频率估计概率模型：用稳定频率估概率

求解策略

1. 检查可重复性：同一条件能否大量重复、各次是否互不影响
2. 汇总频率：把各批试验的频数、次数分别求和再作商，比平均各批频率更稳
3. 用稳定频率估概率，按「总次数 × 概率」做预估并保留「约」
4. 变式识别：结果有限且等可能转古典概型模型；已知概率反推样本量或频数，设元列方程

模型结构

有些概率「数不出来」：图钉落地钉尖朝上的可能性、种子的发芽率、射手的命中率。办法只有一个——重复做，让频率自己说话。

要素	内容
场景	发芽率、命中率、抽检合格率、图钉落地
前提	试验可大量重复且互不干扰
等量关系	大量重复下频率 $\frac{m}{n}$ 稳定，稳定值 ≈ 概率

标准形与建模

翻译对照：

现实语言	数学语言
200 粒种子发芽 64 粒	频率 $=\frac{64}{200}=0.32$
再做几批频率都在 0.32 附近	频率稳定
估计发芽概率	$P\approx 0.32$
种 1000 粒约发多少芽	$1000\times 0.32=320$（约）

标准形：

$P(A)\approx \frac{m}{n}(n\text{足够大})$

频率是「已经发生的比例」，概率是「本来应有的可能性」。次数越大，前者越能代表后者。

求解步骤

1. 汇总数据：把多批试验的频数、次数分别相加。
2. 算频率：$\frac{m}{n}$，观察多组频率是否贴近。
3. 估概率：用稳定值作为 $P(A)$ 的估计，表述用「约」。
4. 做预估：总次数 × 概率 ≈ 预计发生次数，结果取整数并说明是估计值。

典例精析

例：农科站对一批种子做发芽试验：第一批 100 粒发芽 31 粒，第二批 100 粒发芽 33 粒。两批合计估计发芽概率；若播种 1000 粒，约可发多少芽？

解：合计频数 $31+33=64$，合计次数 $100+100=200$：

$P(\text{发芽})\approx \frac{64}{200}=0.32$

播种 1000 粒约发芽 $1000\times 0.32=320$ 粒。答：估计发芽概率约 0.32，1000 粒约发 320 芽（估计值）。

家长可以直接复述的算法：200 粒里发了 64 粒，每 100 粒约发 32 粒——多试几批都在三成上下，就把三成当发芽率来备种。

常见变式

1. 图表题：给出频率随次数增大的折线图，读出稳定水平作为概率估计。
2. 成本预估：用估计概率算次品数、废品损耗，辅助定价与备货决策。
3. 游戏公平性：通过试验频率判断规则是否偏向某方，再回头改规则。
4. 升级识别：若试验结果有限且等可能，直接转古典概型模型省去试验；题目给出理论概率求「至少多少次才保证出现」，涉及最不利思路转抽屉原理模型。

对比与联系

模型	概率怎么来	前提	典型场景
古典概型模型	数结果 $\frac{m}{n}$	有限、等可能	硬币、骰子
频率估计概率模型	大量重复看稳定频率	可重复试验	发芽、命中率、抽检
几何概型	度量占比	结果无限且均匀	转盘、撒点

一句话区分：古典概型靠「数」，频率估计靠「试」。数不清结果时，重复试验的稳定频率是概率最可靠的入口。