概率论，如何证明样本方差ES^2=DX_百度知道
概率论，如何证明样本方差ES^2=DX
提问者采纳
提问者评价
太给力了，你的回答完美的解决了我的问题！
来自团队：
其他类似问题
为您推荐：
样本方差的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁1事件的概率则是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。例如，连续多次掷一均匀的硬币，出现正面的频率随着投掷次数的增加逐渐趋向于1／2。又如，多次测量一物体的长度，其测量结果的平均值随着测量次数的增加，逐渐稳定于一常数，并且诸测量值大都落在此常数的附近，其分布状况呈现中间多，两头少及某程度的对称性。大数定律及中心极限定理就是描述和论证这些规律的。在实际生活中，人们往往还需要研究某一特定随机现象的演变情况随机过程。例如，微小粒子在液体中受周围分子的随机碰撞而形成不规则的运动（即布朗运动），这就是随机过程。随机过程的统计特性、计算与随机过程有关的某些事件的概率，特别是研究与随机过程样本轨道(即过程的一次实现)有关的问题，是现代概率论的主要课题。
概率论概率论的起源与赌博问题有关。16世纪，意大利的学者（GirolamoCardano，1501——1576）开始研究掷骰子等赌博中的一些简单问题。17世纪中叶，有人对博弈中的一些问题发生争论，其中的一个问题是“赌金分配问题”，他们决定请教法国数学家帕斯卡（Pascal)和费马（Fermat）基于排列组合方法，研究了一些较复杂的赌博问题，他们解决了分赌注问题、赌徒输光问题。他们对这个问题进行了认真的讨论，花费了3年的思考，并最终解决了这个问题，这个问题的解决直接推动了概率论的产生。 随着18、19世纪科学的发展，人们注意到在某些生物、物理和社会现象与机会游戏之间有某种相似性，从而由机会游戏起源的概率论被应用到这些领域中；同时这也大大推动了概率论本身的发展。使概率论成为数学的一个分支的奠基人是瑞士数学家j.伯努利，他建立了概率论中第一个极限定理，即伯努利大数定律，阐明了事件的频率稳定于它的概率。随后a.de棣莫弗和p.s.拉普拉斯又导出了第二个基本极限定理（中心极限定理）的原始形式。拉普拉斯在系统总结前人工作的基础上写出了《分析的概率理论》，明确给出了概率的古典定义，并在概率论中引入了更有力的分析工具，将概率论推向一个新的发展阶段。19世纪末，俄国数学家、a.a.马尔可夫、a.m.李亚普诺夫等人用分析方法建立了大数定律及中心极限定理的一般形式，科学地解释了为什么实际中遇到的许多随机变量近似服从正态分布。20世纪初受物理学的刺激，人们开始研究随机过程。这方面a·n·柯尔莫哥洛夫、n.维纳、a·a·马尔可夫、a·r·辛钦、p·莱维及w·费勒等人作了杰出的贡献。1如何定义概率，如何把概率论建立在严格的逻辑基础上，是概率理论发展的困难所在，对这一问题的探索一直持续了3个世纪。20世纪初完成的勒贝格测度与积分理论及随后发展的抽象测度和积分理论，为体系的建立奠定了基础。在这种背景下，苏联数学家柯尔莫哥洛夫1933年在他的《概率论基础》一书中第一次给出了概率的测度论的定义和一套严密的公理体系。他的公理化方法成为现代概率论的基础，使概率论成为严谨的数学分支，对概率论的迅速发展起了积极的作用。概率与统计的一些概念和简单的方法，早期主要用于赌博和人口统计模型。随着人类的社会实践，人们需要了解各种不确定现象中隐含的必然规律性，并用数学方法研究各种结果出现的可能性大小，从而产生了概率论，并使之逐步发展成一门严谨的学科。现在，概率与统计的方法日益渗透到各个领域，并广泛应用于自然科学、经济学、医学、金融保险甚至人文科学中。和认为机率是在0至1之间之的数字，指定给一发生与失败是随机的“事件”。机率P(A)根据机率公理来指定给事件A。一事件A在一事件B确定发生后会发生的机率称为B给之A的条件机率；其数值为概率(当P(B)不等于零时)。若B给之A的条件机率和A的机率相同时，则称A和B为独立事件。且A和B的此一关系为对称的，这可以由一同价叙述：“
概率，当A和B为独立事件时。”中看出。机率论中的两个重要概念为和随机变量之机率分布这两种概念。
作为数学统计基础的概率论的创始人分别是数学家和，其可追溯到公元17世纪。当时的法国宫廷贵族里盛行着掷骰子游戏，游戏规则是玩家连续掷4次骰子，如果其中没有6点出现，玩家赢，如果出现一次6点，则庄家（相当于现在的赌场）赢。按照这一游戏规则，从长期来看，庄家扮演赢家的角色，而玩家大部分时间是输家，因为庄家总是要靠此为生的，因此当时人们也就接受了这种现象。后来为了使游戏更刺激，游戏规则发生了些许变化，玩家这回用2个骰子连续掷24次，不同时出现2个6点，玩家赢，否则庄家赢。当时人们普遍认为，2次出现6点的概率是一次出现6点的概率的1/6，因此6倍于前一种规则的次数，也既是24次赢或输的概率与以前是相等的。然而事实却刚好相反，从长期来看，这回庄家处于输家的状态，于是他们去请教当时的数学家帕斯卡，求助其对这种现象作出解释。1其他对概率论的发展作出重要贡献的人还有物理、数学家，物理、数学家，数学家，法国数学、，数学家，法国物理、数学家，数学、以及数学家。
概率论普遍认为，人们对将要发生的机率总有一种不好的感觉，或者说不安全感，俗称“点背”，下面列出的几个例子可以形象描述人们有时对机率存在的错误的认识：
1.六合彩：在六合彩（49选6）中，一共有种可能性（参阅组合数学），普遍认为，如果每周都买一个不相同的号，最晚可以在（周）=268919年后获得头等奖。事实上这种理解是错误的，因为每次中奖的机率是相等的，中奖的可能性并不会因为时间的推移而变大。2.生日悖论：在一个足球场上有23个人（2×11个运动员和1个裁判员），不可思议的是，在这23人当中至少有两个人的生日是在同一天的机率要大于50％。3.轮盘游戏：在游戏中玩家普遍认为，在连续出现多次红色后，出现黑色的机率会越来越大。这种判断也是错误的，即出现黑色的机率每次是相等的，因为球本身并没有“记忆”，它不会意识到以前都发生了什么，其机率始终是18/37。4.轮盘：在电视台举办的猜隐藏在门后面的汽车的游戏节目中，在参赛者的对面有三扇关闭的门，其中只有一扇门的后面有一辆汽车，其它两扇门后是山羊。游戏规则是，参赛者先选择一扇他认为其后面有汽车的门，但是这扇门仍保持关闭状态，紧接着主持人打开没有被参赛者选择的另外两扇门中后面有山羊的一扇门，这时主持人问参赛者，要不要改变主意，选择另一扇门，以使得赢得汽车的机率更大一些？正确结果是，如果此时参赛者改变主意而选择另一扇关闭着的门，他赢得汽车的机率会增加一倍。
单位事件、事件空间、随机事件在一次随机试验中可能发生的唯一的，且相互之间独立的结果被成为，用e表示。在随机试验中可能发生的所有单位事件的集合称为事件，用S来表示。例如在一次掷骰子的随机试验中，如果用获得的点数来表示单位事件，那么一共可能出现6个单位事件，则事件空间可以表示为S={1，2，3，4，5，6}。上面的事件空间是由可数有限单位事件组成，事实上还存在着由可数无限以及不可数单位事件组成的事件空间，比如在一次直到获得面朝上的随机掷硬币试验中，其事件空间由可数无限单位事件组成，表示为：S={国，数国，数数国，数数数国，数数数数国，···}，注意到在这个例子中"数数数国"是单位事件。将两根筷子随意扔向桌面，其静止后所形成的交角假设为α，这个随机试验的事件空间的组成可以表示为S={α|0≤α&180}。随机事件是事件空间S的子集，它由事件空间S中的单位元素构成，用大写字母A，B，C...表示。例如在掷两个骰子的随机试验中，设随机事件A="获得的点数和大于10"，则A可以由下面3个单位事件组成：A={(5，6)，(6，5)，(6，6)}。如果在随机试验中事件空间中的所有可能的单位事件都发生，这个事件被称为，表示为S?S；相应的如果事件空间里不包含任何一个单位事件，则称之为不可能事件，表示为??S。事件的计算因为事件在一定程度上是以的含义定义的，因此可以把集合计算方法直接应用于事件的计算，也就是说，在计算过程中，可以把事件当作集合来对待。&&&&&&&&&&&&&&&A的补集&&& 不属于A的事件发生&&&&&&&&&&&& 联集A∪B或者A或者B或者A，B同时发生&&&&&&&&&&&&& 交集A∩B&&&&&&&&事件A，B同时发生&&&&&&&&&&& 差集A\B&& 不属于B的A事件发生&&&&&&&&&&&& 空集A∩B=?&&&&& A，B事件不同时发生&&&&&&&&&&&& 子集B?A&如B发生，则A也一定发生概率概率概率在轮盘游戏中假设A代表事件“球落在红色区域”，B代表事件"球落在黑色区域"，因为事件A和B没有共同的单位事件，因此可表示为注意到事件A和B并不是互补的关系，因为在整个事件空间S中还有一个单位事件“零”，其即不是红色也不是黑色，而是绿色，因此A，B的补集应该分别表示如下：
概率的定义
传统概率(拉普拉斯概率)概率传统概率的定义是由数学家(Laplace)提出的。如果一个随机试验所包含的单位事件是有限的，且每个单位事件发生的可能性均相等，则这个随机试验叫做。在拉普拉斯试验中，事件A在事件空间S中的概率P(A)为：例如，在一次同时掷一个硬币和一个骰子的随机试验中，假设事件A为获得国徽面且点数大于4，那么事件A的概率应该有如下计算方法：S={(国徽，1点)，(数字，1点)，(国徽，2点)，(数字，2点)，(国徽，3点)，(数字，3点)，(国徽，4点)，(数字，4点)，(国徽，5点)，(数字，5点)，(国徽，6点)，(数字，6点)}，A＝{(国徽，5点)，(国徽，6点)}，按照，A的概率为，概率注意到在拉普拉斯试验中存在着若干的疑问，在现实中是否存在着这样一个试验，其单位事件的概率具有精确的相同的概率值，因为人们不知道，硬币以及骰子是否"完美"，即骰子制造的是否均匀，其重心是否位于正中心，以及轮盘是否倾向于某一个数字。尽管如此，传统概率在实践中被广泛应用于确定事件的，其理论根据是：如果没有足够的论据来证明一个事件的概率大于另一个事件的概率，那么可以认为这两个事件的概率值相等。如果仔细观察这个定义会发现拉普拉斯用概率解释了概率，定义中用了"相同的可能性"(原文是égalementpossible)一词，其实指的就是"相同的概率"。这个定义也并没有说出，到底什么是概率，以及如何用数字来确定概率。在现实生活中也有一系列问题，无论如何不能用传统概率定义来解释，比如，无法确定一个50岁的人在下一年将死去的概率等。
是建立在频率理论基础上的，分别由逻辑学家(JohnVenn)和数学家(RichardVonMises)提出，他们认为，获得一个事件的概率值的唯一方法是通过对该事件进行100次，1000次或者甚至10000次的前后相互独立的n次随机试验，针对每次试验均记录下值和相对频率值hn(A)，随着试验次数n的增加，会出现如下事实，即相对频率值会趋于稳定，它在一个特定的值上下浮动，也即是说存在着一个P(A)，相对频率值趋向于这个极限值。这个极限值被称为统计概率，表示为：概率例如，若想知道在一次掷骰子的随机试验中获得6点的概率值可以对其进行3000次前后独立的扔掷试验，在每一次试验后记录下出现6点的次数，然后通过计算相对可以得到趋向于某一个数的统计概率值。&&& 扔掷数&&&&&& 获得6点的绝对频率&&&&&& 获得6点的相对频率&&&&&&&& 1&&&&&&&&&&&&&&&&&&&&&&& 1&&&&&&&&&&&&&&& 1.00000&&&&&&&& 2&&&&&&&&&&&&&&&&&&&&&&& 1&&&&&&&&&&&&&&& 0.50000&&&&&&&& 3&&&&&&&&&&&&&&&&&&&&&&& 1&&&&&&&&&&&&&&& 0.33333&&&&&&&&&4&&&&&&&&&&&&&&&&&&&&&&& 1&&&&&&&&&&&&&&& 0.25000&&&&&&&& 5&&&&&&&&&&&&&&&&&&&&&&&&2&&&&&&&&&&&&&&& 0.40000&&&&&&& 10&&&&&&&&&&&&&&&&&&&&&&& 2&&&&&&&&&&&&&&&&0.20000&&&&&&& 20&&&&&&&&&&&&&&&&&&&&&&& 5&&&&&&&&&&&&&&& 0.25000&&&&& 100&&&&&&&&&&&&&&&&&&&&&& 12&&&&&&&&&&&&&&& 0.12000&&&&&&200&&&&&&&&&&&&&&&&&&&&&&&39&&&&&&&&&&&&&&& 0.19500&&&&& 300&&&&&&&&&&&&&&&&&&&&&& 46&&&&&&&&&&&&&&& 0.15333&&&&& 400&&&&&&&&&&&&&&&&&&&&&& 72&&&&&&&&&&&&&&& 0.18000&&&&& 500&&&&&&&&&&&&&&&&&&&&&& 76&&&&&&&&&&&&&&& 0.15200&&&&& 600&&&&&&&&&&&&&&&&&&&&&102&&&&&&&&&&&&&&&&0.17000&&&&&&700&&&&&&&&&&&&&&&&&&&&&120&&&&&&&&&&&&&&& 0.17143&&&&1000&&&&&&&&&&&&&&&&&&&&&170&&&&&&&&&&&&&&&&0.17000&&& 2000&&&&&&&&&&&&&&&&&&&&&343&&&&&&&&&&&&&&& 0.17150&&& 3000&&&&&&&&&&&&&&&&&&&& 560&&&&&&&&&&&&&&&&0.16867上面提到的这个有关的经验值又被称为，是定义概率论的基础。然而没有人可以将骰子无限的扔下去，因此在实践中也就无法有力的证明大数定律，许多来自数学理论的论证至今也没有取得成功。尽管如此，统计概率在今天的实践中具有重要意义，它是的基础。
概率概率如果一个函数P指定给每一个事件空间S中的事件A一个P(A)，并且其满足下面的3个公理，那么函数P叫做，相应的P(A)叫做事件A的概率。公理1：&&&&&&&&&&&& 事件A的概率P(A)是一个。公理2：&&&&&&&&&& 完全事件的概率值为1。公理3：，如果&&&&&&&&& 空集事件的加法法则。不难看出，上述公理适用于包括和统计概率在内的所有概率定义。如果若干事件间的关系是两两空集，那么公理3还可以扩展为如下形式：概率公理3：
需要提及的是下面将要介绍的9个计算概率的定理与上面已经提及的事件的计算没有关系，所有关于概率的定理均由概率的3个公理得来，同时适用于包括拉普拉斯概率和统计概率在内的所有概率理论。概率定理1(互补法则)概率与A互补事件的概率始终是概率论证明：事件A和?是互补关系，由公理3和公理2可得
概率概率利用互补法则，可以解决下面这个问题，在两次连续旋转的轮盘游戏中，至少有一次是红色的概率是多少？第一次旋转红色不出现的概率是19/37，按照，第二次也不出现红色的概率是(19/37)2=0.2637，因此在这里互补概率就是指在两次连续旋转中至少有一次是红色的概率，概率&定理2不可能事件的概率为零：概率证明：?和S是互补事件，按照公理2有P(S)=1，再根据上面的定理1得到概率定理3如果若干事件A1，A2，...An∈S每两两之间是空集关系，那么这些所有事件的概率等于单个事件的概率的和。概率注意针对这一定理有效性的决定因素是A1...An事件不能同时发生。例如，在一次掷骰子中，得到5点或者6点的概率是：P=P(A5)+P(A6)=概率=
概率定理4如果事件A，B是关系，则有，概率证明：概率论事件A由下面两个事件组成：概率和概率由公理3得，概率定理5(任意事件加法法则)对于事件空间S中的任意两个事件A和B，有如下定理：概率证明：事件A∪B由下面三个事件组成：概率首先根据定理4有：概率概率再根据定理3得：概率&&&&&&&&&&&&&&&&&&&&&&概率&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
概率&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&& 例如，在由一共32张牌构成的斯卡特扑克牌中随机抽出一张，其或者是"方片"或者是"
概率"的概率是多少？事件A，B是或者的关系，且可同时发生，就是说抽出的这张牌即可以是"方片"，又可以是"
概率"，A∩B(既发生A又发生B)的值是1/32，(从示意图上也可以看出，即是方片又是只有一张，即概率是1/32)，因此有如下结果：
概率从图片上也可看出，符合这一条件的恰好是11张牌。注意到定理3是定理5的特殊情况，即A，B不同时发生，相应的P(A∩B)=0。定理6(乘法法则)事件A，B同时发生的概率是：概率轮盘游戏示意图 注意应用如上公式的前提是事件A，B相互之间有一定联系，公式中的P(A|B)是指在B条件下A发生的概率，又称作条件概率。回到上面的中，在32张牌中随机抽出一张，即是方片又是A的概率是多少呢？现用P(A)代表抽出方片的概率，用P(B)代表抽出A的概率，很明显，A，B之间有一定联系，即A里包含有B，B里又包含有A，在A的条件下发生B的概率是P(B|A)=1/8，则有：
概率或者，概率从上面的图中也可以看出，符合条件的只有一张牌，即方片A。
另一个例子，在32张里连续抽两张(第一次抽出的牌不放回去)，连续得到两个A的概率是多少呢？设A，B分别为连续发生的这两次事件，人们看到，A，B之间有一定联系，即B的概率由于A发生了变化，属于条件概率，按照公式有：概率定理7(无关事件乘法法则)两个不相关联的事件A，B同时发生的概率是：概率注意到这个定理实际上是定理6(乘法法则)的特殊情况，如果事件A，B没有联系，则有P(A|B)=P(A)，以及P(B|A)=P(B)。现在观察一下轮盘游戏中两次连续的旋转过程，P(A)代表第一次出现红色的概率，P(B)代表第二次出现红色的概率，可以看出，A与B没有关联，利用上面提到的公式，连续两次出现红色的概率为：概率忽视这一定理是造成许多玩家失败的根源，普遍认为，经过连续出现若干次红色后，黑色出现的概率会越来越大，事实上两种颜色每次出现的概率是相等的，之前出现的红色与之后出现的黑色之间没有任何联系，因为球本身并没有"记忆"，它并不"知道"以前都发生了什么。同理，连续10次出现红色的概率为P=(18/37)10=0.0007
n个事件H1，H2，...Hn互相间独立，且共同组成整个事件空间S，即概率，概率以及
概率这时A的概率可以表示为，概率证明：概率按照公理3，有概率根据乘法法则，概率因此有，概率概率例如，一个随机试验工具由一个骰子和一个柜子中的三个抽屉组成，抽屉1里有14个白球和6个黑球，抽屉2里有2个白球和8个黑球，抽屉3里有3个白球和7个黑球，试验规则是首先掷骰子，如果获得小于4点，则抽屉1被选择，如果获得4点或者5点，则抽屉2被选择，其他情况选择抽屉3。然后在选择的抽屉里随机抽出一个球，最后抽出的这个球是白球的概率是：P(白)=P(白|抽1)·P(抽1)+P(白|抽2)·P(抽2)＋P(白|抽3)·P(抽3)=(14/20)·(3/6)+(2/10)·(2/6)+(3/10)·(1/6)=28/60=0.4667从例子中可看出，完全概率特别适合于分析具有多层结构的随机试验的情况。
贝叶斯定理
贝叶斯定理由英国贝叶斯(ThomasBayes)发展，用来描述两个条件概率之间的关系，比如P(A|B)和P(B|A)。按照定理6的乘法法则，P(A∩B)=P(A)·P(B|A)=P(B)·P(A|B)，可以立刻导出贝叶斯定理：概率如上公式也可变形为概率例如：一座别墅在过去的20年里一共发生过2次被盗，别墅的主人有一条狗，狗平均每周晚上叫3次，在盗贼入侵时狗叫的概率被估计为0.9，问题是：在狗叫的时候发生入侵的概率是多少？人们假设A事件为狗在晚上叫，B为盗贼入侵，则P(A)=3/7，P(B)=2/(20·365)=2/7300，P(A|B)=0.9，按照公式很容易得出结果：概率另一个例子，现分别有A，B两个容器，在容器A里分别有7个红球和3个白球，在容器B里有1个红球和9个白球，现已知从这两个容器里任意抽出了一个球，且是红球，问这个红球是来自容器A的概率是多少?假设已经抽出红球为事件B，从容器A里抽出球为事件A，则有：P(B)=8/20，P(A)=1/2，P(B|A)=7/10，按照公式，则有：概率应用虽然概率论最早产生于17世纪，然而其公理体系只在20世纪的20至30年代才建立起来并得到迅速发展，在过去的半个世纪里概率论在越来越多的新兴领域显示了它的应用性和实用性，例如：、、、、、、、，以及几乎所有的等领域。特别值得一提的是，概率论是今天数理统计的基础，其结果被用做问卷调查的分析资料或者对经济前景进行预测。
万方数据期刊论文
万方数据期刊论文
东南大学学报（自然科学版）
万方数据期刊论文
大连理工大学学报
为本词条添加和相关影像
互动百科的词条（含所附图片）系由网友上传，如果涉嫌侵权，请与客服联系，我们将按照法律之相关规定及时进行处理。未经许可，禁止商业网站等复制、抓取本站内容；合理使用者，请注明来源于。
登录后使用互动百科的服务，将会得到个性化的提示和帮助，还有机会和专业认证智愿者沟通。
您也可以使用以下网站账号登录：
此词条还可添加&
编辑次数：29次
参与编辑人数：20位
最近更新时间： 05:20:29
贡献光荣榜
扫描二维码用手机浏览词条
保存二维码可印刷到宣传品
扫描二维码用手机浏览词条
保存二维码可印刷到宣传品概率论证明题，解释其中“则P (AB) & P (A) P (B)”是为什么？_百度知道
提问者采纳
前一步已经证明了：P(AB) (1 - P(B)) & P(B) (P(A) - P(AB))把它乘开：P(AB) - P(AB)P(B) & P(B)P(A) - P(B)P(AB)等式两侧消去：P(AB)P(B)，即得。
提问者评价
来自团队：
其他类似问题
为您推荐：
概率论的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁您还未登陆，请登录后操作！
概率论证明题一道：求证，连续型随机变量X和Y独立，则P{X=Y}=0
设A(n)={ω,n≤X(ω)=Y(ω)&n+1}
P{X=Y}=∑_{-∞&n&+∞}P(A(n))
只需证明：P(A(n))=0。
由于X为连续型随机变量则，
对于任意ε&0,有正整数k&0,使
P(n+s/2^k≤X(ω)&n+(s+1)/2^k)&ε，0≤s&2^k.
P(A(n))≤∑_{0≤s&2^k}P(n+s/2^k≤X(ω),Y(ω)&n+(s+1)/2^k)=
P(n+s/2^k≤X(ω),Y(ω)&n+(s+1)/2^k)=
=P(n+s/2^k≤X(ω)&n+(s+1)/2^k)P(n+s/2^k≤Y(ω)&n+(s+1)/2^k)&
&εP(n+s/2^k≤Y(ω)&n+(s+1)/2^k)
P(A(n))≤ε∑_{0≤s&2^k}P(n+s/2^k≤Y(ω)&n+(s+1)/2^k)=
=εP(n≤Y(ω)&n+1))≤ε
P(A(n))=0.
所以命题成立。
大家还关注概率论证明题。有关大数定理。_百度知道
提问者采纳
选用切比雪夫大数定理，把定理内容写上，根据对立事件的概率关系就可以得到上面结论了。
欢迎追问，若略有帮助，请点一下采纳，谢谢！
已通知提问者对您的回答进行评价，请稍等
能不能给我个详细过程
提问者评价
太给力了，你的回答完美地解决了我的问题，非常感谢！
来自团队：
其他类似问题
为您推荐：
大数的相关知识
其他1条回答
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁