定义 常见模型指在概率统计中，具有特定结构、参数及分布规律的典型随机现象数学描述。
从哪来 它建立在 3.4 组合数的计算 与 5.2 与概率结合（二项分布） 之上。
为什么 现实世界中的随机现象往往不是完全独立的，而是存在“成功/失败”、“有放回/无放回”等结构性差异。
1. 结构决定分布：若每次试验独立且概率不变，样本空间由 $n$ 次独立事件构成，概率计算依赖乘法原理，对应二项分布；若从有限总体中抽取且不放回，样本空间由组合数 $C_n^k$ 决定，对应超几何分布。
2. 简化复杂性：将复杂的随机过程抽象为“常见模型”，是为了利用已知的概率公式（如二项分布概率公式、超几何分布概率公式）快速求解，避免每次都从头推导组合数。
3. 逻辑闭环：从“组合数计算”（计数基础）到“二项分布”（独立重复试验模型），再到“常见模型”（涵盖独立与不独立、离散与连续等更广泛的典型结构），是一个从特殊到一般、从计数到分布的认知进阶过程。
适合：逻辑严密、擅长公式推导的学生**
**核心思路：从“试验结构”推导“概率公式”**
1. **拆解试验
问学生“每次试验是否独立？”“概率是否恒定？”
- 是独立 + 概率恒定 → 二项分布 $X \sim B(n, p)$。
- 不独立 + 有限总体 → 超几何分布 $X \sim H(N, M, n)$。
2.
对比公式：
- 二项分布：$P(X=k) = C_n^k p^k (1-p)^{n-k}$，强调 $C_n^k$ 是“位置选择”，$p^k$ 是“结果概率”。
- 超几何分布：$P(X=k) = \frac{C_M^k C_{N-M}^{n-k}}{C_N^n}$，强调分子是“符合条件的组合数”，分母是“所有可能的组合数”。
3.
结论：模型的本质是
样本空间的计数方式不同。二项分布是“有序/独立”的计数，超几何分布是“无序/不独立”的计数。
适合：形象思维强、喜欢生活实例的学生**
**核心思路：用“抽奖”和“投篮”类比**
1. **投篮模型（二项分布）
- 场景：投10个球，每个球进不进不影响下一个球。
- 关键：每次都是“新开始”，概率固定。
- 记忆点：“独立重复”，像工厂流水线，每个产品独立检测。
2.
抽奖模型（超几何分布）：
- 场景：箱子里有10个球（3红7白），摸3个，问摸到红球数。
- 关键：摸出一个球，箱子里球就少了，概率变了（不独立）。
- 记忆点：“不放回”，像从一袋糖果里抓一把，抓到的数量受总量限制。
3.
对比：
- 二项分布：像“无限次”尝试（或每次重置）。
- 超几何分布：像“有限资源”消耗。
适合：考试导向、追求解题速度的学生**
**核心思路：关键词识别法**
1. **看题干关键词
- 出现“独立”、“重复”、“每次概率相同”、“有放回” →
二项分布。
- 出现“不放回”、“从...中抽取”、“有限总体”、“已知总数和某类数量” →
超几何分布。
2.
看变量范围：
- 二项分布：$X$ 取值 $0, 1, ..., n$。
- 超几何分布：$X$ 取值 $\max(0, n-(N-M))$ 到 $\min(n, M)$。
3.
解题模板：
- 二项分布：直接套 $C_n^k p^k (1-p)^{n-k}$。
- 超几何分布：直接套 $\frac{C_M^k C_{N-M}^{n-k}}{C_N^n}$。
4.
提醒：不要混淆 $n$（试验次数）和 $N$（总体容量）。