right) = \sum_{i=1}^n q_i\).记前 \(n\) 次(即从第 1 次到第 \(n\) 次投篮)中甲投篮的次数为 \(Y\),求 \(E(Y)\).
基于数学引擎的绝对精确动态绘图

思路与规范推导

破题思路全景图

第1问:全概率拆解第2次是乙(甲不中换乙 + 乙中留乙)
计算 $P = 0.5 \times (1-0.6) + 0.5 \times 0.8 = 0.6$(第1问完成)
第2问建立状态转移递推式:$p_{i+1} = 0.6 p_i + 0.2(1 - p_i) = \frac{2}{5}p_i + \frac{1}{5}$
构造等比数列 $p_{i+1} - \frac{1}{3} = \frac{2}{5}(p_i - \frac{1}{3})$ 求出通项 $p_i$(第2问完成)
第3问利用期望线性性质 $E(Y) = \sum_{i=1}^n p_i$
等比求和 + 等差求和化简输出最终期望表达式(第3问完成)

(1) 求第 2 次投篮的人是乙的概率 满分 3 分

点击查看第 (1) 问全概率推导与计算

记事件 \(A_k\) 表示“第 \(k\) 次投篮的人是甲”,事件 \(B_k\) 表示“第 \(k\) 次投篮的人是乙”(\(k \in \mathbf{N}^*\)).

由题意可知:\(P(A_1) = 0.5\),\(P(B_1) = 0.5\).

第 2 次由乙投篮有两种互斥情形:

  • 第 1 次是甲投篮且未命中(换乙):概率为 \(P(A_1) \times (1 - 0.6) = 0.5 \times 0.4 = 0.2\);
  • 第 1 次是乙投篮且命中(继续乙):概率为 \(P(B_1) \times 0.8 = 0.5 \times 0.8 = 0.4\).

由全概率公式:

\[ P(B_2) = P(A_1) \times (1 - 0.6) + P(B_1) \times 0.8 = 0.2 + 0.4 = 0.6 \]

所以第 2 次投篮的人是乙的概率为 \(0.6\).

得 3 分

(2) 求第 \(i\) 次投篮的人是甲的概率 满分 5 分

点击查看第 (2) 问递推数列构造与通项

设第 \(i\) 次投篮的人是甲的概率为 \(p_i = P(A_i)\),则第 \(i\) 次是乙的概率为 \(1 - p_i\).

第 \(i+1\) 次投篮的人是甲,对应两种转移途径:

  • 第 \(i\) 次是甲且命中(概率 0.6);
  • 第 \(i\) 次是乙且未命中(概率 \(1 - 0.8 = 0.2\)).

因此列出递推关系式:

\[ p_{i+1} = p_i \times 0.6 + (1 - p_i) \times 0.2 = 0.4 p_i + 0.2 = \frac{2}{5}p_i + \frac{1}{5} \]
得 5 分

构造等比数列,设 \(p_{i+1} - x = \frac{2}{5}(p_i - x) \implies x = \frac{1/5}{1 - 2/5} = \frac{1}{3}\):

\[ p_{i+1} - \frac{1}{3} = \frac{2}{5}\left(p_i - \frac{1}{3}\right) \]

已知 \(p_1 = 0.5 = \frac{1}{2}\),则首项:

\[ p_1 - \frac{1}{3} = \frac{1}{2} - \frac{1}{3} = \frac{1}{6} \]

所以数列 \(\left\{p_i - \frac{1}{3}\right\}\) 是以 \(\frac{1}{6}\) 为首项,\(\frac{2}{5}\) 为公比的等比数列.

\[ p_i - \frac{1}{3} = \frac{1}{6}\left(\frac{2}{5}\right)^{i-1} \implies p_i = \frac{1}{6}\left(\frac{2}{5}\right)^{i-1} + \frac{1}{3} \]

即第 \(i\) 次投篮的人是甲的概率为 \(\frac{1}{6}\left(\frac{2}{5}\right)^{i-1} + \frac{1}{3}\).

得 8 分

(3) 记前 \(n\) 次中甲投篮次数为 \(Y\),求 \(E(Y)\) 满分 4 分

点击查看第 (3) 问期望线性化简与求和计算

引入指示变量 \(X_i\)(\(i = 1, 2, \cdots, n\)):

\[ X_i = \begin{cases} 1, & \text{第 } i \text{ 次投篮的人是甲} \\ 0, & \text{第 } i \text{ 次投篮的人是乙} \end{cases} \]

则 \(P(X_i = 1) = p_i\),故 \(X_i\) 服从参数为 \(p_i\) 的两点分布.

前 \(n\) 次中甲投篮的总次数为 \(Y = \sum_{i=1}^n X_i\).由题目给出的期望线性可加性质:

\[ E(Y) = E\left(\sum_{i=1}^n X_i\right) = \sum_{i=1}^n p_i = \sum_{i=1}^n \left[\frac{1}{6}\left(\frac{2}{5}\right)^{i-1} + \frac{1}{3}\right] \]
得 10 分

分别求和:

\[ \sum_{i=1}^n \frac{1}{6}\left(\frac{2}{5}\right)^{i-1} = \frac{1}{6} \times \frac{1 - \left(\frac{2}{5}\right)^n}{1 - \frac{2}{5}} = \frac{1}{6 \times \frac{3}{5}} \left[1 - \left(\frac{2}{5}\right)^n\right] = \frac{5}{18}\left[1 - \left(\frac{2}{5}\right)^n\right] \] \[ \sum_{i=1}^n \frac{1}{3} = \frac{n}{3} \]

合并两项可得:

\[ E(Y) = \frac{5}{18}\left[1 - \left(\frac{2}{5}\right)^n\right] + \frac{n}{3} \]
得 12 分

最终答案核对

解析阅读完毕,点击核对最终答案
(1)第 2 次投篮的人是乙的概率为 \(0.6\);
(2)第 \(i\) 次投篮的人是甲的概率为 \(p_i = \frac{1}{6}\left(\frac{2}{5}\right)^{i-1} + \frac{1}{3}\);
(3)\(E(Y) = \frac{5}{18}\left[1 - \left(\frac{2}{5}\right)^n\right] + \frac{n}{3}\).

核心模型与结论

马尔可夫链稳态与指示变量期望模型:两状态转移递推式 $p_{n+1} = \alpha p_n + \beta$ 转化为等比数列;指示变量 $Y = \sum X_i$ 把复杂计数期望分解为边缘概率求和。

易错警示与避坑

列递推关系式时最容易把转移条件搞混:甲到甲是“命中”(0.6),乙到甲必须是“未命中”(1-0.8=0.2),切勿把 0.8 当成乙转甲的概率!

高分技法与秒杀

稳态极限快速检验法:当 $n \to \infty$ 时,$\left(\frac{2}{5}\right)^n \to 0$,$p_i \to \frac{1}{3}$。甲投篮稳态概率 $\pi_{\text{甲}} = \frac{0.2}{0.4 + 0.2} = \frac{1}{3}$,完全吻合!期望关于 $n$ 的主导项必然是 $\frac{n}{3}$!

诊断与进阶指南

请勾选您在解答此题时遇到的问题或诉求,一键反馈给Ai老师:

上一题 返回试卷导航 下一题