3.3 独立事件
定义
在概率论中,已知事件 FFF 发生的条件下,事件 EEE 发生的条件概率 P(E∣F)P(E|F)P(E∣F) 通常不等于 EEE 发生的非条件概率 P(E)P(E)P(E)。这意味着知道 FFF 发生通常会改变 EEE 发生的概率。但在某些特殊情况下,P(E∣F)P(E|F)P(E∣F) 确实等于 P(E)P(E)P(E),此时我们称事件 EEE 和 FFF 是独立的。
由于 P(E∣F)=P(EF)P(F)P(E|F) = \frac{P(EF)}{P(F)}P(E∣F)=P(F)P(EF),当且仅当
P(EF)=P(E)P(F)(4.1) P(EF) = P(E)P(F) \tag{4.1} P(EF)=P(E)P(F)(4.1)
时,EEE 和 FFF 独立。因为公式(4.1)关于 EEE 和 FFF 是对称的,所以如果 EEE 和 FFF 独立,则 FFF 和 EEE 也独立。
定义:对于两个事件 EEE 和 FFF,若公式(4.1)成立,则称它们是独立的(independent)。若两个事件 EEE 和 FFF 不独立,则称它们是相依的(dependent),或相互不独立。
例 4a:从一副洗好的 52 张扑克牌里随机抽取一张牌。令 EEE 表示"抽取的牌为一张 A",令 FFF 表示"抽取的牌为一张黑桃"。则:
- P(EF)=152P(EF) = \frac{1}{52}P(EF)=521
- P(E)=452=113P(E) = \frac{4}{52} = \frac{1}{13}P(E)=524=131
- P(F)=1352=14P(F) = \frac{13}{52} = \frac{1}{4}P(F)=5213=41
由于 P(E)P(F)=113×14=152=P(EF)P(E)P(F) = \frac{1}{13} \times \frac{1}{4} = \frac{1}{52} = P(EF)P(E)P(F)=131×41=521=P(EF),因此 EEE 和 FFF 是独立的。
例 4b:掷两枚硬币,假设全部 4 个结果出现的可能性相同。令 EEE 表示"第一枚硬币正面朝上",令 FFF 表示"第二枚硬币反面朝上"。则:
- P(EF)=P({ (H,T)})=14P(EF) = P(\{(H,T)\}) = \frac{1}{4}P(EF)=P({(H,T)})=41
- P(E)=P({ (H,H),(H,T)})=12P(E) = P(\{(H,H),(H,T)\}) = \frac{1}{2}P(E)=P({(H,H),(H,T)})=21
- P(F)=P({ (H,T),(T,T)})=12P(F) = P(\{(H,T),(T,T)\}) = \frac{1}{2}P(F)=P({(H,T),(T,T)})=21
由于 P(E)P(F)=12×12=14=P(EF)P(E)P(F) = \frac{1}{2} \times \frac{1}{2} = \frac{1}{4} = P(EF)P(E)P(F)=21×21=41=P(EF),因此 EEE 和 FFF 是独立的。
例 4c:掷两枚均匀的骰子,令 E1E_1E1 表示"骰子点数之和为 6",令 FFF 表示"第一枚骰子点数为 4"。则:
- P(E1F)=P({ (4,2)})=136P(E_1F) = P(\{(4,2)\}) = \frac{1}{36}P(E1F)=P({(4,2)})=361

最低0.47元/天 解锁文章
828

被折叠的 条评论
为什么被折叠?



