单元2：条件与独立 Unit 2: Conditioning and inde
数学大学
单元2：条件与独立 Unit
概率论——不确定性的科学 · 单元2：条件与独立 Unit 2: Conditioning and independenc
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
数学大学
单元2：条件与独立 Unit
概率论——不确定性的科学 · 单元2：条件与独立 Unit 2: Conditioning and independenc
单元概述 Unit overview
本单元核心：条件化——新信息如何改写概率，以及独立性的严格定义。
两大主题
条件概率与独立性
重点工具
乘法法则、全概率公式、贝叶斯公式
章节3 概述 和幻灯片展示
独立性专题：事件独立与条件独立，是概率建模中最常用的假设。
定义
A 与 B 独立 ⇔ P(A∩B)=P(A)P(B)
易错
独立 ≠ 互斥，两者几乎相反
已经解决了的问题 Solved
习题示范：条件化与独立性在具体场景中的完整求解过程。
解题框架
先设事件、再选工具、最后解读结论
常见坑
把不独立当独立，把互斥当独立
本节要点
- ✓条件化 = 新信息更新概率
- ✓独立性用乘积定义，非直觉
- ✓三公式是条件化的全部武器
延伸主题：复习条件概率定义做两道独立性判断题
课后思考
先自己回答，再展开参考答案——能讲出来才算真懂。
1为什么说独立性假设「最常用也最危险」？
参考答案独立使乘法法则成立、计算大幅简化，因此建模时被默认使用；但现实中的相关性常被低估（如系统共因故障）。假设独立前应有依据，否则结论会系统性偏乐观。
2互斥与独立为什么几乎不能同时成立（对非零概率事件）？
参考答案互斥意味着 A 发生则 B 必不发生，即 P(B|A)=0；而独立要求 P(B|A)=P(B)>0。两者方向相反：互斥是强相关，独立是互不影响。仅在概率为零的退化情形下才可能共存。
3条件概率定义中为什么要除以 P(B)？
参考答案已知 B 发生后，样本空间缩小为 B，各事件的相对比例要在 B 内部重新归一化——除以 P(B)=P(B∩Ω) 正是归一化系数，保证条件概率仍满足概率公理。