概率论知识回顾(四)
重点:事件独立性、贝努利概型
知识回顾用于巩固知识和查漏补缺。知识回顾步骤:
- 查看知识回顾中的问题,尝试自己解答
- 自己解答不出来的可以查看下面的知识解答巩固知识。
- 对知识解答有疑问的,说明有关这一点的知识或者公式没有理解透彻或者没有记住,要重新翻看书籍。
知识回顾
- 什么是独立事件?怎么解释?
- 若事件A、B相互独立。请证明 A , B ‾ A, \overline B A,B 也是相互独立的。
- 若事件A、B是相互独立的,那么A、B相容吗?为什么?
- 三个事件相互独立的条件是什么?
- n个事件相互独立的条件是什么?
- 独立性在现实中要怎么应用?
- 什么是n重贝努利概型?
- n重贝努利概型状态A恰好出现k次的概率怎么表示?
知识解答
-
什么是独立事件?怎么解释?
- 对于两个事件A、B来说,B出现的概率不会影响到A出现的概率,也就是说 P ( A ) = P ( A ∣ B ) P(A) = P(A|B) P(A)=P(A∣B)
- 因此有 P ( A B ) = P ( A ∣ B ) P ( B ) = P ( A ) P ( B ) P(AB) = P(A|B) P(B) = P(A)P(B) P(AB)=P(A∣B)P(B)=P(A)P(B)
- 同时也可知道 P ( B ) = P ( B ∣ A ) P(B) = P(B|A) P(B)=P(B∣A)
- 也就是说独立性是相互的,A与B相互独立,那么B与A也是相互独立的。
-
若事件A、B相互独立。请证明 A , B ‾ A, \overline B A,B 也是相互独立的。
-
证明:
∵ B ∪ B ‾ = Ω ∴ A = A ∩ ( B ∪ B ‾ ) = A B ∪ A B ‾ ∵ A B ∩ A B ‾ = ∅ ∴ P ( A ) = P ( A B ) + P ( A B ‾ ) = P ( A ) P ( B ) + P ( A B ‾ ) ∴ P ( A B ‾ ) = P ( A ) ( 1 − P ( B ) ) = P ( A ) P ( B ‾ ) 证 毕 \because B \cup \overline B = \Omega \\ \therefore A = A\cap (B \cup \overline B) = AB \cup A\overline B \\ \because AB \cap A\overline B = \empty \\ \therefore P(A) = P(AB) + P(A\overline B) = P(A)P(B) + P(A\overline B) \\ \therefore P(A\overline B) = P(A)(1-P(B)) = P(A)P(\overline B) \\ 证毕 ∵B∪B=Ω∴A=A∩(B∪B)=AB∪AB∵AB∩AB=∅∴P(A)=P(AB)+P(AB)=P(A)P(B)+P(AB)∴P(AB)=P(A)(1−P(B))=P(A)P(B)证毕
-
-
若事件A、B是相互独立的,那么A、B相容吗?为什么?
- 如果 A 与 B 至少有一个是 ∅ \empty ∅ ,那么可知他们一定是相容的。
- 如果 A 与 B 都不为 ∅ \empty ∅,那么 P ( A ) P ( B ) > 0 P(A)P(B) > 0 P(A)P(B)>0, 如果 A与B 不相容,那么可知 P(AB) = 0。则 P ( A B ) ≠ P ( A ) P ( B ) P(AB) \neq P(A)P(B) P(AB)̸=P(A)P(B)
- 综上所述,A与B 一定是相容的。
- 但是如果A B是相容的,不一定就是独立的。
-
三个事件相互独立的条件是什么?
-
对于三个事件 A、B、C 来说:
{ P ( A B ) = P ( A ) P ( B ) P ( B C ) = P ( B ) P ( C ) P ( A C ) = P ( A ) P ( C ) P ( A B C ) = P ( A ) P ( B ) P ( C ) \begin{cases} P(AB) = P(A)P(B) \\ P(BC) = P(B)P(C) \\ P(AC) = P(A)P(C) \\ P(ABC) = P(A)P(B)P(C)\end{cases} ⎩⎪⎪⎪⎨⎪⎪⎪⎧P(AB)=P(A)P(B)P(BC)=P(B)P(C)P(AC)=P(A)P(C)P(ABC)=P(A)P(B)P(C)
上面四项必须同时成立才行,因为即便前三个公式成立,却不能保证 P ( A B C ) = P ( A ) P ( B ) P ( C ) P(ABC) = P(A)P(B)P(C) P(ABC)=P(A)P(B)P(C)
-
-
n个事件相互独立的条件是什么?
-
对于 ∀ k , 0 < k < n \forall k , 0<k<n ∀k,0<k<n , ∀ 1 ≤ i 1 < i 2 < ⋯ < i k ≤ n \forall 1 \le i_1 < i_2 < \cdots < i_k \le n ∀1≤i1<i2<⋯<ik≤n 来说 有:
P ( A i 1 A i 2 ⋯ A i k ) = P ( A i 1 ) P ( A i 2 ) ⋯ P ( A i k ) P(A_{i_1}A_{i_2}\cdots A_{i_k}) = P(A_{i_1})P(A_{i_2})\cdots P(A_{i_k}) P(Ai1Ai2⋯Aik)=P(Ai1)P(Ai2)⋯P(Aik) : 根据排列组合有 C n k C_n^k Cnk个公式。
因此上面的公式要成立的话,就需要 : C n 2 + C n 3 + ⋯ + C n n = 2 n − n − 1 C_n^2 + C_n^3 + \cdots + C_n^n = 2^n - n - 1 Cn2+Cn3+⋯+Cnn=2n−n−1 个公式成立。
-
-
独立性在现实中要怎么应用?
- 事件之间的独立性凭借直觉来说很难判断是否独立,一般来说需要有数学计算进行验证
- 但现实生活中的某些随机事件我们可以等价为独立事件来进行计算。比如有放回的抽样
-
什么是n重贝努利概型?
- 每一次试验 E 出现的情况只有两种 A , A ‾ A,\overline A A,A。并且一种出现的概率为p(0<p<1), 另一种出现的概率为1-p.
- 对上述试验重复进行n次,即n重贝努利概型。
-
n重贝努利概型状态A恰好出现k次的概率怎么表示?
- P n ( k ) = C n k p k ( 1 − p ) n − k P_n(k) = C_n^k p^k(1-p)^{n-k} Pn(k)=Cnkpk(1−p)n−k
- 其中 p 为状态A出现的概率。