前言:
本文主要介绍了事件独立性分析的常用定理和推论,以及介绍了什么是概率分布,在不同的情况下,概率分布具有不同的含义。
文章目录
事件独立性的定义:
设A,B为两个事件,如果P(AB)=P(A)P(B),则称事件A与B相互独立,简称为A与B独立。
事件独立性的判定方法:
以n=3为例:设A1,A2,A3为三个事件,若
则称事件A1,A2,A3相互独立。当去掉上述(4)式后,称只满足(1),(2),(3)式的事件A1,A2,A3两两独立。
事件独立性的常用推论:
推论1:
【注】:将相互独立的事件组中的任意几个事件换成各自的对立事件,所得的新事件组仍相互独立。
推论2:
以A,B,C,D相互独立为例:
若A,B,C,D相互独立=>AB,CD相互独立
=>A,BCD相互独立
=>A,B-CD相互独立
=>…
即:若A,B,C,D相互独立,任意A,B,C,D互不包含的组合关系均相互独立。
推论3:
推论4:
推论5:
【注】:若A=Ω(必然事件)或A=∅(不可能事件),则A与任意事件B相互独立。
推论6:
【注】:若0<P(A)<1,0<P(B)<1,A与B互斥,则A与B一定不独立。 相关的证明如下:
AB=∅,P(AB)≠P(A)P(B),所以A,B不相互独立。
【解释】:A,B是集合之间的关系,而P(A),P(B)则是概率之间的关系,二者并无直接联系。
真题解析:
选项C:P(AAC)=P(AC)≠P(A)P(AC),所以C事件不相互独立。
附:什么是概率分布?
1.如果是离散型,概率分布就是分布律。
2.如果是连续型,概率分布就是函数密度。
3.如果是混合型,概率分布就是分布函数。
如果本文对你有所帮助,记得收藏点赞哦!!