สรุปเนื้อหา ความน่าจะเป็น ม.3

ความน่าจะเป็น ม.3 | ตัวอย่างคอร์สเรียน เลข ม.ต้น | OnDemand

รายละเอียดคอร์ส ไฟฟ้าและอิเล็กทรอนิกส์ สอนโดย พี่เต้ย ออนดีมานด์
– ปูพื้นฐานอย่างเข้าใจ พร้อมสอน Math for Physics สำหรับพื้นฐานที่จำเป็นในการเรียนวิชาฟิสิกส์
– เทคนิค Supermap สรุปสูตร เพื่อน้องจะได้เข้าใจบทเรียนมากขึ้น

00:00 Highlight
00:48 รายละเอียดคอร์ส/สารบัญ
01:57 แผนภาพต้นไม้
08: 04 ตัวอย่างโจทย์ แผนภาพต้นไม้
16 : 49 กฎการคูณ
21:27 ตัวอย่างโจทย์กฎการคูณ
24:14 กฎการบวก
29:27 ตัวอย่างโจทย์กฎการบวก

กฎการนับเบื้องต้น

แผนภาพต้นไม้(Tree Diagram) เป็นวิธีการหนึ่งในการหาจํานวนวิธีที่เป็นไปได้ทั้งหมด

ของการกระทําเหตุการณ์ใดเหตุการณ์หนึ่ง แบ่งออกเป็น 2 ประเภท คือ

แผนภาพต้นไม้ที่แตกกิ่งอย่างเป็นระเบียบ หมายถึง แผนภาพต้นไม้ที่แต่ละกิ่งใหญ่ที่

แตกออกไป เมื่อแตกออกเป็นกิ่งย่อยๆ แล้ว จะมีจํานวนกิ่งย่อยๆ เท่ากันทุกอัน

แผนภาพต้นไม้ที่แตกกิ่งอย่างไม่เป็นระเบียบ หมายถึง แผนภาพต้นไม้ที่มีกิ่งใหญ่แต่ละกิ่ง

เมื่อแตกออกไปแล้ว จะก่อให้เกิดกิ่งย่อยๆ จํานวนไม่เท่ากันทุกกิ่ง

กฎการคูณ (The rule of product)

ถ้าการทํางานอย่างหนึ่งประกอบด้วยการทํางาน k ขั้นตอน คือ ขั้นตอนที่ 1 ถึง ขั้นตอนที่ k

โดยที่ การทำงานขั้นตอนที่ 1 มีวิธีทำ $n_1$ วิธี

การทำงานขั้นตอนที่ 2 มีวิธีทำ $n_2$ วิธี

การทำงานขั้นตอนที่ 3 มีวิธีทำ $n_3$ วิธี

$\vdots \quad \vdots$

การทำงานขั้นตอนที่ $k$ มีวิธีทำ $n_k$ วิธี

และวิธีการทํางานแต่ละวิธีแตกต่างกัน แล้ว

จำนวนวิธีทำงานเท่ากับ $n_1 \times n_2 \times n_3 \times \ldots \times n_k$ วิธี

กฎการบวก (The rule of sum)

ถ้าการทํางานอย่างหนึ่งมีวิธีการทําได้k กรณีคือ กรณีที่ 1 ถึง กรณีที่ k

โดยที่ การทำงานกรณีที่ 1 มีวิธีทำ $n_1$ วิธี

การทำงานกรณีที่ 2 มีวิธีทำ $n_2$ วิธี

การทำงานกรณีที่ 3 มีวิธีทำ $n_3$ วิธี

$\vdots \quad \vdots$

การทำงานกรณีที่ n มีวิธีทำ $n_k$ วิธี

และการทํางานแต่ละกรณีมีวิธีที่แตกต่างกัน แล้ว

จำนวนวิธีทำงานเท่ากับ $n_1+n_2+n_3+\ldots+n_k$ วิธี

บริษัท ออนดีมานด์ เอ็ดดูเคชั่น จำกัด (สำนักงานใหญ่)

ที่อยู่ 444 ชั้น 14 อาคารเอ็ม บี เค ทาวเวอร์

ถนนพญาไท แขวงวังใหม่ เขตปทุมวัน กรุงเทพมหานคร 10330

ส่วนหนึ่งของบริษัทในเครือ

หน้าหลัก

อื่นๆ

ได้รับการรับรองโดย

©️ 2021 ONDEMAND EDUCATION CO.,LTD. ALL RIGHTS RESERVED.

BY LEARN CORPORATION