第4讲 独立与随机变量 概率论.pptVIP

第二章 随机变量 随机变量 离散型随机变量 连续型随机变量 随机变量函数的分布 小结 事件独立的概念、性质定理； 利用独立性概念计算事件概率的实例； 随机变量的基本概念与分类。 使用时，直接删除本页！ 精品课件，你值得拥有！ 精品课件，你值得拥有！ 使用时，直接删除本页！ 精品课件，你值得拥有！ 精品课件，你值得拥有！ 有 P(A|B)=P(A). 即：事件B发生，并不影响事件A发生的概率。称事件A与B相互独立，简称独立。 1.5.1 两事件的独立 A={第二次掷出6点}，B={第一次掷出6点}， 引例：将一颗均匀骰子连掷两次，设 §1.5 事件的独立性 由乘法公式知，当事件A与B独立时，有 P(AB)=P(A) P(B). 用 P(AB)=P(A) P(B) 刻画独立性，比用 P(A|B) = P(A) 或 P(B|A) = P(B) 更好。 ◎ 不受 P(B)0 或 P(A)0 的制约； ◎ 反映了事件A与 B的对等性。 定义1：若两事件A, B 满足 P(AB)= P(A) P(B), 则称 A与B 相互独立，或称 A, B 独立。 两事件独立的定义 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={抽到黑色的牌}。 故, P(AB) = P(A)P(B). 解：由于 P(A) = 4/52 = 1/13, 即：事件A, B独立。 问事件A, B是否独立？ P(AB) = 2/52 = 1/26。 P(B) = 26/52 = 1/2， 在实际应用中, 往往根据问题的实际意义判断两事件是否独立 。 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。 原因：第二次抽取的结果受第一次抽取结果的影响。 原因: 第二次抽取的结果不受第一次抽取结果的影响。 若抽取是无放回的，则A1与A2不独立。 问题：如图，两个事件A、B 是否独立？ 即: 若A、B互斥，且P(A)0, P(B)0, 则 A与B不独立。 逆否命题：若A与B独立，且 P(A)0, P(B)0, 则 A与B一定不互斥。 而 P(A) ≠ 0, P(B) ≠0。 故 A与B不独立。 因 P(AB)=0, P(AB) ≠ P(A)P(B)。 即 问题：能否在样本空间Ω中找到两个事件， 它们既相互独立又互斥? 所以，Φ与Ω独立且互斥。 答：能。 设A, B为互斥事件，且P(A)0, P(B)0, 下面四个结论中，正确的是： 1. P(B|A)0， 2. P(A|B)=P(A)， 3. P(A|B)=0， 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， 2. P(A|B)=P(A)， 3. P(A|B)=0 ， 4. P(AB)=P(A)P(B)。 = P(A) － P(AB) P(A )= P(A－ A B) A与B独立 概率的性质 = P(A) － P(A) P(B) 证明: 仅证A与 独立。 定理1：若事件A, B独立，则 也相互独立。 = P(A)[1 － P(B)] = P(A)P( ), 1.5.2 多个事件的独立 两事件独立的定义推广到三个事件上： 对于三个事件A, B, C，若 P(AB)= P(A)P(B)， P(AC)= P(A)P(C) , P(BC)= P(B)P(C) , P(ABC)= P(A)P(B)P(C) 同时成立，则称事件A, B, C相互独立。 推广到 n个事件: 设A1, A2,…, An 是 n个事件，如果对任意 k ( ), 任意 ，等式 等式总数为： 成立，则称 n个事件A1, A2, …，An 相互独立。 多个事件两两独立与事件两两相互独立的区别与联系 两两独立 相互独立 对n(n2)个事件 ? 反例：P24下方 多个相互独立事件性质： ◎ 若事件A1, A2, …, An相互独立，则其中任意 k 个事件