【创作赢红包】关于独立事件与互斥事件关系的讨论_互斥事件一定具有依赖性吗-CSDN博客

本文链接：https://blog.csdn.net/hahabula1018/article/details/129894042

2023/3/29 关于独立事件与互斥事件关系的讨论

在贾俊平《统计学》第六版书P107有如下论述：

“互斥事件一定是相互依赖（不独立），相互依赖的事件不一定是互斥的。不互斥事件可能是独立的，也可能是独立的，然而独立事件不可能是互斥的。”

下文将针对上述话语进行阐述：

1. 互斥事件的含义

在概率论定义中，两事件互斥如 $A,B⊂ΩA,B\sub\Omega$ 事件互斥则表明： $A∩B=∅A\cap B=\varnothing$ （最好不要将定义记忆为 $P(A∩B)=0P(A\cap B)=0$ 见4.）

通俗的理解：

若A发生，则B不能发生，为什么？

因为一次实验后只能得到一个基本事件（基本事件的重要性质），而事件是样本空间中基本事件的集合，也就是说一次实验后，若事件A发生，则表明该次试验结果的那个基本事件 $ω\omega$ ， $ω∈A\omega\in A$ 而由于A,B互斥， $A∩B=∅A\cap B=\varnothing$ 则 $ω∉B\omega\notin B$ ，即若A发生，则B不能发生。
若A不发生，则B发生与不发生都可以。

在这种情况下，B发生情况与1.情况类似。B不发生也不违法 $A∩B=∅A\cap B=\varnothing$ ，也即是此次试验结果得到的基本事件 $ω∉A\omega\notin A$ 且 $ω∉B\omega\notin B$ ， $C⊂Ω,ω∈CC\sub\Omega,\omega\in C$ ，基本事件属于C，不违反定义。
对立事件

在互斥事件的上再施加 $A∪B=ΩA\cup B=\Omega$ 的条件将会得到另一个概念——对立事件，也即是要么发生A要么发生B，两事件不能同时发生

对立事件的性质如下：
1. $P(A∩B)=0⇐A∩B=∅P(A\cap B)=0\Leftarrow A\cap B=\varnothing$
2. $P(A∪B)=1⇐A∪B=ΩP(A\cup B)=1\Leftarrow A\cup B=\Omega$ （不充要见4.）
可以将对立事件看成是对样本空间的一个划分

综上：A，B为互斥事件则表明A，B两事件中最多发生一个，也可能一个都不发生。

2. 独立事件的含义

在概率论中的含义为 $P(B∣A)=P(B)P(A∣B)=P(A)P(B|A)=P(B)\quad P(A|B)=P(A)$

由条件概率的概念引申出来也即两事件的发生与否都与对方无关。

3. 贾书上的论述

“互斥事件一定是相互依赖不独立”

两事件互斥，则表明当一个事件发生时另一个事件不发生，违背了独立事件的定义，因此互斥事件时相互依赖的不独立的。
“相互依赖的事件不一定是互斥的”

因为相互依赖这种关系比较宽泛，比如事件 $A⊂BA\sub B$ 则A发生，B也发生，这也是相互依赖关系，此时A，B便不互斥了 $A∩B=AA\cap B=A$ ，当然也可能互斥，即这个相互依赖关系就是指 $A∩B=∅A\cap B=\varnothing$
“不互斥事件可能是独立的，也可能是不独立的”

若 $AB≠∅AB\not=\varnothing$ 且 $P (A B) = P (A) P (B)$ 得 $P(AB)≠0P(AB)\not=0$ 。此时若 $A=Ω,∀B≠∅andB⊂Ω⇒AB=B≠∅A=\Omega,\forall B\not=\varnothing and B\sub\Omega\Rightarrow AB=B\not=\varnothing$ ,则 $P(AB)=P(B)=1×P(B)=P(A)P(B)⇒P(AB)=P(B)=1\times P(B)=P(A)P(B)\Rightarrow$ A,B事件独立

可能有人会有疑问 $Ω\Omega$ 怎么会和其子集独立呢？

因为必然事件是必然发生的与其它事件是否发生的无关的，独立事件是基于概率的定义的，并非是所谓无关的，它们是可以有关的，但这个关系是不能影响到相互事件发生的概率也即 $P(A∣B)=P(A)P(B∣A)=P(B)P(A|B)=P(A)\quad P(B|A)=P(B)$

不独立的情况容易举例：即下面情况即可
“然而独立事件是不可能是互斥的”

这句话是有争议的，但也是可以理解的，本文更偏向于认为这句话是正确的。为什么会有争议，因为若 $A=∅,∀B∈ΩA=\varnothing,\forall B\in \Omega$ ,则这句话是有误的，因为A,B既互斥（ $AB=∅AB=\varnothing$ ）又独立 $P (A B) = 0 = P (A) P (B)$ 。

但为什么本文偏向于认为是对的呢，因为这句话是更符合直观理解：因为，若事件A,B独立，假设A,B独立，则A的发生必然会影响到B的发生，因为此时B必然不能发生，所以独立事件应当不能是互斥的，而且“独立事件不能是互斥的”，只有上述的一个反例，所以本文更偏向于认为正确的，当然加上两事件中不存在不可能事件那将更加精确。

4. 补坑

为何不要将互斥事件定义记忆成 $P (A B) = 0$ ?

此处先说明一个概念——随机变量，随机变量基于随机事件进行定义的，是随机事件的数量化，如掷硬币试验，记一次试验基本事件A：字面;基本事件B：花面。

则将试验的结果记为X，X=1:A发生，X=0：B发生。这是离散随机变量的定义，相应的也将有连续型随机变量的定义，此处不进行赘述（如有问题请翻阅概率论有关书籍）。而在连续型定义中有 $P (X = a) = 0$ ，也即X取某个点的概率为0，这也就是问题所在，也即在连续型随机变量中 $P (A B) = 0$ ，与 $AB=∅AB=\varnothing$ 不等价了，因为一次实验中 $X = a$ 的结果是会出现的，但在概率上它为0，也即 $P(AB)=0⇔AB=∅P(AB)=0\Leftrightarrow AB=\varnothing$ 在连续性随机变量中不成立，但在离散型中是成立的。
$P(A∪B)=1P(A\cup B)=1$ 与 $A∪B=ΩA\cup B=\Omega$ 不等价

同上理在连续型随机变量中， $P(X≠a)=1=1−P(X=a)P(X\not=a)=1=1-P(X=a)$ ，而在一次实验的结果中 $X = a$ 并非必然的。
故应当将 $P(AB)=0⇐AB=∅P(AB)=0\Leftarrow AB=\varnothing$ 和 $P(A∪B)=1⇐A∪B=ΩP(A\cup B)=1\Leftarrow A\cup B=\Omega$ 记忆为相应事件的性质，而并非定义！定义得充要，性质不必需欧~~