💡前一次结果会影响下一次吗
连续抛一枚均匀硬币,第一次出现正面后,第二次出现正面的概率仍是 1/2。这是独立性的典型模型。相反,从盒中不放回抽卡,第一张是什么会改变盒内组成,第二次事件通常不再独立。
“看起来没关系”只是直觉,数学上需要检验事件同时发生的概率是否等于各自概率的乘积。独立性是概率模型中的明确条件,也是使用乘法公式的前提。
🎯学习目标与考查重点
- 掌握两个事件相互独立的定义 P(A∩B)=P(A)P(B)。
- 在相关概率非零时,会用条件概率解释和判断独立性。
- 理解独立与互斥的本质区别,能识别常见错误。
- 掌握独立事件及其对立事件组合仍独立的性质。
- 会用乘法公式、分类加法和对立事件求重复试验概率。
一、相互独立的数学定义
设 A,B 是同一随机试验中的两个事件。如果
P(A∩B)=P(A)P(B),
就称事件 A 与 B 相互独立。这个等式既是定义,也是最基本的判断标准。独立性不是说两个事件不能同时发生,恰恰要比较“同时发生”的实际概率与独立模型下的乘积。
当 P(A)>0 时,事件 A 已发生条件下 B 的条件概率定义为
P(B∣A)=P(A)P(A∩B).
于是 A,B 独立等价于
P(B∣A)=P(B).
它表达“知道 A 发生后,B 的概率不变”。这里必须有 P(A)>0 才能作除法;定义本身 P(A∩B)=P(A)P(B) 不需要这个附加条件。
独立性由试验机制或已知概率关系决定。不同设备、不同时间并不自动保证独立,因为它们可能受共同环境影响;连续抛硬币常被建模为独立,是建立在每次抛掷条件保持一致且彼此不干扰的假设上。
二、独立与互斥不能混淆
事件互斥是
A∩B=∅,
表示二者不能同时发生;事件独立则要求交事件概率等于概率乘积。若 P(A)>0 且 P(B)>0,互斥给出 P(A∩B)=0,而
P(A)P(B)>0,
所以二者不独立。
例如一次掷骰子,事件“点数为 1”与“点数为 2”互斥,但知道第一个事件发生后,第二个事件必然不发生,显然互相影响。连续两次掷骰子,事件“第一次为 1”与“第二次为 2”则可在通常模型下独立,并且可以同时发生。
特殊地,不可能事件与任何事件都满足独立定义,因为 P(∅∩A)=0=P(∅)P(A);必然事件也与任何事件独立。这个数学结论提醒我们,判断时应以定义为准,而不是只依赖日常语言。
🔑“不能同时发生”是互斥,“一个是否改变另一个的概率”是独立。只有在独立条件成立时,才能把同时发生的概率写成乘积;只有在互斥条件成立时,才能把并事件概率直接相加。
三、独立事件的对立性质
如果 A 与 B 独立,那么 A 与 B、A 与 B、A 与 B 也都独立。以第一组为例,
P(A∩B)=P(A)−P(A∩B)
=P(A)−P(A)P(B)=P(A)[1−P(B)]=P(A)P(B).
因此计算“A 发生而 B 不发生”时,在已知独立的条件下可以写成
P(A∩B)=P(A)[1−P(B)].
若 A1,A2,…,An 相互独立,则它们同时发生的概率为
P(A1∩A2∩⋯∩An)=i=1∏nP(Ai).
需要注意,两两独立不一定保证多个事件相互独立。严格的相互独立要求任取其中若干事件,其交事件概率都等于相应概率的乘积。高中常见重复独立试验会直接给出或由机制说明相互独立。
四、独立重复试验中的分类计算
若一次试验成功概率为 p,失败概率为 1−p,各次试验相互独立,则连续 n 次全部成功的概率为
pn,
全部失败的概率为
(1−p)n.
至少成功一次可用对立事件计算:
P(至少一次成功)=1−(1−p)n.
“恰好一次成功”还要考虑成功出现在哪一次。每个指定位置成功、其他位置失败的概率为 p(1−p)n−1,共有 n 个互斥位置,所以概率为
np(1−p)n−1.
这里既用了独立事件的乘法,也用了互斥情形的加法。公式不能用于不放回抽样等概率会随步骤变化的试验,除非题目另有机制保证独立。
例 1原创基础例题:检验两个事件是否独立
已知 P(A)=0.4,P(B)=0.5,P(A∪B)=0.7。判断 A 与 B 是否相互独立。
✏️ 查看分步解析
由一般加法公式,
P(A∩B)=P(A)+P(B)−P(A∪B)=0.4+0.5−0.7=0.2.另一方面,
P(A)P(B)=0.4×0.5=0.2.两者相等,所以 A 与 B 相互独立。它们并不互斥,因为交事件概率为 0.2,大于 0。
例 2原创进阶例题:重复检测至少成功一次
某独立检测程序每次发现目标缺陷的概率为 0.8。在缺陷状态不变且三次检测相互独立的模型下,求三次中至少发现一次以及恰好发现一次的概率。
✏️ 查看分步解析
每次未发现的概率为 0.2。三次均未发现的概率为
0.23=0.008.因此至少发现一次的概率为
1−0.008=0.992.恰好发现一次时,成功可出现在第一、第二或第三次。三种情况互斥,每种概率为 0.8×0.22,所以
P(恰好一次)=3×0.8×0.22=0.096.若多次检测共用同一故障传感器,独立假设可能不成立,不能直接使用这些乘积。
⚠️易错点
- 独立性必须由题设机制或等式验证,不能仅凭“两个不同事件”认定。
- 概率均为正的互斥事件一定不独立;独立事件则可以同时发生。
- P(A∩B)=P(A)P(B) 需要独立条件,不能在任意交事件上套用。
- 多次试验只有在每次概率不变且相互独立时,才能直接使用幂或乘积。
- 两两独立与多个事件相互独立不是同一概念,不能随意替换。
🌏生活应用:冗余系统的可靠性
某系统配备两个并联模块,只要至少一个正常就能工作。若模块正常事件相互独立,可靠率分别为 0.95 与 0.90,则系统失效要求两个模块同时失效,概率为
(1−0.95)(1−0.90)=0.005,系统可靠率为 0.995。但若两个模块共用同一电源,电源故障会使二者同时失效,独立假设可能严重高估可靠性。工程应用中既要会算,也要审查独立条件是否符合结构。
五、自测与解析
1. 定义判断
已知 P(C)=0.3,P(D)=0.6,P(C∩D)=0.18。判断 C,D 是否独立。
✏️ 查看答案
因为
P(C)P(D)=0.3×0.6=0.18=P(C∩D),所以 C,D 相互独立。
2. 独立与互斥
若 P(E)=0.2,P(F)=0.4,且 E,F 互斥,它们能否独立?
✏️ 查看答案
不能。互斥给出 P(E∩F)=0,但 P(E)P(F)=0.08,二者不相等。
3. 至少一次
某射手每次命中概率为 0.7,两次射击相互独立。求至少命中一次的概率。
✏️ 查看答案
两次均未命中的概率为 (1−0.7)2=0.09,所以
P(至少命中一次)=1−0.09=0.91.
📺B 站视频讲解去 B 站观看「事件的相互独立性视频讲解」优质讲解视频 →