Изменения

Два события <tex>A </tex> и <tex>B </tex> называются '''независимыми ''' (англ. ''independent)'''), если <tex> p(A \cap B) = p(A)\cdot p(B) </tex>

Два события <tex>A </tex> и <tex>B </tex> называются '''несовместными ''' (англ. ''mutually exclusive''), если <tex> A \cap B = \emptyset </tex>}} {{Определение|definition =События называются '''независимыми в совокупности''' (англ. ''mutually independent''), если для <tex>\forall I\subset \{1, \ldots, k\}</tex> <tex>p(\bigcap\limits_{i \in I} A_{i}) = \prod\limits_{i \in I} p(A_{i})</tex>}} {{Определение|definition =События <tex>A_{1}, \ldots,A_{n}</tex> называются '''попарно независимыми'''(англ. ''pairwise independent''), если для <tex>\forall i \neq j</tex> <tex>\Rightarrow A_{i}</tex> и <tex>A_{j}</tex> {{---}} независимы. }} {{Утверждение|statement =Несовместные события <tex>A</tex> и <tex>B</tex> являются независимыми, тогда и только тогда если хотя бы одно из них является пустым множеством.|proof =<tex>\Rightarrow </tex>: Если несовместные события являются независимыми, то выполняется <tex> p(A \cap B) = p(A)\cdot p(B) </tex>. Также для несовместных событий выполняется <tex> A \cap B = \emptyset </tex>. Следовательно <tex> p(\emptyset) = p(A) \cdot p(B) </tex>. А это выполняется тогда и только тогда когда <tex> p(A) = 0 </tex> или <tex> p(B) = 0 </tex>. <tex> \Leftarrow </tex>:Допустим <tex>A</tex> является пустым множеством, тогда <tex> A \cap B = \emptyset </tex>. Значит <tex> p(A \cap B) = 0 </tex> и <tex> p(A) \cdot p(B) = 0</tex>. Следовательно события <tex>A</tex> и <tex>B</tex> являются независимыми.

*==== Игральная кость====<tex> A = \{2,4,6\}\ p(A)=\fracdfrac{1}{2} </tex> {{- --}} вероятность выпадения чётной цифры

<tex> B=\{1,2,3\}\ p(B)=\fracdfrac{1}{2} </tex> {{--- }} вероятность выпадения одной из первых трёх цифр

<tex> p(A \cap B)=p(\{2\})=\frac{1}{6}neq \emptyset </tex> , значит эти события не несовместны.

<tex>p(A\cap B)=p(B)=\frac{1}{2}\cdot\frac{1}{2})=\fracdfrac{1}{46}</tex>

Получаем, что <tex>p(A \cap B) \neq p(A)cdot p(B)</tex>, значит эти события не независимы.*Карты<tex> A = \dfrac{(1,j)}{2}\cdot\dfrac{1}{2}\ p(A)=\fracdfrac{1}{4} </tex> - вероятность выпадения карты заданной масти

Получаем, что <tex> p(A \cap B) \neq p(A) \cdot p(B)</tex>, значит эти события не независимы.==== Карты ====<tex> A =\{(i1,1j)\}\ p(BA)=\fracdfrac{1}{134} </tex> {{- --}} вероятность выпадения карты заданного достоинствазаданной масти

<tex> p(A \cap B)=p(\{(1i,1)\}\ p(B)=\fracdfrac{1}{5213}</tex> {{--- }} вероятность выпадения карты заданной масти и заданного достоинства

<tex>p(A)p(\cap B)=\frac{(1,1}{4)\}\cdotneq \frac{1}{13}=\frac{1}{52}emptyset </tex>, значит эти события не несовместны.

Получаем, что <tex>p(A \cap B)=p(A\{(1,1)p(B\})=\dfrac{1}{52}</tex>, значит эти события независимы.{{---}} вероятность выпадения карты заданной масти и заданного достоинства

<tex>p(A) \cdot p(B)=\dfrac{1}{Определение4}\cdot\dfrac{1}{13}=\dfrac{1}{52}</tex>|definition =События называются независимыми в совокупностиПолучаем, если для что <tex>p(A \forall Icap B)=p(A) \subset cdot p(B)</tex>, значит эти события независимы.==== Честная монета ==== <tex> A = \{0\}\ </tex> {{---}} выпадение орла <tex> B=\{1\}\ </tex> {{---}} выпадение решки <tex> A \cap B = \emptyset </tex>, значит эти события несовместны.==== Тетраэдр Бернштейна ====Попарно независимые события и события, независимые в совокупности {{---}} это не одно и то же. Рассмотрим правильный тетраэдр, три грани которого окрашены соответственно в красный, синий, зелёный цвета, а четвёртая грань содержит все три цвета. <tex> A </tex> {{---}} выпадение грани, kсодержащей красный цвет <tex> B </tex> {{---}} выпадение грани, содержащей синий цвет <tex> C </tex> {{---}} выпадение грани, содержащей зеленый цвет Так как каждый цвет есть на двух гранях из четырёх, вероятность каждого из этих событий равна: <tex>p(A)=p(B)=p(C)=\dfrac{1}{2}</tex>  Так как одна грань содержит все три цвета, а остальные {{---}} по одному, то вероятность пересечения любых двух событий равна:<tex>p(A \cap B)=p(A \bigcapcap C)=p(B \limits_cap C)=\dfrac {i \in I1} A_{i4}</tex> <tex>p(A) \cdot p(B) = p(A) \prodcdot p(C)=p(B) \cdot p(C)=\limits_dfrac{i 1}{2}\cdot\in Idfrac{1}{2}=\dfrac{1}{4} </tex> Все события попарно независимы, так как: <tex>p(A \cap B)=p(A_{i}A) \cdot p(B)</tex>}}

{{Определение|definition =События <tex>A_{1}, ...,A_{n}</tex> называются попарно независимыми, если для <tex>p(A \forall i \neq j</tex> <tex>cap C)=p(A) \Rightarrow A_{i}</tex> и <tex>A_{j}cdot p(C)</tex> - независимы.

{{Утверждение|statement =Несовместные события Вероятность пересечения всех трёх равна: <tex>p(A</tex> и <tex>\cap B\cap C)=\dfrac{1}{4}</tex> являются независимыми, если хотя бы одно из них является пустым множеством.}}

<tex>p(A) \cdot p(B) \cdot p(C)=\dfrac{1}{2}\cdot\dfrac{1}{2}\cdot\dfrac{1}{2}=Замечание==\dfrac{1}{8}</tex>

Попарно независимые события и события, независимые Cобытия не являются независимыми в совокупности - это не одно и то же. Пример, так как: тетраэдр Бернштейна.Рассмотрим правильный тетраэдр, три грани которого окрашены соответственно в красный, синий, зелёный цвета, а четвёртая грань содержит все три цвета. Событие А <tex>p(A \cap B \cap C) \neq p(A) \cdot p(соответственно, В, СB) означает, что выпала грань, содержащая красный \cdot p(соответственно, синий, зелёныйC) цвета. </tex>

Вероятность каждого из этих событий равна 1/2Получили, так как каждый цвет есть на двух гранях из четырёх. Вероятность пересечения любых двух из них равна 1/4что события являются попарно независимыми, но не являются независимыми в совокупности, значит, так как только одна грань из четырёх содержит эти два цвета. А так как 1/4 = 1/2 · 1/2понятия {{---}} не одно и то же, то все события попарно независимычто мы и хотели показать.

Но вероятность пересечения всех трёх тоже равна 1/4==См. также==*[[Вероятностное пространство, а не 1/8элементарный исход, т.е. события не являются независимыми в совокупности.событие]]*[[Дискретная случайная величина]]

== Ссылки и источники Источники информации ==*[http://nsu.ru/mmf/tvims/chernova/tv/lec/node13.html НГУ {{---}} Независимость событий]

*[http://ru.wikipedia.org/wiki/Независимость_(теория_вероятностей) Википедия: {{---}} Независимость (теория вероятностей)]

*Дискретный анализ, ''Романовский И. В.'' Дискретный анализ