很多数学问题并不是先问“结果是多少”，而是先问“可能情况有多少种”。例如，从若干对象中选择一部分、安排顺序、计算样本空间大小、估计事件发生概率，都离不开计数方法。
计数看似只是“数一数”，但真正重要的是分析问题结构：是分类完成，还是分步完成；是否关心顺序；是否存在重复计数。排列、组合和二项式系数，正是处理这些问题的基本工具。
说明：本文主要讨论最基础的有限计数问题。文中的排列、组合公式默认对象互不相同，并且每个对象最多使用一次；更复杂的重复选择、重复元素排列和约束计数，可以在后续系列文章中扩展。
一、加法原理与乘法原理
图 1：加法原理与乘法原理
1、分类完成一件事：加法原理
有些问题可以分成几类情况来完成，并且每次只会属于其中一类。
例如，去一个地方可以选择坐公交，也可以选择坐地铁。假设：
公交有 3 条路线；
地铁有 2 条路线。
如果一次出行只选择其中一种方式，那么总选择数为：
这里的关键是：公交和地铁是两类互不重叠的选择。完成这件事时，只需要从其中一类中选一种。这类问题适合使用“加法原理”。
加法原理（Addition Principle）用于“分类完成一件事”。
如果完成一件事有几类互不重叠的方法，第一类有 m 种方法，第二类有 n 种方法，那么总方法数为：
更一般地，如果有 k 类互不重叠的方法，数量分别为：
则总数为：
加法原理强调的是“或者”：选择第一类，或者选择第二类，或者选择其他类别。
使用加法原理时，要特别注意不同类别之间不能重复。如果同一种情况被归入两类，就会重复计数。
2、分步完成一件事：乘法原理
有些问题需要分几步完成，并且每一步都要做。
例如，选择一套衣服，需要先选上衣，再选裤子。假设：
上衣有 3 件；
裤子有 2 条。
每一件上衣都可以搭配任意一条裤子，所以总搭配数为：
这里的关键是：完成这件事需要两个步骤，而且每一步的选择都要参与最终结果。这类问题适合使用“乘法原理”。
乘法原理（Multiplication Principle）用于“分步完成一件事”。
如果完成一件事需要两步，第一步有 m 种选择，第二步有 n 种选择，那么总方法数为：
更一般地，如果完成一件事需要 k 步，每一步的选择数分别为：
则总数为：
乘法原理强调的是“并且”：先完成第一步，并且完成第二步，并且继续完成后续步骤。如果后一步的选择数会随着前一步的选择而变化，就不能简单套用固定乘积，而要根据不同情况分别计算。
很多排列问题，本质上都是乘法原理的连续使用。
二、排列
1、有顺序的选择
排列（Permutation）指从若干对象中选出一些，并且关心它们的顺序。
例如，从 A、B、C 三个字母中选出两个排列，可能结果包括：
这里 AB 和 BA 被看作不同结果，因为顺序不同。
因此，判断一个问题是不是排列，关键要问：结果中顺序是否重要？
如果顺序不同就表示不同结果，那么通常是排列问题。
2、全排列
全排列指 n 个不同对象的全部排列，也就是把所有对象都取出，并按一定顺序排列。
例如，A、B、C 三个字母的全排列有：
一共有 6 种。
用乘法原理解释：
第一个位置有 3 种选择；
第二个位置剩下 2 种选择；
第三个位置剩下 1 种选择。
所以总数为：
一般地，n 个不同对象的全排列数为：
其中，n! 读作 n 的阶乘，表示：
例如：
特别地，规定：
这个规定在组合公式和二项式展开中非常有用。
3、部分排列
部分排列指的是从 n 个不同对象中选出 k 个，并按顺序排列。
例如，从 A、B、C、D 四个字母中选出 2 个排成一列。
第一个位置有 4 种选择，第二个位置剩下 3 种选择，所以总数为：
一般地，从 n 个不同对象中选出 k 个进行排列，排列数通常记作：
读作“从 n 个中取 k 个的排列数”。它的计算公式为：
也可以写成：
一般要求 k 为整数，并且 0 ≤ k ≤ n。
在一些英文教材或程序库中，排列数也常写作：
或：
4、排列公式的含义
排列公式是乘法原理的结果。
说明：本文中的排列公式默认讨论的是，n 个对象互不相同，并且每个对象最多使用一次。如果允许重复选择，例如密码每一位都可以重复使用数字，那么计数方法会不同，需要重新分析每一步的选择数。
从 n 个对象中选出 k 个排列：
第 1 个位置有 n 种选择；
第 2 个位置有 n - 1 种选择；
第 3 个位置有 n - 2 种选择；
第 k 个位置有 n - k + 1 种选择。
所以总数为：
这正是排列数公式：
排列问题的核心是：选出的对象不仅重要，它们的位置顺序也重要。
三、组合
图 2：排列与组合的核心区别
说明：本文中的组合默认指从 n 个互不相同的对象中选出 k 个，并且每个对象最多选一次。
1、无顺序的选择
组合（Combination）指的是从若干对象中选出一些，但不关心顺序。
例如，从 A、B、C 三个字母中选出两个。
可能结果是：
这里 AB 和 BA 表示同一组选法，因为选到的对象一样，只是写的顺序不同。
因此，判断一个问题是不是组合，关键要问：只关心选了哪些对象，还是也关心它们的顺序？
如果只关心选到哪些对象，通常是组合问题。
2、组合数
从 n 个不同对象中选出 k 个，不考虑顺序，称为组合数，通常记作：
读作“从 n 个中取 k 个的组合数”。
在很多数学教材和概率统计教材中，组合数也常写作：
读作“n 选 k”。
二者表示同一个数：
例如：
或：
都表示从 4 个对象中选出 2 个，不考虑顺序。
如果对象为 A、B、C、D，则共有：
一共 6 种。
所以：
3、组合数公式与重复去除
组合数公式为：
一般要求 k 为整数，并且 0 ≤ k ≤ n。
组合数公式可以从排列数理解。
先从 n 个对象中选出 k 个并排序，有：
种排列。
但是，如果只关心选出的 k 个对象，不关心它们内部顺序，那么同一组对象会被重复计算 k! 次。
例如，选出 A、B、C 三个对象时：
这些排列顺序不同，但对应同一个组合。因此要除以 k!，于是得到：
也就是：
组合数公式的核心是：先按顺序数出来，再把重复顺序去掉。
4、组合与排列的关系
排列和组合之间有非常清楚的关系。
从 n 个对象中选 k 个并排列，等价于：
先从 n 个对象中选出 k 个；
再把这 k 个对象进行全排列。
所以：
反过来：
也可以写成：
这说明组合是“不考虑顺序的选择”，排列是“考虑顺序的选择”。
如果一个问题容易混淆，可以先问一句：换个顺序，结果还算不算不同？
如果算不同，就是排列；如果不算不同，就是组合。
四、二项式系数
1、二项式展开
二项式（Binomial）是由两项组成的代数式，例如：
二项式展开研究的是：
展开后会出现怎样的项（Term）和系数（Coefficient）。
例如：
再如：
这些系数：
和：
都与组合数有关。
2、组合数与展开系数
当 n 为非负整数时，二项式定理（Binomial Theorem）可以写成：
其中：
表示展开式中对应项的系数，本质上是一个组合数。
为什么会出现组合数？
因为：
可以看成 n 个：
相乘。
要得到一项：
就需要在 n 个括号中选择 k 个括号取 y，剩下 n - k 个括号取 x。
从 n 个括号中选 k 个取 y，有：
种方法。所以展开系数正是组合数。
以：
为例，按照二项式定理，有：
当 k = 0 时，对应项为：
其中：
所以：
其余几项可以直接写出：
因此，展开式对应项的系数：
分别对应：
也就是：
这说明，二项式展开中的系数，本质上是在数“从 n 个括号中选择多少个括号取 y”的方法数。
3、杨辉三角
杨辉三角（Pascal's Triangle）可以把二项式系数按层排列。
前几层为：
每一行对应一个二项式展开的系数。
图 3：杨辉三角与二项式系数
例如：
对应系数正是：
也就是：
杨辉三角中的每个内部数字，都等于它上方两个数字之和。
例如：
这体现了组合数之间的递推关系。
4、计数结构中的对称性
组合数具有对称性：
也可以写成：
它的含义很直观：从 n 个对象中选 k 个，等价于决定哪 n - k 个不选。
例如，从 5 个对象中选 2 个：
从 5 个对象中选出 3 个作为“不选的对象”，也有 10 种：
因为“选中 2 个”和“排除 3 个”描述的是同一件事的两个角度。
这种对称性是组合计数中的重要结构，也会出现在概率、统计和二项分布中。
五、排列组合在概率中的位置
排列、组合和概率的关系非常密切。
在许多概率问题中，真正困难的地方不是概率公式本身，而是如何数清楚：一共有多少种可能结果？事件包含多少种结果？
如果所有基本结果等可能，那么事件的概率就可以写成：
事 件 包 含 的 结 果 数 所 有 可 能 结 果 数
这里，分母通常来自样本空间大小，分子来自事件包含的结果数。排列、组合和乘法原理，就是用来计算这些结果数的工具。
1、用乘法原理计算样本空间大小
样本空间（Sample Space）表示所有可能结果的集合，事件（Event）是样本空间中的一部分结果。
图 4：样本空间、事件结果数与概率
例如，掷两枚骰子。第一枚骰子有 6 种结果，第二枚骰子也有 6 种结果。根据乘法原理，所有可能结果数为：
这说明样本空间中一共有 36 个基本结果。
如果事件是“点数和为 7”，那么符合条件的结果为：
一共有 6 个结果。
因此：
点 数 和 为
这个例子主要使用的是乘法原理：先数出所有可能结果，再数出事件包含的结果。
2、用组合数计算无顺序选择的概率
有些概率问题只关心“选到了哪些对象”，不关心顺序，这时通常要使用组合数。
例如，从 5 个不同对象 A、B、C、D、E 中随机选 2 个，且不考虑顺序，所有选法数为：
这就是样本空间大小。
如果事件是“选出的 2 个对象中包含指定对象 A”，那么只需要再从剩下 4 个对象中选 1 个，与对象 A 组成一组。
事件包含的结果数为：
因此：
选 中
这个例子说明：当问题不关心顺序时，分母和分子都应该用组合数来计数。
3、用排列数计算有顺序结果的概率
有些概率问题不仅关心选中了哪些对象，还关心顺序，这时通常要使用排列数。
例如，从 5 名选手中排出前三名。因为第一名、第二名、第三名的顺序不同，结果就不同，所以这是排列问题。
所有可能排名数为：
如果事件 A 表示“某位指定选手获得第一名”，那么第一名已经固定，剩下第二名和第三名需要从其余 4 名选手中选出并排序。
事件包含的结果数为：
因此：
指 定 选 手 获 得 第 一 名
这个例子说明：当结果有位置顺序时，分母和分子都应该用排列数来计数。
4、计数口径必须一致
在概率问题中，最容易出错的地方是分子和分母使用了不同的计数口径。
如果样本空间按“有顺序结果”来计数，事件结果也要按有顺序结果来计数。
如果样本空间按“无顺序选择”来计数，事件结果也要按无顺序选择来计数。
例如，从 A、B、C 三个对象中选 2 个。如果不考虑顺序，正确结果是：
共有 3 种。
如果明确不考虑顺序，却把 AB 和 BA 当作两个不同结果，就会把无序选择误写成有序排列。这样容易造成分子和分母的计数口径不一致，从而影响概率判断。
因此，在概率问题中，先判断“是否关心顺序”，再决定使用排列数还是组合数，比直接套公式更重要。
六、Python 示例：计算排列数、组合数与简单模拟
1、使用 Python 计算阶乘
Python 的 math 模块提供了阶乘函数。
这对应：
也可以自己写一个简单循环计算阶乘：
2、计算组合数
在较新的 Python 版本中，可以直接使用：
这对应：
也可以用公式计算：
这里使用整数除法 //，因为组合数的结果一定是整数。
如果要计算排列数：
可以使用：
它表示从 5 个对象中选 2 个并考虑顺序的结果数。
3、模拟简单抽取问题
下面模拟“从 5 个对象中随机选 2 个”的问题。
理论上，从 5 个对象中选 2 个共有 10 种组合。
如果模拟次数足够多，通常会观察到全部 10 种不同组合；如果模拟次数较少，可能暂时没有覆盖所有组合。
随着模拟次数增加，各组合出现的相对频率通常会逐渐接近理论概率，也就是接近 1/10。
这个例子说明：在组合问题中，如果顺序不重要，就要把 AB 和 BA 看作同一种结果。
七、常见误解
1、分不清排列和组合
排列和组合比较容易混淆。判断方法很简单：看顺序是否重要。
如果顺序不同，结果就不同，是排列。
如果顺序不同，但选到的对象相同，结果就相同，是组合。
例如，比赛前三名有顺序，是排列；从班级中选 3 名代表没有顺序，是组合。
2、不理解为什么组合要去掉顺序
组合公式中除以 k!，是为了去掉同一组对象内部的不同排列顺序。
例如，A、B、C 三个对象组成一组时：
在排列中算 6 种，在组合中只算 1 种。
因此，从排列数变成组合数时，需要除以 k!。
3、机械使用公式，不分析问题结构
计数问题不能只看关键词。
看到“选”不一定就是组合；看到“排”通常与顺序有关，但也要看具体要求。
正确做法是先分析结构：是分类，还是分步？是否关心顺序？是否允许重复？是否存在重复计数？
先判断问题结构，再选择公式，才不容易出错。
4、忽视分类和分步的区别
加法原理用于分类，乘法原理用于分步。
如果是“从几类方案中选一种”，通常用加法。
如果是“完成一件事需要连续几个步骤”，通常用乘法。
例如，选择交通方式属于分类；选择账号密码的不同位置属于分步。
把分类问题误当分步，或把分步问题误当分类，都会导致计数错误。
5、忽视复杂计数问题中的分类讨论
有些计数问题不能直接套一个公式解决，而需要先把情况分清楚。
例如，从若干人中选代表时，如果没有额外条件，可能直接使用组合数；但如果要求“至少有一名女生”“不能同时选某两个人”“必须包含某个成员”，问题就不再是单纯的普通组合。
这时可以先进行分类讨论，或先计算总数再排除不符合条件的情况。例如，“至少有一名女生”可以按选 1 名、2 名、3 名女生分情况计算；“不能同时选 A 和 B”可以先算所有选法，再减去同时包含 A 和 B 的选法。
分类讨论时要注意两点：第一，不同类别之间不能重叠，否则会重复计数；第二，所有类别合在一起要覆盖完整情况，否则会遗漏结果。
因此，遇到复杂计数问题时，不要急着套排列或组合公式，而应先判断：有没有附加条件？能否分成互不重叠的情况？每一类内部是排列还是组合？最后是用加法合并，还是用乘法分步？
小结
计数方法的核心是分析问题结构：分类用加法，分步用乘法；关心顺序用排列，不关心顺序用组合。二项式系数来自组合数，概率中的样本空间大小和事件结果数也依赖计数。理解这些关系，有助于在随机问题中正确判断分子、分母和计数口径。
“点赞有美意，赞赏是鼓励”
热门跟贴