随机变量及其分布列[1].版块四.事件的独立性2.学生版

1． 离散型随机变量及其分布列

⑴离散型随机变量 如果在试验中，试验可能出现的结果可以用一个变量X 来表示，并且X 是随着试验的结果的不同而变化的，我们把这样的变量X 叫做一个随机变量．随机变量常用大写字母,,X Y 表示．

如果随机变量X 的所有可能的取值都能一一列举出来，则称X 为离散型随机变量． ⑵离散型随机变量的分布列

将离散型随机变量X 所有可能的取值x 与该取值对应的概率p (1,2,,)i n = 列表表示：

X 1x 2x … i x … n x P

1p

2p

…

i p

…

n p

X 的分布列．

2．几类典型的随机分布

⑴两点分布

如果随机变量X 的分布列为

X 1 0 P p q

其中01p <<，1q p =-X 服从参数为p 的二点分布．

二点分布举例：某次抽查活动中，一件产品合格记为1，不合格记为0，已知产品的合格率为80%，随机变量X X 的分布列满足二点分布．

X 1

P 0.8 0.2

两点分布又称01-布又称为伯努利分布． ⑵超几何分布 一般地，设有总数为N 件的两类物品，其中一类有M 件，从所有物品中任取n 件()n N ≤，这n 件中所含这类物品件数X 是一个离散型随机变量，它取值为m 时的概率为

C C ()C m n m

M N M

n N

P X m --==

(0m l ≤≤，l 为n 和M 中较小的一个)． 我们称离散型随机变量X 的这种形式的概率分布为超几何分布，也称X 服从参数为N ，

M ，n 的超几何分布．在超几何分布中，只要知道N ，M 和n ，就可以根据公式求出X 取不同值时的概率()P X m =，从而列出X 的分布列．

知识内容

依赖于独立性的概率计算

⑶二项分布

1．独立重复试验

如果每次试验，只考虑有两个可能的结果A 及A ，并且事件A 发生的概率相同．在相同的条件下，重复地做n 次试验，各次试验的结果相互独立，那么一般就称它们为n 次独立重复试验．n 次独立重复试验中，事件A 恰好发生k 次的概率为

()C (1)

k k n k

n n P k p p -=-(0,1,2,,)k n = ． 2．二项分布

若将事件A 发生的次数设为X ，事件A 不发生的概率为1q p =-，那么在n 次独立重复

试验中，事件A 恰好发生k 次的概率是()C k k n k

n P X k p q -==，其中0,1,2,,k n = ．于是得到

由式

00111()C C

C C n n n k k n k n

n n n n n

q p p q p q p q p q --+=++++ 各对应项的值，所以称这样的散型随机变量X 服从参数为n ，p 的二项分布， 记作~(,)X B n p ．

二项分布的均值与方差：

若离散型随机变量X 服从参数为n 和p 的二项分布，则

()E X np =，()D x npq =(1)q p =-．

⑷正态分布

1． 概率密度曲线：样本数据的频率分布直方图，在样本容量越来越大时，

直方图上面的折线所接近的曲线．在随机变量中，如果把样本中的任一数据看作随机变量X ，则这条曲线称为X 的概率密度曲线．

曲线位于横轴的上方，它与横轴一起所围成的面积是1，而随机变量X 落在指定的两个

数a b ，

之间的概率就是对应的曲边梯形的面积． 2．正态分布

⑴定义：如果随机现象是由一些互相独立的偶然因素所引起的，而且每一个偶然因素在总体的变化中都只是起着均匀、微小的作用，则表示这样的随机现象的随机变量的概率分布近似服从正态分布． 服从正态分布的随机变量叫做正态随机变量，简称正态变量． 正态变量概率密度曲线的函数表达式为22

()2()x f x μσ--，

x ∈R ，其中μ，σ是参数，且0σ>

，μ-∞<<+∞．

式中的参数μ和σ分别为正态变量的数学期望和标准差．期望

为μ、标准差为σ的正态分布通常记作2(,)N μσ． 正态变量的概率密度函数的图象叫做正态曲线．

⑵标准正态分布：我们把数学期望为0，标准差为1的正态分布叫做标准正态分布． ⑶重要结论：

①正态变量在区间(,)μσμσ-+，(2,2)μσμσ-+，(3,3)μσμσ-+内，取值的概率分别是68.3%，95.4%，99.7%．

②正态变量在()-∞+∞，内的取值的概率为1，在区间(33)μσμσ-+，

之外的取值的概率是0.3%，故正态变量的取值几乎都在距x μ=三倍标准差之内，这就是正态分布的3σ原

则．

⑷若2~()N ξμσ，，()f x 为其概率密度函数，

则称()()()x

F x P x f t dt ξ-∞==?≤为概率分布函数，特别的，2

~(01)N ξμ

σ-，，称2

2()t x x dt φ-=?为标准正态分布函数． ()()x P x μ

ξφσ

-<=．

标准正态分布的值可以通过标准正态分布表查得．

分布函数新课标不作要求，适当了解以加深对密度曲线的理解即可．

3．离散型随机变量的期望与方差

1．离散型随机变量的数学期望

定义：一般地，设一个离散型随机变量X 所有可能的取的值是1x ，2x ，…，n x ，这些值对应的概率是1p ，2p ，…，n p ，则1122()n n E x x p x p x p =+++ ，叫做这个离散型随机变量X 的均值或数学期望（简称期望）．

离散型随机变量的数学期望刻画了这个离散型随机变量的平均取值水平． 2．离散型随机变量的方差

一般地，设一个离散型随机变量X 所有可能取的值是1x ，2x ，…，n x ，这些值对应的

概率是1p ，2p ，…，n p ，则222

1122()(())(())(())n n D X x E x p x E x p x E x p =-+-++- 叫做这个离散型随机变量X 的方差．

离散型随机变量的方差反映了离散随机变量的取值相对于期望的平均波动的大小（离散程度）．

()D X X 的标准差，它也是一个衡量离散型随机变量波动大小的量．

3．X 为随机变量，a b ，为常数，则2()()()()E aX b aE X b D aX b a D X +=++=，；

4． 典型分布的期望与方差：

⑴二点分布：在一次二点分布试验中，离散型随机变量X 的期望取值为p ，在n 次二点分布试验中，离散型随机变量X 的期望取值为np ．

⑵二项分布：若离散型随机变量X 服从参数为n 和p 的二项分布，则()E X np =，()D x npq =(1)q p =-．

⑶超几何分布：若离散型随机变量X 服从参数为N M n ，

，的超几何分布， 则()nM

E X N

=，2

()()()(1)n N n N M M D X N N --=-．

4．事件的独立性

如果事件A 是否发生对事件B 发生的概率没有影响，即(|)()P B A P B =，

这时，我们称两个事件A ，B 相互独立，并把这两个事件叫做相互独立事件．

如果事件1A ，2A ，…，n A 相互独立，那么这n 个事件都发生的概率，等于每个事件发生的概率的积，即1212()()()()n n P A A A P A P A P A =??? ，并且上式中任意多个事件i A 换成其对立事件后等式仍成立．

5．条件概率

对于任何两个事件A 和B ，在已知事件A 发生的条件下，事件B 发生的概率叫做条件概率，用符号“(|)P B A ”来表示．把由事件A 与B 的交（或积），记做D A B = （或D AB =）．

【例1】 在一段时间内，甲去某地的概率是

14，乙去此地的概率是1

5

，假定两人的行动相互之间没有影响，那么在这段时间内至少有1人去此地的概率是（ ）

A ．320

B ．15

C ．25

D ．920

【例2】 甲乙两人独立地解同一问题，甲解决这个问题的概率是1p ，乙解决这个问题的

概率是2p ，那么恰好有1人解决这个问题的概率是（ ）

A ．12p p

B ．()()122111p p p p -+-

C ．121p p -

D ．()()12111p p ---

【例3】 在某段时间内，甲地不下雨的概率为0.3，乙地不下雨的概率为0.4，假设在这

段时间内两地是否下雨相互无影响，则这段时间内两地都下雨的概率是 （ ） A ．0．12 B ．0．88 C ．0．28 D ．0．42

【例4】 从甲口袋内摸出1个白球的概率是13

，从乙口袋内摸出1个白球的概率是1

2，

从两个口袋内各摸出1个球，那么5

6

等于（ ）

A ．2个球都是白球的概率

B ．2个球都不是白球的概率

C ．2个球不都是白球的概率

D ．2个球中恰好有1个是白球的概率

典例分析

【例5】从甲口袋摸出一个红球的概率是1

3

，从乙口袋中摸出一个红球的概率是

1

2

，则

2

3

是（）

A．2个球不都是红球的概率 B．2个球都是红球的概率

C．至少有一个红球的概率 D．2个球中恰好有1个红球的概率

【例6】甲，乙两人进行乒乓球比赛，每局甲胜的概率为p，

1

2

p≥。问对甲而言，

采用三局二胜制有利，还是采用五局三胜制有利．设各局胜负相互独立．

【例7】猎人在距离100m处射击一只野兔，其命中率为1

2

．如果第一次射击未命中，则

猎人进行第二次射击，但距离为150m；如果第二次又未命中，则猎人进行第三次射击，但在射击瞬间距离野兔为200m．已知猎人命中率与距离的平方成反比，求猎人命中野兔的概率．

【例8】如图，开关电路中，某段时间内，开关a b c

、、开或关的概率均为1

2

，且是相

互独立的，求这段时间内灯亮的概率．

c b

a

【例9】甲、乙、丙三台机床各自独立地加工同一种零件，已知甲机床加工的零件是一

等品而乙机床加工的零件不是一等品的概率为1

4

，乙机床加工的零件是一等品

而丙机床加工的零件不是一等品的概率为

1

12

，甲、丙两台机床加工的零件都是

一等品的概率为2

9

．分别求甲、乙、丙三台机床各自加工的零件是一等品的概

率．

【例10】椐统计，某食品企业一个月内被消费者投诉的次数为012

，，的概率分别为0.4，

0.5，0.1

⑴求该企业在一个月内被消费者投诉不超过1次的概率；

⑵假设一月份与二月份被消费者投诉的次数互不影响，求该企业在这两个月内共

被消费者投诉2次的概率．

【例11】某项选拔共有四轮考核，每轮设有一个问题，能正确回答问题者进入下一轮考核，否则即被淘汰．已知某选手能正确回答第一、二、三、四轮的问题的概率

分别为4

5

、

3

5

、

2

5

、

1

5

，且各轮问题能否正确回答互不影响．

⑴求该选手进入第四轮才被淘汰的概率；

⑵求该选手至多进入第三轮考核的概率．

【例12】甲、乙二人进行一次围棋比赛，约定先胜3局者获得这次比赛的胜利，比赛结束．假设在一局中，甲获胜的概率为0.6，乙获胜的概率为0.4，各局比赛结果

相互独立．已知前2局中，甲、乙各胜1局．

⑴求再赛2局结束这次比赛的概率；

⑵求甲获得这次比赛胜利的概率．

【例13】纺织厂某车间内有三台机器，这三台机器在一天内不需工人维护的概率：第一台为0.9，第二台为0.8，第三台为0.85，问一天内：

⑴3台机器都要维护的概率是多少？

⑵其中恰有一台要维护的概率是多少？

⑶至少一台需要维护的概率是多少？

【例14】为拉动经济增长，某市决定新建一批重点工程，分为基础设施工程、民生工程

和产业建设工程三类．这三类工程所含项目的个数分别占总数的1

2

，

1

3

，

1

6

．现

有3名工人独立地从中任选一个项目参与建设．求：

⑴他们选择的项目所属类别互不相同的概率；

⑵至少有1人选择的项目属于民生工程的概率．

【例15】甲、乙两个人独立地破译一个密码，他们能译出密码的概率分别为1

3

和

1

4

，求：

⑴两个人都译出密码的概率；⑵两个人都译不出密码的概率；

⑶恰有1个人译出密码的概率；

⑷至多1个人译出密码的概率；⑸至少1个人译出密码的概率．

【例16】从10位同学（其中6女，4男）中，随机选出3位参加测验，每位女同学能通

过测验的概率均为4

5

，每位男同学能通过测验的概率均为

3

5

，试求：

⑴选出的3位同学中至少有一位男同学的概率；

⑵10位同学中的女同学甲和乙及男同学丙同时被抽到，且三人中恰有二人通过测验的概率．

【例17】甲、乙两个篮球运动员互不影响地在同一位置投球，命中率分别为1

2

与p，且

乙投球2次均未命中的概率为

1

16

．

⑴求乙投球的命中率p；

⑵求甲投球2次，至少命中1次的概率；

⑶若甲、乙两人各投球2次，求两人共命中2次的概率．

【例18】一汽车沿一街道行驶，需要通过三个设有红绿灯的路口，每个信号灯彼此独立工作，且红绿灯信号显示时间相等．以X表示该汽车首次遇到红灯时已通过的

路口个数，求X的分布列以及该汽车首次遇到红灯时至少通过两个路口的概

率．

【例19】甲、乙二射击运动员分别对一目标射击1次，甲射中的概率为0.8，乙射中的概率为0.9，求：

⑴2人都射中的概率？

⑵2人中有1人射中的概率？

⑶2人至少有1人射中的概率？

⑷2人至多有1人射中的概率？

【例20】甲、乙两名跳高运动员一次试跳2米高度成功的概率分别是0.7，0.6，且每次试跳成功与否相互之间没有影响，求：

⑴甲试跳三次，第三次才成功的概率；

⑵甲、乙两人在第一次试跳中至少有一人成功的概率；

⑶甲、乙各试跳两次，甲比乙的成功次数恰好多一次的概率．

【例21】A、B两篮球队进行比赛，规定若一队胜4场则此队获胜且比赛结束（七局四

胜制），A、B两队在每场比赛中获胜的概率均为1

2

，X为比赛需要的场数，

求X的分布列及比赛至少要进行6场的概率．

【例22】已知5只动物中有1只患有某种疾病，需要通过化验血液来确定患病的动物．血液化验结果呈阳性的即为患病动物，呈阴性即没患病．下面是两种化验方法：

方案甲：逐个化验，直到能确定患病动物为止．

方案乙：先任取3只，将它们的血液混在一起化验．若结果呈阳性则表明患病动物为这3只中的1只，然后再逐个化验，直到能确定患病动物为止；若

结果呈阴性则在另外2只中任取1只化验．

求依方案甲、乙分别所需化验次数的分布列以及方案甲所需化验次数不少于方案乙

所需化验次数的概率．

【例23】为防止某突发事件发生，有甲、乙、丙、丁四种相互独立的预防措施可供采用，单独采用甲、乙、丙、丁预防措施后此突发事件不发生的概率（记为P）和所需费

120万元的前提下，请确定一个预防方案，使得此突发事件不发生的概率最大．

【例24】某公司招聘员工，指定三门考试课程，有两种考试方案．

方案一：考试三门课程，至少有两门及格为考试通过；

方案二：在三门课程中，随机选取两门，这两门都及格为考试通过．

假设某应聘者对三门指定课程考试及格的概率分别是a b c

，，，且三门课程考试是否及格相互之间没有影响．

⑴分别求该应聘者用方案一和方案二时考试通过的概率；

⑵试比较该应聘者在上述两种方案下考试通过的概率的大小．（说明理由）

第2章 随机变量及其分布习题解答

第二章 随机变量及其分布 1、解： 设公司赔付金额为X ，则X 的可能值为； 投保一年内因意外死亡：20万，概率为0.0002 投保一年内因其他原因死亡：5万，概率为0.0010 投保一年内没有死亡：0，概率为1-0.0002-0.0010=0.9988 所以X 2、一袋中有5X 表示取出的三只球中的最大号码，写出随机变量X 的分布律 解：X 可以取值3，4，5，分布律为 10 61)4,3,2,1,5()5(1031)3,2,1,4()4(10 11)2,1,3()3(35 2 435 2 335 2 2=?= === ?==== ?= ==C C P X P C C P X P C C P X P 中任取两球再在号一球为中任取两球再在号一球为号两球为号一球为 也可列为下表 X ： 3， 4，5 P ：10 6, 103,101 3、设在15只同类型零件中有2只是次品，在其中取三次，每次任取一只，作不放回抽样，以X 表示取出次品的只数，（1）求X 的分布律，（2）画出分布律的图形。 解：任取三只，其中新含次品个数X 可能为0，1，2个。 35 22 )0(315313= ==C C X P 3512)1(3 15213 12=?==C C C X P 35 1)2(3 15 113 22= ?= =C C C X P 再列为下表 X ： 0， 1， 2 P ： 35 1, 3512,3522 4、进行重复独立实验，设每次成功的概率为p ，失败的概率为q =1－p (0

随机变量独立性的判断方法探究

1 引言 概率与统计是研究随机现象统计规律的一门数学学科，是对随机现象的统计规律进行演绎和归纳的科学.随着社会的不断发展，概率与统计的知识越来越重要，运用抽样数据进行推断已经成为现代社会一种普遍适用且强有力的思考方式.独立性[5]是随机变量非常重要的性质，其应用也很广泛.在解决很多问题时都有随机变量独立这样的前提，只有这样问题才能得以解决或解决起来比较简单.众所周知，随机变量独立性的判定无论从理论还是在实践中都有着重要意义，因此寻找独立性判断方法显得尤为重要.不少的文献对此进行了深入的研究，给出了一些很好的判断方法[3]，但到目前为止人们还没找到简便有效的方法，从而对其深入研究很有必要. 2 相关定义 定义1离散型随机变量 定义在样本空间Ω上，取值于实数域R ，且只取有限个或可列个值的变量()ξξω=，称做是一维（实值）离散型随机变量，简称离散型随机变量. 定义2 n 维离散型随机变量 设12,,,n ξξξ???是样本空间Ω上的n 个离散型随机变量，则称n 维向量（12,,,n ξξξ???）是Ω上的一个n 维离散型随机变量. 定义3 联合分布型 设(,)ξη是一个二维离散型随机变量，它们一切可能取值为(,),,1,2,i j a b i j =???，令 (,),,1 ,2,ij i j P P a b i j ξη====??? 称(,1 ,2,)ij P i j =???是二维离散型随机变量(,)ξη的联合分布列. 我们容易证明()(1,2,i i P a P i ξ?===???是ξ的分布列，同理有()(1 ,2,)j j P b P j η?===???是η的分布列，称,ξη的分布列是（,ξη）的联合分布列的边际分布列. 定义 4 离散型随机变量独立性 设离散型随机变量ξ的可能取值为(1,2,)i a i =???，η的可能取值为(1,2,)j b j =???，如果对任意的,i j a b ，有

随机变量及其分布列概念公式总结

随机变量及其分布总结 1、定义：随着试验结果变化而变化的变量称为随机变量 ．随机变量常用字母 X , Y ，ξ，η，… 表示． 2、定义：所有取值可以一一列出的随机变量，称为离散型随机变量 3、分布列:设离散型随机变量ξ可能取得值为 x 1，x 2，…，x 3，…， ξ取每一个值x i （i =1，2，…）的概率为()i i P x p ξ==，则称表 为随机变量ξ的概率分布，简称ξ的分布列 4. 分布列的两个性质： （1）P i ≥0，i ＝1，2，…； （2）P 1+P 2+…=1． 5.求离散型随机变量ξ的概率分布的步骤: （1）确定随机变量的所有可能的值x i （2）求出各取值的概率p(ξ=x i )=p i （3）画出表格 6.两点分布列: 7超几何分布列： 一般地，在含有M 件次品的 N 件产品中，任取 n 件，其中恰有X 件次品 数，则事件 {X=k ｝发生的概率为(),0,1,2,,k n k M N M n N C C P X k k m C --=== ,其中mi n {,} m M n =，且,,,,n N M N n M N N *≤≤∈．称分布列 为超几何分布列．如果随机变量 X 的分布列为超几何分布列，则称随机变量 X

服从超几何分布 8．离散型随机变量的二项分布:在一次随机试验中，某事件可能发生也可能不发生，在n 次独立重复试验中这个事件发生的次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是 k n k k n n q p C k P -==)(ξ，（k ＝0,1,2,…，n ，p q -=1）． 于是得到随机变量ξ的概率分布如下： ξ 1 … k … n P n n q p C 00 111-n n q p C … k n k k n q p C - … q p C n n n 称这样的随机变量ξ服从二项分布，记作ξ～B (n ，p )，其中n ，p 为参数。 9．离散型随机变量的均值或数学期望: 一般地，若离散型随机变量ξ的概率分布为 则称 =ξE +11p x +22p x …++n n p x … 为ξ的均值或数学期望，简称期望． 10．离散型随机变量的均值或数学期望的性质： （1）若ξ服从两点分布，则=ξE p ． （2）若ξ～B (n ，p )，则=ξE np ． （3）()c c E =，c 为常数 （4）ξ～N (μ，2σ),则=ξE μ （5）b aE b a E +=+ξξ)( 11．方差: 对于离散型随机变量ξ，如果它所有可能取的值是1x ，2x ，…，n x ，…， 且取这些值的概率分别是1p ，2p ，…，n p ，…，那么, ξD ＝121)(p E x ?-ξ＋222)(p E x ?-ξ＋…＋n n p E x ?-2)(ξ＋…

04事件的相互独立性(教案)

2． 2．2事件的相互独立性 教学目标： 知识与技能：理解两个事件相互独立的概念。 过程与方法：能进行一些与事件独立有关的概率的计算。 情感、态度与价值观：通过对实例的分析，会进行简单的应用。 教学重点：独立事件同时发生的概率 教学难点：有关独立事件发生的概率计算 授课类型：新授课 课时安排：4课时 教 具：多媒体、实物投影仪 教学过程： 一、复习引入： 1 事件的定义：随机事件：在一定条件下可能发生也可能不发生的事件； 必然事件：在一定条件下必然发生的事件； 不可能事件：在一定条件下不可能发生的事件 2．随机事件的概率：一般地，在大量重复进行同一试验时，事件A 发生的频率m n 总是接近某个常数，在它附近摆动，这时就把这个常数叫做事件A 的概率，记作()P A ． 3.概率的确定方法：通过进行大量的重复试验，用这个事件发生的频率近似地作为它的概率； 4．概率的性质：必然事件的概率为1，不可能事件的概率为0，随机事件的概率为0()1P A ≤≤，必然事件和不可能事件看作随机事件的两个极端情形 5基本事件：一次试验连同其中可能出现的每一个结果（事件A ）称为一个基本事件6．等可能性事件：如果一次试验中可能出现的结果有n 个，而且所有结果出现的可能性都相等，那么每个基本事件的概率都是1n ，这种事件叫等可能性事件 7．等可能性事件的概率：如果一次试验中可能出现的结果有n 个，而且所有结果都是等可能的，如果事件A 包含m 个结果，那么事件A 的概率()P A n = 8．等可能性事件的概率公式及一般求解方法 9.事件的和的意义:对于事件A 和事件B 是可以进行加法运算的 10 互斥事件:不可能同时发生的两个事件．()()()P A B P A P B +=+ 一般地：如果事件12,, ,n A A A 中的任何两个都是互斥的，那么就说事件12,,,n A A A 彼此互斥 11．对立事件:必然有一个发生的互斥事件．()1()1()P A A P A P A +=?=- 12．互斥事件的概率的求法:如果事件12,,,n A A A 彼此互斥，那么 12()n P A A A ++ +＝12()()()n P A P A P A +++

事件的相互独立性试题及答案

1 事件的互相独立性 1.若A 与B 相互独立，则下面不相互独立事件有( ) A.A 与A B.A 与B C.A 与B D A 与B 2.在某段时间内，甲地不下雨的概率为0.3，乙地不下雨的概率为0.4，假设在这段时间内两地是否下雨相互无影响，则这段时间内两地都下雨的概率是( ) A.0.12 B.0.88 C.0.28 D.0.42 3.甲、乙两人独立地解同一问题，甲解决这个问题的概率是P 1,乙解决这个问题的概率是P 2，那么恰好有1人解决这个问题的概率是( ) A.P 1P 2 B.P 1(1-P 2)+P 2(1-P 1) C.1-P 1P 2 D.1-(1-P 1)(1-P 2) 4.从应届高中生中选出飞行员，已知这批学生体型合格的概率为 31，视力合格的概率为61，其他几项标准合格的概率为5 1，从中任选一学生，则该生三项均合格的概率为（假设三项标准互不影响）( ) A.94 B.90 1 C.54 D. 95 5.一道数学竞赛试题，甲生解出它的概率为21，乙生解出它的概率为31，丙生解出它的概率为4 1，由甲、乙、丙三人独立解答此题只有一人解出的概率为____________. 6.一出租车司机从饭店到火车站途中有六个交通岗，假设他在各交通岗遇到红灯这一事件是相互独立的，并且概率都是3 1，那么这位司机遇到红灯前，已经通过了两个交通岗的概率是_______________. 7.某课程考核分理论与实验两部分进行，每部分考核成绩只记“合格”与“不合格”，两部分考核都“合格”则该课程考核“合格”.甲、乙、丙三人在理论考核中合格的概率分别为0.9、0.8、0.7；在实验考核中合格的概率分别为0.8、0.7、0.9.所有考核是否合格相互之间没有影响. （1）求甲、乙、丙三人在理论考核中至少有两人合格的概率； （2）求这三人该课程考核都合格的概率（结果保留三位小数）.

随机变量独立性的性质

议随机变量独立性及其应用 作者：张利荣 指导老师：桂春燕 摘要 随机变量的独立性是概率论中的一个重要概念.本文首先介绍了随机变量独立性的定义, 随机变量独立性的性质，然后对离散型随机变量和连续型随机变量的独立性分别给出了不同的判别方法，从而针对不同的问题运用相应的判别方法进行判定，除此还通过随机变量独立性的性质及其判别方法得出了一些相关的推论，并对其应用进行了举例说明. 关键词 离散型随机变量 连续型随机变量 独立性 联合分布 1 引言 概率统计是研究随机现象中数量规律的一门数学学科，它是近代数学的重要分支，理论严谨、应用广泛，并且与其他学科互相渗透结合.概率论是对随机现象统计规律演绎的研究,由于随机现象的普遍性,使得其具有极其广泛的应用,特别是在科学技术、工农业生产等方面.独立性是概率统计中最基本的概念之一,无论在理论研究还是在实际应用中都具有特别重要的意义.概率论和数理统计已有的成果大部分都是在某种独立性的前提下才得到的.因而随机变量独立性的研究倍受重视. 随机变量独立性的研究一直经历着缓慢的发展过程.进入二十世纪九十年代后,随机变量独立性判定的研究进入了一个新的阶段.关于这方面的著作、文献逐渐多了起来,如文献[2]中毛纲源对随机变量独立性的判定进行了分析并举例说明;文献[7]中明杰秀等对二维随机变量独立性的判定及其应用等相关内容进行了论述.本文将在此基础上对随机变量独立性做一下详细、全面的论述,重点介绍离散型随机变量和连续型随机变量独立性的判定方法,并对随机变量的独立性的应用进行举例说明. 2 随机变量独立性的定义 定义]1[ 设),(Y X 为二维随机变量,若对于任意的实数y x ,,事件{}x X ≤与{}y Y ≤相互独立,即 ()()() y Y P x X P y Y x X P ≤?≤=≤≤, , )1( 则称X 与Y 相互独立. 若()y x F ,为X 与Y 的联合分布函数,()x F X 、()y F Y 分别是X 与Y 的边缘分布函数,则 )1(式等价于 ()()()y F x F y x F Y X ?=,. 3 随机变量独立性的性质及其判别方法

随机变量及其分布小结与复习

复习课: 随机变量及其分布列 教学目标 重点：理解随机变量及其分布的概念，期望与方差等的概念；超几何分布，二项分布，正态分布等的特点；会求条件概率，相互独立事件的概率，独立重复试验的概率等. 难点：理清事件之间的关系，并用其解决一些具体的实际问题. 能力点：分类整合的能力，运算求解能力，分析问题解决问题的能力. 教育点：提高学生的认知水平，为学生塑造良好的数学认识结构. 自主探究点：例题及变式的解题思路的探寻. 易错点：容易出现事件之间的关系混乱，没能理解问题的实际意义. 学法与教具 1.学法：讲授法、讨论法. 2.教具：投影仪. 一、【知识结构】 二、【知识梳理】 1．随机变量 ⑴随机变量定义:在随机试验中，使得每一个试验结果都用一个确定的数字表示．在这个对应关系下，数字随着试验结果的变化而变化．像这种随着试验结果变化而变化的变量称为随机变量．简单说，随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机变量．常用希腊字母x、y、ξ、η等表示． ⑵如果随机变量可能取的值可以按次序一一列出（可以是无限个）这样的随机变量叫做离散型随机变量.

⑶如果随机变量可能取的值是某个区间的一切值，这样的随机变量叫做连续型随机变量. 2．概率分布定义（分布列） 设离散型随机变量ξ可能取的值为123,,,,i x x x x L L ，ξ取每一个值(1,2,)i x i =L 的概率 ()i i P x p ξ==，则称表 ξ 1x 2x L i x L P 1P 2P L i P L 称为随机变量ξ的概率分布列，简称ξ的分布列. 注:1.离散型随机变量的分布列具有下述两个性质： (1)0,123≥，，，i p i =L ；123(2)1p p p +++=L 3．常见的分布列 ⑴二项分布：在一次试验中某事件发生的概率是p ，那么在n 次独立重复试验中这个事件恰发生k 次的概 率为()(1)k k n k n p X k C p p -==-，显然x 是一个随机变量.随机变量x 的概率分布如下： x 1 L k L n P 00n n C p q 111 n n C p q - L k k n k n C p q - L n n n C p q 我们称这样的随机变量x 服从二项分布,记作~(,)X B n p ⑵两点分布列:如果随机变量ξ的分布列为： ξ 0 1 P 1P - P 这样的分布列称为两点分布列,称随机变量服从两点分布,而称(1)p P ξ==为成功概率.两点分布是特殊的二项分布(1)p ξ~B , ⑶超几何分布：一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有x 件次品数，则事件{} x k =发生的概率为(),0,1,2,3,,k N k M N M n N C C P X k k m C --===L ．其中{}min ,m M n =,且*,,,,n N M N n M N N ≤≤∈，则称分布列

人教A版(2019)数学必修(第二册)：10.2 事件的相互独立性 教案

事件的相互独立性 【教学过程】 一、问题导入 预习教材内容，思考以下问题： 1．事件的相互独立性的定义是什么？ 2．相互独立事件有哪些性质？ 3．相互独立事件与互斥事件有什么区别？ 二、基础知识 1．相互独立的概念 设A ，B 为两个事件，若P (AB )＝P （A ）P （B ），则称事件A 与事件B 相互独立． 2．相互独立的性质 若事件A 与B 相互独立，那么A 与B －，A －与B ，A －与B －也都相互独立． ■名师点拨 （1）必然事件Ω，不可能事件?都与任意事件相互独立． （2）事件A ，B 相互独立的充要条件是P (AB )＝P （A ）·P （B ）． 三、合作探究 1．相互独立事件的判断 一个家庭中有若干个小孩，假定生男孩和生女孩是等可能的，令A ＝{一个家庭中既 有男孩又有女孩}，B ＝{一个家庭中最多有一个女孩}．对下述两种情形，讨论A 与B 的独立性：

（1）家庭中有两个小孩； （2）家庭中有三个小孩． 【解】（1）有两个小孩的家庭，男孩、女孩的可能情形为Ω＝{(男，男)，(男，女)，(女，男)，(女，女)}， 它有4个基本事件，由等可能性知概率都为1 4. 这时A＝{(男，女)，(女，男)}， B＝{(男，男)，(男，女)，(女，男)}，AB＝{(男，女)，(女，男)}， 于是P（A）＝1 2，P（B）＝ 3 4，P(AB)＝ 1 2. 由此可知P(AB)≠P（A）P（B）， 所以事件A，B不相互独立． （2）有三个小孩的家庭，小孩为男孩、女孩的所有可能情形为Ω＝{(男，男，男)，(男，男，女)，(男，女，男)，(男，女，女)，(女，男，男)，(女，男，女)，(女，女，男)，(女，女，女)}． 由等可能性知这8个基本事件的概率均为1 8，这时A中含有6个基本事件，B中含有4个 基本事件，AB中含有3个基本事件． 于是P（A）＝6 8＝ 3 4，P（B）＝ 4 8＝ 1 2，P(AB)＝ 3 8， 显然有P(AB)＝3 8＝P（A）P（B）成立． 从而事件A与B是相互独立的． 判断两个事件是否相互独立的两种方法 （1）根据问题的实质，直观上看一事件的发生是否影响另一事件发生的概率来判断，若没有影响，则两个事件就是相互独立事件； （2）定义法：通过式子P(AB)＝P（A）P（B）来判断两个事件是否独立，若上式成立，则事件A，B相互独立，这是定量判断. 2．相互独立事件同时发生的概率 王敏某天乘火车从重庆到上海去办事，若当天从重庆到上海的三列火车正点到达的概率分别为0.8，0.7，0.9，假设这三列火车之间是否正点到达互不影响．求：（1）这三列火车恰好有两列正点到达的概率；

二维随机变量及独立性--教学设计

概率论与数理统计教学设计 课程名称概率论与数理 统计 课时100分钟 任课教师刘涛专业与班级财务管理B1601---B1606课型新授课课题二维随机变量及其分布 教材分析 “二维随机变量及其分布”属于教材第三章内容，位于教材的第75页至第93页.是在前一章“一维随机变量及其分布”的概念提出的基础上，对两个及两个以上的随机变量进行描述。可以说，二维随机变量及其分布是对前一章一维随机变量内容的总结以及综合应用。 学习目标 知识与技能 了解二维随机变量的背景来源； 了解二维随机变量的基本思想； 掌握二维随机变量的适用范围、基本步骤及其具体运 用。 过程与方法 通过日常生活中常常出现的实例的引入，引导学生分 析、解决问题，培养学生将实际问题转化为数学问题的 能力，培养学生提出、分析、理解问题的能力，进而发 展整合所学知识解决实际问题的能力。 情感态度与价 值观 通过介绍概率论与数理统计在实际生活中的运用，激发 学生自主学习的兴趣，也培养了学生的创新意识和探索 精神。 教学分析教学内容1.二维随机变量及联合分布函数定义 2.二维离散型随机变量及联合概率函数 3.二维连续型随机变量及联合概率密度 4.二维随机变量的边缘分布

5.随机变量的相互独立性 教学重点二维离散型、连续随机变量及其分布，相互独立性教学难点二维连续型随机变量及其分布 教学方法与策略 板书设计 前50分： 1.引例 3.二维离散变量 2.联合分布函数定义 4.二维连续变量 后50分： 5.边缘分布 6.相互独立性 教学时间设计 1.引导课题…………2分钟 2.学生活动…………3分钟 3.二维随机变量及联合分布函数定义……15分钟 4.二维离散型随机变量及联合概率函数……10分钟 5.二维连续型随机变量及联合概率密度……20分钟 6.二维随机变量的边缘分布……20分钟 7.随机变量的相互独立性……25分钟 8.课堂小结…………5分钟 教学手段多媒体播放教学视频、PPT演示与板书演练书写相结合。 教学进程 教学意图教学内容教学理念

随机变量的独立性判别

分类号：密级： 毕业论文 （本科生） 论文题目（中文）随机变量的独立性判别 论文题目（外文）The discrimination of the independence of random variables 学生姓名 导师姓名、职称 学生所属学院 专业 年级

诚信责任书 本人郑重声明：本人所呈交的毕业论文（设计），是在导师的指导下独立进行研究所取得的成果。毕业论文（设计）中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或在网上发表的论文。 本声明的法律责任由本人承担。 论文作者签名：日期： 关于毕业论文（设计）使用授权的声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学。本人完全了解兰州大学有关保存、使用毕业论文的规定，同意学校保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；本人授权兰州大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本毕业论文。本人离校后发表、使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为兰州大学。 本毕业论文研究内容： √可以公开 □不易公开，已在学位办公室办理保密申请，解密后适用本授权书。 （请在以上选项内选择其中一项打“√”）

论文作者签名：导师签名：日期：日期：

随机变量的独立性判别 摘要 随机变量独立性的判别历来都是高等学校概率论与数理统计教学的一个课题, 通过研究文献资料，理解随机变量及其独立性的相关概念，对离散型和连续型随机变量综合列举的几种常见求法，讨论几种常见的随机变量独立性判别方法 并对其进行概括、总结，加深自己对随机变量及其分布的理解，争取有新的发现。 关键词：随机变量独立性连续型离散型判别方法

随机变量及其分布简介

“随机变量及其分布”简介 北京师范大学数学科学院李勇 随机变量是研究随机现象的重要工具之一，他建立了连接随机现象和实数空间的一座桥梁，使得我们可以借助于有关实数的数学工具来研究随机现象的本质，从而可以建立起应用到不同领域的概率模型，如二项分布模型、超几何分布模型、正态分布模型等。 在本章中将通过具体实例，帮助学生理解取有限值的离散型随机变量及其分布列、均值、方差的概念，理解超几何分布和二项分布的模型并能解决简单的实际问题，使学生认识分布列对于刻画随机现象的重要性，认识正态分布曲线的特点及曲线所表示的意义。 一、内容与要求 1.随机变量及其分布的概念。 通过具体实例使学生理解随机变量及其分布列的概念，认识随机变量及其分布对于刻画随机现象的重要性。要求学生会用随机变量表达简单的随机事件，并会用分布列来计算这类事件的概率。 2.超几何分布模型及其应用。 通过实例，理解超几何分布及其导出过程，并能进行简单的应用。 3.二项分布模型及其应用。 通过具体实例使学生了解条件概率和两个事件相互独立的概念，理解n次独立重复试验和二项分布模型，并能解决一些简单的实际问题。 4.离散随机变量的均值与方差。 通过实例使学生理解离散型随机变量均值、方差的概念，能计算简单离散型随机变量的均值、方差，并能解决一些实际问题。 5.正态分布模型。 借助直观使学生认识正态分布曲线的特点及含义。 二、内容安排及说明 1.全章共安排了4个小节，教学约需12课时，具体内容和课时分配如下（仅供参考）：

2． 1 离散型随机变量及其分布列约3课时2． 2 二项分布及其应用约4课时 2． 3 离散型随机变量的均值与方差约3课时 2． 4 正态分布 约1课时 小 结 约1课时 2.本章知识框图 3.对内容安排的说明。 研究一个随机现象，可以借助于随机变量，而分布描述了随机变量取值的概率分布规律。二项分布和超几何分布是两个应用广泛的概率模型．为了使学生能够更好地理解它们，并能用来解决一些实际问题，教科书在内容安排上作了如下考虑： (1) 为学生把注意力集中在随机变量的基本概念和方法的理解上，通过取有限个不 同值的随机变量为载体介绍这些概念，以便他们能更好的应用这些概念解决实际问

事件的相互独立性的教案

事件的相互独立性的教 案 -CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN

2.2.2事件的相互独立性 一、教学目标： 1、知识与技能： ①理解事件独立性的概念 ②相互独立事件同时发生的概率公式 2、过程与方法： 通过实例探究事件独立性的过程，学会判断事件相 互独立性的方法。 3、情感态度价值观：通过本节的学习，体会数学来源于实践又服务于 实践，发现数学的应用意识。 二、教学重点：件事相互独立性的概念 三、教学难点：相互独立事件同时发生的概率公式 四，教学过程： 1、复习回顾：（1）条件概率 （2）条件概率计算公式 （3）互斥事件及和事件的概率计算公式 2、思考探究： 三张奖券只有一张可以中奖，现分别由三名同学有放回地抽取，事件A 为“第一位同学没有抽到中奖奖券”，事件B 为“最后一名同学抽到中奖奖券”。 事件A 的发生会影响事件B 发生的概率吗？ 分析：事件A 的发生不会影响事件B 发生的概率。于是： 3、事件的相互独立性 设A ，B 为两个事件，如果 P(AB)=P(A)P(B),则称事件A 与事件B 相互独立。 即事件A （或B ）是否发生,对事件B （或A ）发生的概率没有影响，这样两个事件叫做相互独立事件。 注：①如果A 与B 相互独立，那么A 与B ,B 与A ，A 与B 都是相互独立的。（举例说明） ②推广：如果事件12,,...n A A A 相互独立，那么 1212(...)()()...()n n P A A A P A P A P A = (|)()P B A P B =()()(|)P AB P A P B A =()()() P AB P A P B ∴=

第二章随机变量及其分布练习题

第二章随机变量及其分布练习题 1．甲、乙两人各进行一次射击，甲击中目标的概率是0.8，乙击中目标的概率 是0.6，则两人都击中目标的概率是（ ） Ａ．1.4 Ｂ．0.9 Ｃ．0.6 Ｄ．0.48 2．设随机变量1~62X B ?? ???，，则(3)P X =等于（ ） Ａ．516 Ｂ．316 Ｃ．5 8 Ｄ．716 3．设随机变量X 的概率分布列为 X 1 2 3 P 1 6 1 3 1 2 则E (X ＋2) ( )． A.113 B ．9 C.133 D.73 4．两台相互独立工作的电脑，产生故障的概率分别为a ，b ，则产生故障的电脑 台数的均值为（ ） Ａ．ab Ｂ．a b + Ｃ．1ab - Ｄ．1a b -- 5．某普通高校招生体育专业测试合格分数线确定为60分．甲、乙、丙三名考生 独立参加测试，他们能达到合格的概率分别是0.9,0.8,0.75，则三人中至少有 一人达标的概率为( ) A ．0.015 B ．0.005 6．设随机变量~()X B n p ，，则22 ()()DX EX 等于（ ） Ａ．2p Ｂ．2(1)p - Ｃ．np Ｄ．2(1)p p - 7．对标有不同编号的6件正品和4件次品的产品进行检测，不放回地依次摸出 2件．在第一次摸出正品的条件下，第二次也摸到正品的概率是 ( )． A.35 B.25 C.110 D.59 8．从1，2，3，4，5中任取2个不同的数，事件A ＝“取到的2个数之和为偶 数”，事件B ＝“取到的2个数均为偶数”，则P (B |A )＝ ( )． A.18 B.14 C.25 D.12

9．设随机变量ξ服从正态分布N(0，1)，P(ξ＞1)＝p，则P(－1＜ξ＜0)等于()． A.1 2p B．1－p C．1－2p D. 1 2－p 10．已知随机变量X服从正态分布N(μ，σ2)，且P(μ－2σ

事件的相互独立性教案

§2．2．2事件的相互独立性 教学目标： 知识与技能：理解两个事件相互独立的概念。 过程与方法：能进行一些与事件独立有关的概率的计算。 情感、态度与价值观：通过对实例的分析，会进行简单的应用。 教学重点：独立事件同时发生的概率 教学难点：有关独立事件发生的概率计算 授课类型：新授课 课时安排：2课时 教学过程： 一、复习引入： 1事件的定义：随机事件：在一定条件下可能发生也可能不发生的事件； 必然事件：在一定条件下必然发生的事件； 不可能事件：在一定条件下不可能发生的事件 2．随机事件的概率：一般地，在大量重复进行同一试验时，事件A发生的频率m 总是接近某个常数，在它附近摆动，这时就把这个常数叫 n 做事件A的概率，记作() P A． 3.概率的确定方法：通过进行大量的重复试验，用这个事件发生的频率近似地作为它的概率； 4．概率的性质：必然事件的概率为1，不可能事件的概率为0，随机事件的概率为0()1 ≤≤，必然事件和不可能事件看作随机事件的两 P A 个极端情形 5基本事件：一次试验连同其中可能出现的每一个结果（事件A）称

为一个基本事件 6．等可能性事件：如果一次试验中可能出现的结果有n 个，而且所有结果出现的可能性都相等，那么每个基本事件的概率都是1n ，这种事件叫等可能性事件 7．等可能性事件的概率：如果一次试验中可能出现的结果有n 个，而且所有结果都是等可能的，如果事件A 包含m 个结果，那么事件A 的概率()m P A n = 8．等可能性事件的概率公式及一般求解方法 9.事件的和的意义:对于事件A 和事件B 是可以进行加法运算的 10 互斥事件:不可能同时发生的两个事件．()()()P A B P A P B +=+ 一般地：如果事件12,,,n A A A L 中的任何两个都是互斥的，那么就 说事件12,,,n A A A L 彼此互斥 11．对立事件:必然有一个发生的互斥事件． ()1()1()P A A P A P A +=?=- 12．互斥事件的概率的求法:如果事件12,,,n A A A L 彼此互斥，那么 12()n P A A A +++L ＝12()()()n P A P A P A +++L 探究: (1)甲、乙两人各掷一枚硬币，都是正面朝上的概率是多少？ 事件A ：甲掷一枚硬币，正面朝上；事件B ：乙掷一枚硬币，正面朝上 (2)甲坛子里有3个白球，2个黑球，乙坛子里有2个白球，2个黑球，从这两个坛子里分别摸出1个球，它们都是白球的概率是多少？

浅谈随机变量的独立性

摘要 随机变量的独立性是概率论中最基本的概念之一,通过对它的研究可使许多实际问题的具体计算得到简化.本文首先介绍了随机变量独立性的定义.然后对离散型随机变量和连续型随机变量的独立性分别给出了两种判别方法,同时得出了一些相关的推论,并对其应用进行了举例说明.最后文章对随机变量独立性在求随机变量特征数中的一些应用进行了整合. 关键词:离散型随机变量;连续型随机变量;独立性;数学期望;方差

The Research on the Independence of Random Variables 10204631SUN Jing-jing Mathematics and Applied Mathematics Tutor LI Jian-li Abstract The independence of the random variable is the most basic concept of probability. Through the study of it can simplify many specific calculations of the practical problems. Firstly, this paper introduces the definition of the independence of random variables. Secondly, for the independence of discrete random variables and continuous random variables, the article gives two judgmental methods to them, and obtains some inferences; this paper also illustrates some examples for these applications. Finally, this paper composes some applications of the independence of the random variable for the calculation of some random variable numeral characters. Key words: discrete random variable; continuous random variable; independence; mathematical expectation; variance

(word完整版)基础随机变量及其分布知识点,推荐文档

随机变量及其分布 一、离散型随机变量的分布列 一般地，设离散型随机变量X 可能取的值为12,,,,,i n x x x x ??????，X 取每一个值(1,2,,)i x i n =???的概率()i i P X x p ==，则称以下表格 为随机变量X 的概率分布列，简称X 的分布列. 离散型随机变量的分布列具有下述两个性质： （1）0,1,2,,i P i n =???≥ （2）121n p p p ++???+= 常见的两种分布： 1．两点分布 如果随机变量X 的分布列为 则称X 服从两点分布，并称=P(X=1)p 为成功概率. 2．超几何分布 一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有X 件次品，则事件{}X k =发生的概率为： (),0,1,2,3,...,k n k M N M n N C C P X k k m C --== =

则随机变量X 的概率分布列如下： {}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。 注：超几何分布的模型是不放回抽样 二、条件概率 一般地，设A,B 为两个事件,且()0P A >,称() (|)()P AB P B A P A =为在事件A 发生的条件下,事件B 发生的条件概率. 0(|)1P B A ≤≤ 三、相互独立事件 设A ，B 两个事件，如果事件A 是否发生对事件B 发生的概率没有影响(即 ()()()P AB P A P B =),则称事件A 与事件B 相互独立。 ()()()A B P AB P A P B ?=即、相互独立 一般地，如果事件A 1,A 2,…,A n 两两相互独立，那么这n 个事件同时发生的概率，等于每个事件发生的概率的积，即1212(...)()()...()n n P A A A P A P A P A =. 注：(1)互斥事件：指同一次试验中的两个事件不可能同时发生； (2) 相互独立事件：指在不同试验下的两个事件互不影响.

随机事件独立性概念的引入

（下转第108页 ）摘要 事件的独立性是概率论中重要的概念之一。本文分析了两个随机事件相互独立的直观解释与公式形式的定义之间的关系,指出了公式形式的定义与直观解释不完全一致的情形,并通过引入三个事件相互独立的直观解释来加强学生对三个事件相互独立的定义的理解。关键词随机事件独立性两两独立 The Way to Introduce the Concept of the Independency of Random Events //Ji Wei Abstract The independency of random events is one of the most important concepts in probability theory.The relationship betw-een the quick look interpretation and formulaic definition of the independency between two random events is discussed.Especi-ally,an example is given to show the discrepancy between the quick look interpretation and formulaic definition.Moreover,a quick look interpretation of the independency among three random events is given to make the definition more understandable. Key words random event;independence;mutual independent Author 's address College of Science,Guilin University of Technology,541004,Guilin,Guangxi,China 随机事件的独立性是概率论中重要的概念之一,它的引进极大地推动了概率论的发展,概率论前期最重要的一些结论大都是在独立性假定下获得的。独立性不仅在理论上具有重要意义,而且在实际中有着广泛的应用。要掌握好独立性的定义,首先必须深刻理解事件独立性的定义。 1两个事件独立性的定义 国内大多数概率论与数理统计教材在引入两个事件独立性定义的时候,通常是先给出描述性的直观解释：事件B 的发生与否的概率不受事件A 是否发生的影响,再将直观解释表示成数学语言。事实上,事件B 发生与否的概率不受事件A 的影响,也就意味着有 P (B )=P (B |A ),这时,由乘法公式可得P (AB )=P (A )P (B )。定义1[1-3]：对任意两个事件A 、B,若P (AB )=P (A )P (B )成立,则称事件A 与B 是相互独立的。 采用这样一种方式,不免给学生留下了疑问：为什么不采用第一种更直观的P (B)=P (B |A )来定义？由于大多数教材在定义条件概率P (B |A )时,都假定P (A )≠0,如果选取该式作为定义,就将满足P (A )=0的情况排除在外了。而由独立性的直观解释可以得到,当A 为不可能事件时,A 与任何事件独立。因此,采用P (B)=P (B |A )作为独立性的定义有一定的局限性。而定义1涵盖了“不可能事件与任何事件独立” 这一命题,并且具有良好的对称性。因此,大多数教材采用定义1作为独立性的定义。 但定义1也与独立性的直观解释有一定的出入,我们看下面的例子。 例1:Ω={全体整数},A={1,2},B={1},则P (A )=P (B )=P (AB )=0。由定义1可知,事件与事件是独立的。但在事件A 发生的情况下,事件发生的概率为0.5,而不是0；即事件B 发生的概率受到事件A 是否发生的影响。类似地,在事件B 发生的情况下,事件A 发生的概率为1,而不是0；即事件A 发生的概率也受到事件B 是否发生的影响。 幸运的是,这种不一致的情形只有在所讨论的事件中含有概率为0的事件时才会发生,而且定义1是一个公式形式的定义,给独立性的数学处理带来了极大的方便。因此,国内大多数教材都是采用该定义。但也有一些教材直接采用描述性的语言来定义两个独立性。 定义2[5]:两个事件A 与B,如果其中任何一个事件发生的概率不受另外一个事件发生与否的影响,则称事件A 与B 是相互独立的。 由于该定义没有转化为明确的数学公式,使用起来没有定义1方便,因而采用该定义的教材较少。随机事件独立性的公式形式定义与直观解释之间的差别,在一定程度上反映了数学定义来源于实践,但又不完全与实践相同的特点。将实践中产生的数学思想经过适当的加工,得到更易于数学处理的定义比直观解释更有生命力。定义与直观解释这种不一致,也是数学魅力的一种体现,可以启发学生思考是否存在一个与独立性的直观解释更吻合同时又易于数学处理的公式形式的定义。 2三个事件独立性的定义 大部分概率论教材中两个事件独立性概念的是从事件B 的发生与否不受事件A 是否发生的影响来引入独立性的概念,这种引入方式比较容易被学生接受。而三个事件独立性的定义,国内概率论的教材大多采用直接给出的方式。 定义3[1-4]：对于任意三个事件A,B,C,如果（1）P (AB )=P (A )P (B ),P (AC )=P (A )P (C ),P(BC )=P(B )P (C ); （2）P (ABC )=P (A )P (B )P (C ),则称事件A,B,C 相互独立。 采用这一种方式,读者自然会提出这样的一个问题：三个事件两两独立,能否保证它们相互独立呢？虽然教材举出反例证明了答案是否定的,依然会有许多读者疑惑：为何不采用三个事件两两独立的形式作为三个事件独立性的定义呢？为了解决这个疑惑,我们可以采用先给出三个事件独立性的描述性的直观解释：三个事件A 、B 、C 相互独立,如果其中任何一个事件发生的概率不受另外两个事件发生与否的影响，三个事件两两独立能否保证某一事件不受另外两个 中图分类号：O211 文献标识码：A 文章编号：1672-7894（2012）15-0088-02 ８８