概率论第三章事件的独立性
概率论3

P AB PB | AP A
5.3
例3 已知 P( A) 0.5, P( B) 0.6, P( B / A) 0.8.
求 P( AB)与P( A B )
例4 设袋中有r只红求,t只白球.每次自袋中任 取一只球,观察其颜色然后放回,并再放入a只 与所取出的那只球同色的球.若在袋中连续取 球四次,试求第一、二次取到红球且求第三、 四次取到白球的概率.
PBi | A PA | Bi PBi
j j
5.6
5 .7
PA | B PB
j 1
n
i 1,2,,n
P A P A | B 1 P B 1 P A | B 2 P B 2 P A | B n P B n
P( A) P( B) P( A / B) P( B ) P( A / B )
例1 某电子设备制造厂所用的元件是由三家元件 制造厂提供的.根据以往的记录有以下数据:
元件制造厂 1 2 3 次品率 0.02 0.01 0.03 提供元件的份额 0.15 0.80 0.05
设这三家工厂的产品在仓库中是均匀混合的, 且无区别的标志.(1)在仓库中随机地取一只元件, 求它是次品的概率;(2)在仓库中随机地取一只元件, 若已知取到的是次品,分析此次品出自何厂,需求出 由三家工厂生产的概率分别是多少.试求这些概率.
二 乘法定理
乘法定理 其意义是… (5.3)式容易推广到多个事件的情况.
P A1 A2 An PAn A1 A2 An 1 PAn 1 A1 A2 An 2 PA2 A1 P A1 其 中 P A1 A2 An 1 0
设P(A)>0,则有
注 对 任 一 事 件 A, A与 A 构 成 样 本 空 间 Ω 的一个分划。
事件独立性的公式

事件独立性的公式
一切起源于概率论,概率论是研究不确定性现象的数学工具,是把不确定性现象表述为概率的一种方式。
概率论是用来研究不同事件发生的概率关系的数学理论,而事件独立性的公式就是概率论中的重要概念。
事件独立性的公式指的是计算两个或多个不同的事件的发生的
概率的公式,主要用于研究两个或多个事件发生的时候是否是相互独立的,也就是说,一个事件的发生是否会影响到另一个事件的发生。
事件独立性的公式是根据概率论中的乘积公式来计算的,它是这样的:如果两个或多个事件A,B,C……独立,那么这些事件发生的概率为:P(A,B,C……)=P(A)×P(B)×P(C)×……的乘积。
事件独立性的公式在实际应用中非常重要,比如一些保险公司在设计保险费率的时候,就要用到事件独立性的公式来判断投保的事件的发生概率,才能确定对应的保险费率。
此外,事件独立性的公式还可以用来计算组合数学中的概率问题,例如,在抛掷两个骰子时,想知道抛掷出指定点数的概率,就是运用事件独立性的公式来计算的,这种情况就是两个独立事件,一个是两个骰子第一次抛掷出指定点数,另外一个是两个骰子第二次抛掷出指定点数。
总之,事件独立性的公式是概率论中的重要公式,它的应用非常广泛,尤其是在实际生活中,它经常用来研究不同事件发生的概率,也用于计算组合数学中的概率问题。
只要正确理解了事件独立性的公
式,就可以解决许多实际。
根据高中数学概率论定理总结:事件的互斥与独立性

根据高中数学概率论定理总结:事件的互斥与独立性高中数学概率论涉及到事件的互斥与独立性,这两个概念在概率计算中非常重要。
本文将总结和解释这些概念的相关理论。
1. 事件的互斥性互斥事件是指两个或多个事件不能同时发生的情况。
在数学中,两个事件A和B互斥意味着它们没有公共的结果。
假设事件A是投掷一个骰子得到结果为1,事件B是投掷一个骰子得到结果为6。
由于骰子的结果只能是一个数字,事件A和事件B是互斥的,因为它们不能同时发生。
事件的互斥性可以用以下公式表示:P(A ∩ B) = 02. 事件的独立性独立事件是指一个事件的发生不受其他事件的影响。
在数学中,两个事件A和B独立意味着事件A的发生不会对事件B的发生产生影响,反之亦然。
假设事件A是抽取一张红色扑克牌,事件B是抽取一张黑色扑克牌。
如果每次抽牌后都将抽出的牌放回牌组中,那么事件A和事件B是独立的,因为每次抽牌的结果都不会对下次抽牌的结果产生影响。
事件的独立性可以用以下公式表示:P(A ∩ B) = P(A) * P(B)3. 性质- 互斥事件一定是不独立的,因为它们的发生是互相排斥的。
- 独立事件不一定是互斥的,因为它们的发生可以同时存在。
4. 应用互斥性和独立性概念在实际生活中有广泛的应用。
例如,在进行赌博游戏时,不同的赌注之间往往是互斥的,因为只能选择其中一项进行下注。
另一个应用是在进行统计和概率计算时,需要判断事件之间的互斥性和独立性。
这有助于准确预测事件的发生概率和计算复杂事件的联合概率。
总结根据高中数学概率论定理,我们可以了解事件的互斥与独立性的概念。
互斥事件是指两个或多个事件不能同时发生,而独立事件是指一个事件的发生不受其他事件的影响。
这些概念在概率计算和实际生活中都有重要的应用。
《事件的独立性》 讲义

《事件的独立性》讲义在我们的日常生活和各种学科领域中,经常会遇到对事件发生可能性的探讨。
而其中一个重要的概念就是事件的独立性。
理解事件的独立性对于我们准确地分析和预测各种情况都具有关键意义。
首先,我们来明确一下什么是事件的独立性。
简单来说,如果事件A 的发生与否对事件 B 的发生概率没有影响,同时事件 B 的发生与否对事件 A 的发生概率也没有影响,那么我们就称事件 A 和事件 B 是相互独立的。
举个简单的例子,假设我们抛一枚硬币,正面朝上记为事件 A,抛一次骰子,点数为 6 记为事件 B。
这两个事件就是相互独立的。
因为抛硬币的结果不会影响抛骰子出现 6 点的概率,反之亦然。
那么如何判断两个事件是否独立呢?这就需要用到概率的计算。
如果 P(A|B) = P(A) 且 P(B|A) = P(B),其中 P(A|B) 表示在事件 B 发生的条件下事件 A 发生的概率,P(B|A) 表示在事件 A 发生的条件下事件 B 发生的概率,那么事件 A 和事件 B 就是独立的。
再深入一些,对于多个事件的独立性,情况会稍微复杂一些。
如果对于三个事件 A、B、C,如果它们两两独立,并且 P(ABC) =P(A)P(B)P(C),那么这三个事件相互独立。
事件的独立性在实际应用中有很多例子。
比如在抽奖活动中,每次抽奖的结果通常是相互独立的。
不管前面的人是否中奖,后面的人中奖的概率都不会受到影响。
在统计学和概率论的研究中,事件的独立性也是一个基础且重要的概念。
通过判断事件的独立性,我们可以简化概率的计算,更准确地分析数据和预测结果。
另外,在一些复杂的系统中,例如通信系统、金融市场等,事件的独立性假设可以帮助我们建立模型和进行分析。
但需要注意的是,在实际情况中,完全独立的事件并不总是普遍存在的。
很多时候,事件之间可能存在着某种隐藏的关联或者相互影响。
例如,在股市中,一只股票的价格变动可能会受到宏观经济形势、行业发展、公司内部管理等多种因素的影响。
概率论-事件的独立性

P( Ai Aj Ak )
P( Ai )P( Aj )P( Ak ),(1
i
j
k
n)
P( A1 A2 An ) P( A1 )P( A2 )P( An ).
则称事件 A1 , A2 ,, An
为相互独立的.
共 2n n 1
个式子.
n 个事件相互独立
n个事件两两独立
显然,如果n个事件相互独立,则它们中任何
机事件序列 A1, A2 ,, An 为相互独立的.
例21 甲、乙、丙三三名射手,他们命中他们命 中目标的概率分别是0.9,0.8,0.6,现三人独立地 向目标各射击一次,求命中目标的可能性有多大?
解 记A=“甲命中目标”, B=“乙命中目 标”, C=“丙命中目标”, D=“命中目标”, 显然A,B,C 相互独立,并且D=A+B+C ,则
NEXT
习题一:22、23、25
作业
例补充 设A,B,C三事件独立,试证A+B与C相互
独立. 证明:因为
P[(A B)C] P( AC BC) P( AC) P(BC) P( ABC)
P( A)P(C) P(B)P(C) P( A)P(B)P(C) (P( A) P(B) P( A)P(B))P(C) P( A B)P(C)
P(A) P(B) P(A)P(B)
0.7 0.8 0.70.8 0.94
例补充 甲、乙、丙三人在同一时间分别破译某一 密码,设甲译出的概率0.8,乙译出的概率 0.7,丙 译出的概率0.6,求密码能译出的概率.
解 记A=“甲译出密码”, B=“乙译出密
码”,
C=“丙译出密码”, D=“密码被译 显然出A”,B,,C相互独立,并且D=A+B+C ,则
《事件的独立性》 讲义

《事件的独立性》讲义在我们的日常生活和各种学科领域中,经常会遇到与事件的独立性相关的问题。
那么,什么是事件的独立性呢?简单来说,就是指一个事件的发生与否,对另一个事件的发生概率没有影响。
为了更好地理解事件的独立性,让我们先从一些简单的例子入手。
比如说,抛一枚硬币,得到正面和反面的概率各是 1/2。
我们抛第一次得到正面的结果,并不会影响第二次抛硬币得到正面或反面的概率。
也就是说,每次抛硬币都是一个独立的事件。
再比如,从一副扑克牌中随机抽取一张牌。
第一次抽取到红桃的概率是 1/4,而第一次抽取的结果并不会改变第二次抽取到红桃的概率,仍然是 1/4。
接下来,我们深入探讨一下事件独立性的数学定义。
设有两个事件A 和 B,如果事件 A 发生的概率 P(A)不受事件 B 发生与否的影响,即P(A|B) = P(A);同时,事件 B 发生的概率 P(B)也不受事件 A 发生与否的影响,即 P(B|A) = P(B),那么我们就称事件 A 和事件 B 是相互独立的。
这里需要解释一下条件概率的概念。
条件概率 P(A|B)表示在事件 B 发生的条件下,事件 A 发生的概率。
如果事件 A 和 B 相互独立,那么条件概率 P(A|B)就等于事件 A 本身发生的概率 P(A)。
在实际应用中,判断两个事件是否独立是非常重要的。
比如在进行多次实验或者抽样调查时,如果各个事件是相互独立的,那么我们就可以利用一些简单的概率计算方法来得出最终的结果。
我们来看一个具体的例子。
假设一个盒子里有 5 个红球和 5 个蓝球,每次从盒子里随机取出一个球,记录颜色后放回。
那么第一次取出红球的事件 A 和第二次取出红球的事件 B 就是相互独立的事件。
因为每次取球后都将球放回,所以盒子里球的组成不变,每次取到红球的概率都是 5/10 = 1/2。
即 P(A) = P(B) = 1/2。
而且,在第一次取出红球的条件下,第二次取出红球的概率 P(B|A)仍然是 1/2,等于 P(B)。
第二版 工程数学-概率统计简明教程-第三章-条件概率与事件的独立性

方案1和方案2的次品率分别为0.3% , 0.1%,求公司产品
的次品的率. 解: P(次品)=P(方案1的产品 且 为次品)+P(方案2,次)
= 40% ×0.3% + 60%×0.1% = 0.0018 问:从产品中随机抽取1件,测试为次品,问此次品是哪种
方案生产出来的可能性大?
P(方案1|次品)=0.4×0.003/0.0018=2/3 P(方案2|次品)=0.6×0.001/0.0018=1/3
=0.323
例7 一项血液化验以0.95概率将患者检查为阳性,但0.01 的概率误将健康者检查为阳性。已知该病的患病率为0.5%。 问:如果某人检验为阳性,则他的确患病的概率是多少?
解 记B={阳性},A1={患者}, A2={健康者}.
已知 P( A1) 0.5%, P( A2 ) 99.5%
C22 C62
61 15 15
=第一次在(4新+2旧)中取2新,第二次在(2新+4旧)中取2新
P(A ) 1 6 8 3 6 1 4 15 15 15 15 15 15 25
P( B0
|
A)
16 15 15
4
1 6
25
P(B1 |
A)
83 15 15
4
4 6
25
P( B2
|
A)
n
P(B) P(Ai )P(B | Ai ) i1
全概率公式 若事件 A1, A2, , An 两两互斥,且 P( Ai ) 0 ,1 i n ,
n
令 B BAi 则有 P(B) P( A1B) P( AiB) P( AnB)
i 1
P( A1)P(B | A1) P( An )P(B | An ) .
概率论与数理统计-第3章-第4讲-随机变量的独立性

1, (x, y) G
f (x, y) 0,
其它.
1
2x
02 随机变量的独立性
例题 设二维离散型随机变量 X, Y 的联合分布律为
应用
Y X
1
1
1 6
2
3
1
1
9
18
2
1 3
试确定常数 , 使得随机变量 X 与Y 相互独立.
02
随机变量的独立性 由表,可得随机变量 X 与Y 的边缘分布律为
P{XY Y 0} P{( X 1)Y 0}
P{X 1 0,Y 0} P{X 1 0,Y 0}
P(X ) P(X ) 1
2
P{X 1}P{Y 0} P{X 1}P{Y 0} 1111 1
22 22 2
第4讲 随机变量的独立性
本节我们学习了二维随机变量的独立性, 后续会推广到更多维. 随机变量的独立性在概率论和数理统计中会发挥重要的作用.
用分布函数表示, 即 设 X,Y 是两个随机变量, 若对任意的x, y, 有 F ( x, y) FX (x)FY ( y)
则称 X, Y 相互独立 .
它表明, 两个随机变量相互独立时, 联合分布函数等于两个 边缘分布函数的乘积 .
01 两个随机变量独立的定义
离散型
X与Y 独立
对一切 i , j 有
01 两个随机变量独立的定义 两个随机变量独立的定义
设 X,Y是两个随机变量, 若对任意的x,y ,有 P ( X x,Y y) P( X x)P(Y y)
则称X,Y相互独立 .
如何判断
两事件A, B独立的定义是: 若 P(AB)=P(A)P(B)则称事件A, B独立 .
01 两个随机变量独立的定义
概率论与数理统计 第三节 条件概率与独立性

一、条件概率
4. 条件概率的计算
P ( AB ) 1) 用定义计算 P ( A | B ) P( B)
2)用缩减的样本空间计算
例:A={掷出2点}, B={掷出偶数点} 掷骰子
1 P(A|B) = 3
B发生后的 缩减样本空间 所含样本点总数 在缩减样本空间 中A所含样本点 个数
一、条件概率
例1 掷两颗均匀骰子,已知第一颗掷出6点,问“掷 出点数之和不小于10”的概率是多少?
一、条件概率
2. 条件概率的定义
设A、B是两个事件,且P(B)>0,则称 P ( AB ) (1) P( A | B) P( B)
为在事件B发生的条件下,事件A的条件概率.
若事件B已发生, 则为使 A 也发生 , 试验结果必须是既在 B 中又在A中的样本点 , 即此 点必属于AB. 由于我们已经知 道B已发生, 故B变成了新的样 本空间 , 于是有(1).
A={取到一等品}, B={取到正品} P(A ) =3/10,
3 10 P ( AB ) 3 P(A|B) 7 10 P( B) 7
一、条件概率
A={取到一等品}, B={取到正品}
P(A)=3/10, P(A|B)=3/7 本例中,计算P(A)时,依据的前提条件是10件 产品中一等品的比例. 计算P(A|B)时,这个前提条件未变,只是加上 “事件B已发生”这个新的条件. 这好象给了我们一个“情报”,使我们得以在 某个缩小了的范围内来考虑问题.
故抓阄与次序无关.
二、乘法公式
练习3 设某光学仪器厂制造的透镜, 第一次落下时 打破的概率为1/2,若第一次落下未打破, 第二次落下 打破的概率为7/10 , 若前两次落下未打破, 第三次落 下打破的概率为9/10.试求透镜落下三次而未打破的 概率.
事件的独立性与非独立性

事件的独立性与非独立性事件的独立性和非独立性是概率论和统计学中的基本概念,用于描述事件之间是否相互影响或相关。
在本文中,我们将探讨事件的独立性和非独立性的含义、特征以及其在实际问题中的应用。
一、事件的独立性事件的独立性是指两个或多个事件在发生上相互独立,即一个事件的发生不会对其他事件的发生产生影响。
数学上,事件A和事件B是独立事件,当且仅当它们满足以下条件:P(A ∩ B) = P(A) × P(B)其中,P(A ∩ B)表示事件A和事件B同时发生的概率,P(A)表示事件A发生的概率,P(B)表示事件B发生的概率。
独立事件的关键特征是事件之间的无关性。
例如,抛掷一枚硬币,正面朝上和反面朝上是两个独立的事件。
硬币落地时,正反两面的结果相互独立,无论之前的结果如何。
在实际问题中,事件的独立性有着广泛的应用。
例如,在概率计算中,我们经常通过事件的独立性来计算复杂事件的概率。
此外,在统计学中,事件的独立性也是很多统计方法的基础假设之一。
二、事件的非独立性与独立事件相对应,非独立事件指的是两个或多个事件在发生上相互有关联或影响。
在数学上,事件A和事件B是非独立事件,当且仅当它们不满足独立性的条件,即:P(A ∩ B) ≠ P(A) × P(B)非独立事件的特征是事件之间存在相关性。
例如,抽取一张扑克牌,第一次抽到一张红心牌,第二次再抽到红心牌的概率就会受到第一次抽到红心牌的结果影响。
在实际问题中,事件的非独立性也有着重要的应用。
例如,在风险管理和金融领域,我们经常需要考虑事件之间的相关性,以提前识别风险并采取相应的措施。
三、事件独立性和非独立性的意义事件的独立性和非独立性对于概率计算和统计推断具有重要的意义。
通过了解事件之间的关系,我们可以更准确地估计事件发生的概率,做出相应的决策。
当事件是独立的时候,我们可以简单地将不同事件发生的概率相乘,得到复杂事件的概率。
这在概率计算中非常有用,可以大大减少计算的复杂度。
概率与统计中的事件独立性与条件概率

概率与统计中的事件独立性与条件概率概率与统计是数学中的重要分支,研究了随机事件的发生规律和现象的统计规律。
其中,事件独立性和条件概率是概率与统计中的两个重要概念。
本文将详细介绍这两个概念及其在实际问题中的应用。
一、事件独立性在概率论中,事件的独立性指的是两个或多个事件之间的发生与否互不影响。
具体来说,如果事件A和事件B相互独立,那么事件A的发生与否对事件B的发生概率没有影响,反之亦然。
数学上,事件A和事件B的独立性可以表示为P(A∩B) =P(A) · P(B),其中P(A)表示事件A的概率,P(B)表示事件B的概率,P(A∩B)表示事件A和事件B同时发生的概率。
独立性的概念在实际问题中有广泛的应用。
例如,在投掷硬币的问题中,每次投掷的结果都是独立的,前一次投掷得到正面的概率与后一次投掷得到正面的概率是相等的。
二、条件概率在实际问题中,有些事件的发生概率可能受到其他条件的限制或影响。
此时,我们需要引入条件概率的概念。
条件概率指的是在已知事件B发生的条件下,事件A发生的概率。
用数学符号表示为P(A|B),读作“A在B发生的条件下发生的概率”。
条件概率的计算公式为:P(A|B) = P(A∩B) / P(B),其中P(A∩B)表示事件A和事件B同时发生的概率。
条件概率在实际问题中有很多应用。
例如,在一次抽奖活动中,已知有100个人参与,其中10个人中奖。
如果我们想要计算某一个人中奖的概率,就需要考虑其他条件,如该人是否购买了彩票等。
三、事件独立性与条件概率的关系在概率与统计中,事件独立性和条件概率之间存在一定的关系。
如果事件A和事件B相互独立,那么事件A的条件概率与事件B无关,即P(A|B) = P(A);同样地,事件B的条件概率与事件A无关,即P(B|A) = P(B)。
反之,如果事件A和事件B满足P(A|B) = P(A)或P(B|A) = P(B),那么事件A和事件B是相互独立的。
有了事件独立性和条件概率的概念,我们可以解决很多实际问题。
事件的独立性、概率乘法定理

P(B) P( Ai)P(B | Ai) i 1
=0.3×0.25+ 0.2×0.3+ 0.1×0.1+ 0.4×0
=0.145。
练习2 两台机床加工同样的零件,第一台的废品率为0.04,第 二台的废品率为0.07,加工出来的零件混放,并设第一台加工的 零件是第二台加工零件的2倍,现任取一零件,问是合格品的概 率为多少?
P(B)= P(A1)P(B|A1 )+P(A2)P(B|A2)+P(A3)P(B|A3)
C22 C52
C32 C72
C32 C52
0 C72
C31C21 C22 C52 C72
3. 70
(2)
P(A1|B)
P( A1B) P(B)
P( A1)P(B | A1)
3
P( Ai )P(B | Ai )
1、三好学生,拿到奖学金的概率是p(A1)=0.3。 2、四好 学生,拿到奖学金的概率是p(A2)=0.4。3、五好学生, 拿到奖学金的概率是p(A3)=0.5。4、六好学生,拿到奖 学金的概率是p(A4)=0.6。这些学生只能是三好四好五好 六好学生种的一种,不能跨种类。这个学校学生是三好 学生的概率是p(B1)=0.4,四好学生的概率是p(B2)=0.3, 五好学生的概率是p(B3)=0.2,六好学生的概率是p(B4)=0.1。 现在问题出来了,一个学生能够拿到奖学金的概率是多少?
p,
P( A2 | A1)
p,
P( A1) 1 p, P( A2 | A1)
p. 2
于是,由全概率公式得
P( A2
)
P( A1)P( A2
|
A1)
概率论之随机事件的独立性

随机事件及其概率
A 与 B 之间没有关联或关联很微弱
A 与 B 相互独立
P(AB) P(A)P(B)
§4随机事件的独立性
随机事件及其概率
例一台自动报警器由雷达和计算机两部分组成,两 部分如有任何一个出现故障,报警器就失灵.若使用 一年后,雷达出故障的概率为 0.2,计算机出故障的 概率为 0.1,求这个报警器使用一年后失灵的概率.
§4随机事件的独立性
随机事件及其概率
定理 当 P(A) 0 ,P(B) 0 时,若 A, B 相互独立,则
A, B 相容;若 A, B 互不相容,则 A, B 不相互独立.
证明 (1)若 A,B 相互独立,则 P(AB)=P(A)P(B)≠ 0 ,即 A,B 是相容的.
(2)若 A,B 互不相容,则 AB=,P(AB)=0. 因此 0=P(AB)≠ P(A)P(B)>0,即 A,B 是不相互独立.
1 4
则三事件 A, B, C 两两独立.
由于 P( ABC ) 1 1 P( A)P(B)P(C ), 48
因此 A,B,互独立
随机事件及其概率
定义 设 A1, A2, , An 是 n(n 2) 个事件,若其中任意 两个事件都相互独立,则称 A1, A2 , , An 两两独立 (Independence between them).
Pn (k) Cnk pk qnk , q 1 p, k 0,1, 2, , n
证明 设 Ai {第 i 次试验中事件 A 发生},1 i n ; Bk { n 次试验中事件 A 恰好出现 k 次}, 0 k n , 则
§4随机事件的独立性
随机事件及其概率
Bk A1A2 Ak Ak1 An
概率事件的独立性分析

概率事件的独立性是一个核心概念,在概率论和统计学中有广泛应用。
理解独立事件有助于我们更准确地分析复杂系统中的不确定性。
本文将详细探讨概率事件的独立性,包括其定义、性质、应用,以及在现实世界中的意义和局限性。
一、独立性的定义两个事件A和B如果满足以下条件,则称它们是独立的:P(A ∩ B) = P(A) × P(B)其中,P(A ∩ B)表示事件A和B同时发生的概率,P(A)和P(B)分别表示事件A和B发生的概率。
这个定义直观的表达了独立性的含义:一个事件的发生不影响另一个事件的概率。
二、独立性的性质1. 交换性:如果A和B是独立的,那么B和A也是独立的。
这符合我们对独立性的直观理解,即独立关系不具有方向性。
2. 对称性:如果A和B是独立的,那么对于任何事件C,A和C独立的概率等于B和C独立的概率。
这意味着在独立关系中,一个事件与其他事件的独立性不依赖于其他特定事件。
3. 传递性:如果A和B独立,B和C独立,那么A和C也是独立的。
这个性质表明,独立性可以在事件之间传递,使得我们可以更方便地分析多个事件之间的独立关系。
三、独立性的应用1. 赌博游戏:在许多赌博游戏中,如掷骰子或抽取扑克牌,每次抽取都是独立的。
这意味着前一次的结果不会影响下一次的结果,从而保证了游戏的公平性。
2. 可靠性工程:在可靠性工程中,独立性概念用于评估系统的整体可靠性。
如果系统中的各个组件故障是相互独立的,那么整个系统的可靠性可以通过单个组件的可靠性来计算。
3. 统计分析:在统计分析中,独立性假设是许多统计模型的基础。
例如,在回归分析中,我们假设自变量和因变量之间的关系是独立的,以便更准确地预测因变量的值。
四、独立性与条件独立性条件独立性是两个事件在给定第三个事件的情况下相互独立。
即如果已知事件C发生,那么事件A和B的发生是独立的。
条件独立性的概念扩展了独立性的定义,使我们能够在更复杂的情境中分析事件之间的关系。
例如,在天气预报中,给定某个大气条件C(如高压系统),某地区明天是否下雨A和后天是否下雨B可能是条件独立的,即明天的雨水不会影响后天是否下雨,在给定的大气条件下。
概率论第三章-随机向量的独立性

f X ( x) =
1 e 2π σ 1
−
( x − µ 1 )2
2 2σ 1
fY ( y ) =
2π σ 2
1
−
( y − µ 2 )2
2 2σ 2
e
X~ N(µ1,σ12 ) , (
Y~ N(µ2,σ22 ) (
二维正态随机向量( 二维正态随机向量(X,Y)的两个分量独立的充要条件是 )
ρ= 0
P {X ≤ a , X ≤ b} = P {X ≤ a}P { X ≤ b}
对所有实数对(a, b) 均成立. 对所有实数对( 均成立. 随机事件{ 有下述关系: 2) 随机事件{ X≤a } 与{︱X︱ ≤a } 有下述关系:
{X
从而
≤ a} = {− a ≤ X ≤ a} ⊂ {X ≤ a}
P{ X ≤ a , X ≤ a } = P{ X ≤ a }
维随机变量X 相互独立, 维随机变量 例如3维随机变量 1 ,X2 ,X3 相互独立,则 X12 , X22 , X32 也相互独立 相互独立. X1 +X2与X3也相互独立 相互独立. sinX1 与X3也相互独立. 相互独立.
X1 +X2与X1 -X2 不一定相互独立. 不一定相互独立
随机变量的独立性本质上 是事件的独立性
FX ( x) FY ( y )
∀ i, j
1) 对于离散型的随机变量,X与Y相互独立的充要条件为:
P{ X = xi , Y = y j } = P{ X = xi } ⋅ P {Y = y j }
2) 对于连续型的随机变量, X与Y相互独立的充要条件为:
f ( x , y ) = f X ( x) fY ( y ) 几乎处处成立。
第3节 条件概率与独立性

B)P(C
),
P( AC ) P( A)P(C ),
则称事件 A, B, C 两两独立 .
注意 相互独立
两两独立
23
例 一个袋内装有4个球,其中全红、全黑、全白色的 球各一个,另一个是涂有红、黑、白三色的彩球. 从
中任取一个, 记事件A、B、C分别表示取到的球上涂 有红色、黑色、白色. 试判断事件A、B、C两两独立
5
例2 设袋中有7个黑球,3个白球, 不放回摸取两次, 如果已知第一次摸到白球,求第二次也摸到白球的 概率. 若改为放回摸取,结果如何? 解 设A,B分别表示第一、二次摸到白球,则
不放回: P(B | A) 2 . 9
放回: P(B | A) 3 . 10
6
例3 人寿保险公司常常需要知道存活到某一个年龄 段的人在下一年仍然存活的概率.根据统计资料可 知,某城市的人由出生活到50岁的概率为0.90718, 存活到51岁的概率为0.90135。问现在已经50岁的人, 能够活到51岁的概率是多少?
25
四个推论
。
1
若事件
A1 ,
A2, ,
An
(n
2)
相互独立,
则
P( A1 A2 An ) P( A1 )P( A2 ) P( An )
2。 若事件 A1, A2, , An (n 2) 相互独立, 则
其中任意k个事件也相互独立.
。
3
若事件A1
,
A2
,,
An
(n
2)相互独立,
则
将A1
例如, 将一颗均匀骰子连掷两次,
设 A={第二次掷出6点}, B={第一次掷出6点},
显然
概率论与数理统计:事件的独立性与相关性

0.4 0.5 0.3 0.6 0.5 0.3 0.6 0.5 0.7
0.36.
因为 A2 ABC ABC ABC , 得 P ( A2 ) P ( ABC ABC ABC )
P( A) P( B) P(C ) P( A) P( B) P(C ) P( A) P( B) P(C )
所以事件 A 与 B 不独立,即该校学生视力与听力
缺陷有关联.
(2)如果已知一学生视力有缺陷,那么他听力也有缺 陷的概率是多少?
) 这要求计算条件概率 P ( B A,由定义知
P ( AB) 0.03 1 P ( B A) P ( A) 0.30 10
(3)如果已知一学生听力有缺陷,那么他视力也有缺 陷的概率是多少? 类似地可算条件概率
则 P ( A) 0.4, P ( B) 0.5, P (C ) 0.7,
由于 A1 ABC ABC ABC ,
故得 P ( A1 ) P ( A) P ( B ) P (C ) P ( A) P ( B ) P (C ) P ( A) P ( B ) P (C )
故有
1 P ( AB ) P ( A) P ( B ) 4 , 1 P ( BC ) P ( B ) P (C ) , 4 P ( AC ) P ( A) P (C ) 1 , 4
则三事件 A, B, C 两两独立.
由于
1 1 P ( ABC ) P ( A) P ( B ) P (C ), 4 8
不能忽视小概率事件, 小概率事件迟早要发生
——
例5 甲、乙、丙三人同时对飞机进行射击, 三人 击中的概率分别为 0.4, 0.5, 0.7, 飞机被一人击中 而被击落的概率为0.2 ,被两人击中而被击落的概 率为 0.6 , 若三人都击中飞机必定被击落, 求飞机 被击落的概率. 解 设 Ai 表示有 i 个人击中飞机, A, B, C 分别表示甲、乙、丙击中飞机 ,
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
用P(AB)=P(A) P(B)刻划独立性,比用
P(A|B) = P(A) 或 P(B|A) = P(B)
更好,它不受P(B)>0或P(A)>0的制约.
一、两事件独立的定义
若两事件A、B满足
P(AB)= P(A) P(B)
(1)
则称A、B独立,或称A、B相互独立.
例1 从一副不含大小王的扑克牌中任取一 张,记 A={抽到K}, B={抽到的牌是黑色的}
所求为 P(A1∪A2∪A3)
记 Ai={第i个人破译出密码} i=1,2,3
1 所求为 P(A1∪A2∪A3)
3
已知, P(A1)=1/5,P(A2)=1/3,P(A3)=1/4
P(A1∪A2∪A3) 1 P( A1 A2 An )
2
1 P( A1A2 A3)
1 P( A1)P( A2 )P( A3)
= P( A1 )P( Ai1 ) P( Aim ).
[注释] 1. n个事件独立,则其中任意k(2≤k<n) 个事件也独立,反之未必成立,
2. 在实际应用中,独立性往往通过实际 意义判断,而不用定义证明;在理论证 明中,独立性用定义或定理证明。
3. 事件的独立与互斥是两个截然不同的概 念,互斥是指两个事件之间的关系,独 立是指两个事件概率之间的关系。
由于“甲命中”并不影响“乙命中”的
概率,故认为A、B独立 .
(即一事件发生与否并不影响另一事件发生 的概率)
又如:一批产品共n件,从中抽取2件,设 Ai={第i件是合格品} i=1,2
若抽取是有放回的, 则A1与A2独立.
因为第二次抽取的结果
不受第一次抽取的影响. 若抽取是无放回的,则A1 与A2不独立.
n次有放回抽样(每次抽取一件),求这
n次中共抽取到k件次品的概率?
解:
Pn( k
)
C
k n
(
M N
)k (1
M N
)nk ,k
0,1,2,
,n
例3. 某人进行射击,每次击中目标的概率均为 0.01,令他独立地射击300次,求恰好有4次 击中目标的概率?
解:
Pn (k)
P300 (4)
C3400 (0.01)4 (0.99)296
证明: AB B 0≤P(AB)≤P(B)=0。
P(AB)=P(A)P(B)=0。
定理2:若P(B)=1则B与任一事件独立,进而 必然事件与任一事件独立。
证明:P( B ) 0,A,A AS AB AB,
P( A ) P( AB ) P( AB ) P( AB ) P( A )P( B )
它们下方的数是它们各自正常工作的概 率. 求电路正常工作的概率.
AB
0.95 0.95
C
D
0.70
E
0.70
F
0.75
H
G
0.95
0.75
C
0.70
F
AB
D
0.95 0.95
0.70
0.75
H
G
0.95
E
0.75
0.70
解: 将电路正常工作记为W,由于各元件独立
工作,有
P(W)=P(A)P(B)P(C∪D∪E)P(F∪G)P(H)
P( AB). P( A)P(B) P( AB)
定理3:A与B独立 P (B) =0或P (A\B) P(A).
定理4:若A与B 独立,则A与B ,A 与B,A 与 B
也分别独立。
证明:
P( AB ) P( A B ) P( A ) P( AB ) P( A ) P( A )P( B ) P( A )P( B )
得A与 B 独立。
同理可证: A与B,A与 B 也分别独立。
二、多个事件的独立性
将两事件独立的定义推广到三个事件:
对于三个事件A、B、C,若
P(AB)= P(A)P(B)
(1) 四个等式同时
P(AC)= P(A)P(C)
(2) 成立,则称事件
P(BC)= P(B)P(C)
(3) A、B、C相互
P(ABC)= P(A)P(B)P(C) 独立.
定理:设在每次试验中成功的概率为p(0<p<1),
则在n重伯努利试验中成功恰好发生k次的 概率为
Pn( k ) Cnk pkqnk , ——二项概率公式
其中p+q=1, k=0,1,2, …,n。
证明:设Bk成功A恰好发生k次, Ai 第i次试
验成功,Ai 第i次试验失败,则
Bk A1A2 Ak Ak1 An A1 A2 Ak1 Ak Ak1 Ak2 An A1 A2 Ank Ank1 An
P( Ai1 Ai2 Aik ) P( Ai1 )P( Ai2 ) P( Aik )
则称A1,A2, …,An为相互独立的事件.
包含等式总数为:
n 2
n3
nn
(1
1)n
n
1
n
0
2n
n
1
定理: 若事件 A1 , A2 , An相互独立,则将其
中任意个事件)换成) 对立)事件仍然相互独
若一个试验只有两个结果:A—成功和 A —失败;则称这个试验为伯努利试验
(Bernoulli试验)。它的n次重复独立试验, 称为n重伯努利试验。
设成功A的概率为P(A)=p,P(A)=q, p+q=1.
在n重伯努利试验中,成功的次数可能为 0,1,2,…,n次。关于成功恰好发生k次
(0≤k≤n)的概率Pn(k),有下面的定理:
4. 互斥可用图形表示,而独立不能用图形 表示。
三、独立性的概念在计算概率中的应用
对独立事件,许多概率计算可得到简化: 例2 三人独立地去破译一份密码,已知各人能 译出的概率分别为1/5,1/3,1/4,问三人中至 少有一人能将密码译出的概率是多少?
解: 将三人编号为1,2,3,
记 Ai={第i个人破译出密码} i=1,2,3
P( A1A2 Ak Ak1 An ) P( A1 )P( A2 ) P( Ak )P( Ak1 ) P( An ) pkqnk .
同理可得其它项的概率 也是 pkqnk , 利用概率的有限可加性得:
Pn (
k
)
P(
Bk
)
C
k n
pkqnk
推论:
n
Pn( k ) 1
k 0
证明:
n
Pn( k )
1. P(B|A)>0 3. P(A|B)=0
2. P(A|B)=P(A) 4. P(AB)=P(A)P(B)
设A、B为独立事件,且P(A)>0,P(B)>0,
下面四个结论中,正确的是:
1. P(B|A)>0 3. P(A|B)=0
2. P(A|B)=P(A) 4. P(AB)=P(A)P(B)
定理1:若P(B)=0则B与任一事件独立,进而 不可能事件与任一事件独立。
在实际应用中, 当n≥10, p≤0.1时有近似公式为:
Pn
(k
)
C
k n
pk (1
p)nk
≈k e
k!
其中λ=np, k=0,1, …n
当n≥10, p≥0.9(即q≤0.1) 时有近似公式为:
Pn( k
)
C
k n
pk(1
p )nk
第四讲 事件的独立性
两事件的独立性 先看一个例子: 将一颗均匀骰子连掷两次,
设 A={第二次掷出6点}, B={第一次掷出6点},
显然
P(A|B)=P(A)
这就是说,已知事件B发生,并不影响事件A发
生的概率,这时称事件A、B独立.
由乘法公式知,当事件A、B独立时,
有
P(AB)=P(A) P(B)
P(AB)=P(B)P(A|B)
立,即事件
其中
) Ai
取Ai
A1, A2 , , An 也相互独立,
或Ai (i=1,2,…,n).
证明:只需证 A1, A2 , An相互独立,反复
用此结论,即可得证。
对任意1 < i1 < i2 < < im ≤n 有:
P( A1Ai1 Aim ) = P( Ai1 Aim )-P( A1Ai1 Aim ) = P( Ai1 ) P( Aim )-P( A1)P( Ai1 ) P( Aim ) = [1-P( A1 )] P( Ai1 ) P( Aim )
解:设A=飞机被击中,Ai=第i门炮击中飞机,
A A1 A2 An ,i 1,2, n.
P( A ) 1 P( A ) 1 P( A1 A2 An )
1 ( 0.4 )n 0.99,( 0.4 )n 0.01,
n lg 0.01 5.026. lg 0.4
至少6门炮。
例4. 下面是一个串并联电路示意图. A、B、 C、D、E、F、G、H都是电路中的元件.
=1-[1-P(A1)][1-P(A2)][1-P(A3)] 1 4 2 3 3 0.6
534 5
请看演示 “诸葛亮和臭皮匠”
若n个事件A1, A2 , An相互独立,则: (1)事件 A1 , A2 , An至少有一个发生的
概率为
P( A1 A2 An ) 1 P( A1 )P( A2 ) P( An );
?
二项概率的泊松逼近定理:如果n→∞,p→0 使得np=λ保持为正常数,则
C
k n
pk(1
p )nk
k e
k!
对k=0,1,2, …一致地成立。(证明见书上)
由定理条件np=λ(常数)知,当n很大,p很小时, 有下面的近似公式:
Pn (k)