《计算机视觉：模型、学习和推理》一2.6 独立性

2.6　独立性

如果从变量x不能获得变量y的任何信息（反之亦然），就称x和y是独立的（见图2-6），可以表示为：

图2-6　独立性。a） 连续独立变量x和y的联合概率密度函数。x和y的独立性意味着每一个条件分布相同：从y的值中不能推断出x的取值概率，反之亦然。与图2-5中变量的依赖形成对比。b） 离散独立变量x和y的联合分布。对于给定的y值x的条件分布相同

代入式（2-5）中可得，独立变量的联合概率Pr(x，y)是边缘概率Pr(x)和Pr(y)的乘积。