前几天,北京天气气象部门发布雷电蓝警，降雨致早高峰堵车加剧 晚高峰将受影响，结果大家都知道了，这场闹剧随后在朋友圈被人戏谑道：“说好的大雨呢“.可见，对于下雨或者不下雨人类在事前是无法给予精确的回复，这种在事前没法给出具体结果的现象在生活中是很普遍的，例如：这次花2元买彩票中不中奖？如火如荼的欧洲杯小组赛西班牙与土耳其的比赛谁能赢？某种产品如果提高价格，则销量下降的可能性有多大？等等
上述这些现象都有三个特性：
1）事前不能确定哪种结果出现
2）各种结果在事前的可能性有哪些是可确定的
3）各种结果在多次事件重复中体现出某种量的规律性
对于这些不确定的现象，我们称之为随机现象。所谓概率，就是一个用来度量不确定现象发生的可能性的数值度量。换句话说：概率是可以度量上边描述的各种事件每种结果发生的可能性大小。概率的取值总是介于0到1之间。如事件的概率为0，则表明事件几乎不可能发生；如太阳从西边升起，如事件的概率为1，则表明事件一定发生，如太阳从东边升起，若事件的概率介于0和1之间，则代表事件发生可能性的程度。
几种概率定义中的短语解释：
试验（experiment）：可以产生明确结果的过程。在任何一个单一的重复试验中，有且只有一个试验结果产生。结果可以定性也可以定量。
样本空间（sample space）：确定了试验的所有可能结果的集合。
样本点：一个试验结果称为样本点，是属于样本空间的一个元素。
事件：是样本点的一个集合。
简单事件(基本事件）：只包含一个样本点的事件
复合事件：包含多个结果的事件
例如，抛掷一门硬币。样本点：要么朝上，要么朝下。样本空间：朝上，朝下，如果用S来表示样本空间的话，可以这样描述：s={正面，反面}
在给试验结果分配概率的时候，2个基本要求
1：分配给每个试验结果的概率都必须在0和1之间，包括0和1.
2：所有试验结果的概率之和必须为1.
实际当中最为常用的方法有三种：
1）古典法：适用于每个试验结果等概论发生，试验结果分配概率均为1/N.
比如抛掷硬币，每次试验结果发生正面和反面的机会是一致的。换句话说出现这2种结果的可能性是相等的。
2)相对频数法：适用于试验可以大量重复进行，并可以取得试验结果发生比率的数据。
比如汽车行清洗车辆数据，
- 10天中，没有“车辆数据”的分配概率是：2/10=20%
- 10天中，3辆车的分配概率是：5/10=50%.
3)主观法：当不能确定试验结果是等可能发生或者无法取得相关数据时，依靠经验和直觉.通常表示的某人对这件事的可信程度，人之不同，对同一试验结果可能预期分配不同的概率。
例如，A和B刚刚参加完了2016年北京高考，假设A预测高考成绩能达到600分的可能性较大，为0.8，可以记为P（A）=0.8，B对自己的成绩估摸最多500，无法达到600分，到达600分的概率为0.2,可以记为p（B）=0,2.注意，B对高考成绩能否达到600分的估计反映了他对高考成绩持悲观态度。他们2人估计的概率不同这一事实，说明了主观法的个人属性。主管概率不是空猜，它是建立在个人经验和认识的基础上，这样的基础可以保证取得较精确的概率.
