概率-独立事件
在概率,两事件是独立的如果一个事件的发生不影响另一个事件的发生概率。如果一个事件发生做影响其他事件的概率,则事件是依赖.
有一个红色的六面均匀骰子和一个蓝色的六面均匀骰子。两个骰子同时掷出。让 为红骰子结果为偶数的事件。让 就是蓝色骰子的结果是奇数的事件。这些事件是独立的吗?
考虑在红色骰子上掷出偶数是否会影响蓝色骰子掷出奇数。红色骰子的结果对蓝色骰子的结果没有影响。同样,蓝色骰子的结果不会影响红色骰子的结果。
不管 发生与否。
不管 发生与否。
因此,这些事件是独立的。
确定事件的独立性很重要,因为它通知是否应用规则的产品来计算概率。只要所处理的事件是独立的,使用乘积规则计算概率是相当简单的。计算相关事件的概率可能更有挑战性,也不那么直接。因此,考虑事件是否独立是很重要的,因为它影响解决问题的方法。
识别独立和依赖事件
介绍中的示例演示了明显独立的事件。然而,确定事件是否独立有时是一个挑战。考虑下面的例子:
袋子里有3个绿色的弹珠和5个蓝色的弹珠。随机从袋子里抽出两颗弹珠。让 当第一个弹珠是绿色的时候。让 当第二个弹珠是蓝色的时候。这些事件是独立的吗?
案例1: 发生
当第一个弹珠是绿色的时候,就有 袋子里剩下的弹珠 其中有蓝色的。在这种情况下, .
案例2: 不会发生
当第一个弹珠是蓝色的时候,就有 袋子里剩下的弹珠 其中有蓝色的。在这种情况下, .
的发病率 影响 .因此,这些事件是不独立的。换句话说,他们是依赖.
在前面的例子中,第一个弹珠会影响袋子里剩下的弹珠。当事件按顺序发生,并且事件的发生影响到下一个事件的样本空间时,事件将是相互依赖的。
事件不一定要按顺序发生才能相互依赖。考虑一下这个例子:
一场比赛有12匹马。奈奎斯特和夸张者就是其中的两匹马。每匹马获胜的机会均等。让 奈奎斯特赢得了比赛,让 是夸大者赢得比赛的事件。这些事件是独立的吗?
案例1: 发生
如果奈奎斯特赢了,那就是夸张者不能赢得比赛。在这种情况下, .
案例2: 不会发生
如果奈奎斯特没有赢得比赛,那就有 其他有可能赢得比赛的马,每一匹都有相同的获胜机会。夸张者就是其中之一,所以 .
的发病率 影响 .因此,事件是相互依赖的。
当试图确定事件是依赖还是独立时,考虑一个事件的发生率如何影响另一个事件的概率。如果概率受到影响,那么事件是相关的。如果对概率没有影响,那么事件是独立的。
条件概率和独立事件
的概念条件概率与独立事件的概念密切相关。您可能会注意到,前面的一些示例可以使用条件概率来重述。例如,在大理石的例子中,可以这样说 和 .
通过对条件概率的理解,独立事件和依赖事件的定义可以重新表述:
两个事件 和 是独立的如果:
和
两个事件 和 是依赖如果:
或
请注意: 和 是补充的 和 ,分别。
由于相关事件的性质,在概率方面有一些结果可能会令人惊讶。有时,事件被描述得似乎没有关联。然而,进一步的分析表明,存在一定的相关性,这对概率有影响。
一对夫妇有两个孩子。两个孩子都是男孩的概率是多少,假设其中一个孩子是男孩?
假设当一个孩子出生时,男孩和女孩的机会是一样的。
在这个问题上一个常见的错误是假设一个孩子是男孩,另一个孩子只是有一个 成为男孩的机会。然而,这个解决方案忽略了条件概率是如何定义的,它也忽略了问题中描述的事件的依赖性。实际的解决方案更令人惊讶。
让 为本实验的样本空间。让 代表一个男孩 代表一个女孩,出生的顺序很重要。 .
让 因为两个孩子都是男孩。 .
让 如果这些孩子中有一个是男孩,你就会生气。
.
样本空间是均匀的,所以
因此,如果两个孩子中有一个是男孩,那么两个孩子都是男孩的概率是 .
这个解决方案可能看起来不直观,但它可以用现实世界的证据来证明。如果你发现很多家庭正好有两个孩子,其中至少有一个是男孩,那么粗略地说 这些家庭中有两个男孩。
这个结果如此令人惊讶的部分原因是这些事件 和 是相关的。 ,所以 .知道一个孩子是男孩,会对两个孩子都是男孩的概率产生戏剧性的影响。
两个以上事件的相互独立
让 , , 顺其自然,顺其自然互相独立.也就是说,每一对事件是独立的: 和 是独立的, 和 是独立的, 和 是独立的。这是否意味着 , , 是相互独立的?不幸的是,两个以上事件的相互独立有更严格的要求:
给定一组两个以上的事件,事件集是互相独立的如果每个事件都是独立的十字路口其他事件。
如果连一个独立性都不满足,那么一系列事件就会满足相互依赖.
掷两个公平的六面骰子,一个红色,一个蓝色。让 是红骰子结果为3的事件。让 是蓝色骰子结果为4的事件。让 如果滚动的总和是7。是 , , 互相独立的?
和 .因此, 和 是独立的。
和 .因此, 和 是独立的。
和 .因此, 和 是独立的。
这些事件是成对独立的。然而,为了使所有三个事件相互独立,每个事件必须与其他事件的每个交集独立。
和
它们不相等,所以 , , 是相互依赖。
在前面的例子中,在给定事件的情况下,人们可能会怀疑发生了可疑的事情 包括两种掷骰子。鉴于此,我们通常会怀疑是否能找到独立的事件 .事实证明,这是巧合,这些事件对满足独立的定义。
相互独立性的定义与规则的产品,因为产品规则需要独立的事件。在前面的例子中,如果我们(错误地)试图获取 根据乘积法则,得到 .然而,事件交集的正确概率是 .
下面的定理有时可以作为“完备性检查”来确保你正确地应用了独立性原则:
一系列事件 是相互独立的,当且仅当,对于每个事件子集,这些事件的交集概率等于这些事件的概率的乘积。
独立随机变量
两个随机变量 和 被称为独立的如果,为了任何结果 和 ,
更笼统地说,是一个集合 任意结果的随机变量称为独立变量 ,
注意: 是一个系列的交叉符号,和 是某系列产品的符号。
作为这个定义的应用,我们可以证明 如果 和 是独立的随机变量。这非常有用;线性的期望意味着 不管 和 是独立的还是依赖的
如果 和 是独立的随机变量吗 .
假设 就值 和 就值 .根据期望的定义,
自 和 是独立的, 接下来就是