每到期末我都会收到同一类私信严士健《概率论基础》第二版的“习题与补充1.6”答案到底怎么写。说句实话网上流传的那些结果大多是对的但过程很少讲清楚有的甚至在关键处直接来一句“显然由独立性可得”。独立性的题恰恰不能“显然”——你越默认它显然后面学到随机变量时就越吃亏。这篇文章我就把1.6覆盖的典型题完整拆一遍不仅给出答案也把每一步背后的判断依据讲明白。文章适合正在做课后题但不确定过程对不对的同学也适合想把独立性相关结论真正吃透、而不是背答案的读者。1. 先弄清楚1.6在考什么再谈答案严士健《概率论基础》第二版第一章从随机事件开始经过概率空间、古典概型、条件概率再到“事件的独立性”收尾。所以“习题与补充1.6”对应的不是一道孤立的题而是一整块关于独立性的训练。这块训练通常由三类题目组成。第一类是概念辨析题专门考“两两独立”和“相互独立”的差异常见问法是判断命题真假、要求举反例。第二类是证明题比如已知A与B独立要证明A与B̄独立已知三个事件相互独立要证明某个组合也独立。这类题考察的是集合运算和乘法公式的配合能力。第三类是计算题常见模型是伯努利试验求n次试验中事件恰好出现k次的概率、求最可能出现次数、求直到第r次成功所需试验次数等。如果你手里的版本排版跟我的不完全一样题号可能有出入但“习题与补充1.6”覆盖的知识点基本不会跳出上面三类。下面给出的解法可以直接按题型对照使用。为什么这节容易让人卡壳因为独立性本身不是一个“看得见”的性质。事件互斥可以从集合图上直接看出来但独立是概率关系必须回到概率乘法公式去判断。很多同学做题靠直觉而直觉在独立性和条件概率这儿特别不可靠翻车非常正常。为了让你真正能落地我在后面先回顾定义再逐题拆解。你会看到所有看似复杂的题目最后都只归结为一个动作把概率关系写成乘法公式然后化简。2. 解开1.6的第一把钥匙独立性的定义方式2.1 为什么用乘法公式而不是条件概率两个事件A和B独立的定义是[ P(A\cap B)P(A)P(B). ]有些教材会写成当(P(B)0)时(P(A|B)P(A))。这两种写法在大多数情况下等价但做习题时尽量用乘法公式。原因很简单条件概率(P(A|B))是以(P(B)0)为前提的。如果题目没有说明(P(B))大于0你在证明过程中写(P(A|B))就可能踩到分母为0的坑。乘法公式对任何事件都成立不需要额外条件。做题时只要看到“独立”两个字第一步就是把它翻译成(P(A\cap B)P(A)P(B))不要犹豫。从这个定义出发立刻能推出三个常用结论若A与B独立则A与B̄独立Ā与B独立Ā与B̄独立。这三个结论在证明题里会反复出现建议当成乘法口诀记下来。当然记结论前最好自己推一遍后面第三小节我就带大家推一次。2.2 两两独立不等于相互独立“两两独立”说的是任意两个事件之间都满足乘法公式“相互独立”要求更强任意一个子集的交的概率都等于各自概率的乘积。以三个事件A、B、C为例。相互独立需要同时满足[ P(A\cap B)P(A)P(B),\quad P(A\cap C)P(A)P(C),\quad P(B\cap C)P(B)P(C), ]以及[ P(A\cap B\cap C)P(A)P(B)P(C). ]只满足前三个方程叫两两独立不叫相互独立。这一点是1.6习题里最容易拿来出概念题的地方。2.3 独立和互斥是两码事互斥的定义是(A\cap B\varnothing)两个事件不能同时发生独立的定义是(P(A\cap B)P(A)P(B))一个事件发生与否不改变另一个事件发生的概率。如果事件A和B既互斥又独立且(P(A)0)、(P(B)0)就会推出[ 0P(A\cap B)P(A)P(B)0, ]矛盾。所以两个正概率事件不可能既互斥又独立。这个“不可能”在选择题和判断题里非常常见。我辅导时发现很多同学会把“互斥”和“独立”搞混本质原因是没区分“集合关系”和“概率关系”。互斥描述的是样本点层面独立描述的是概率层面。判断互斥看交集判断独立看乘法公式千万别混着用。3. 经典题答案详拆独立性证明与反例3.1 题若A与B独立证明A与B̄独立这是概念证明题中最基础的一道几乎每本教材的习题与补充都会出现。证明过程如下[ \begin{aligned} P(A\cap \overline{B}) P(A\setminus (A\cap B))\ P(A)-P(A\cap B)\ P(A)-P(A)P(B)\ P(A)\big(1-P(B)\big)\ P(A)P(\overline{B}). \end{aligned} ]所以A与B̄独立。这中间用了两个关键事实一是(A\cap\overline{B}A\setminus(A\cap B))且(A\cap B\subseteq A)所以概率可以相减二是在第三行代入了独立性条件。其他两个组合也就是Ā与B、Ā与B̄证明完全对称。作业里如果要求“同理”可以把过程补完整不要只写“同理”两个字就算完至少把最后一步写出来。这里提醒一下证明时不要写“由全概率公式显然”。全概率公式也能做但你会绕回原问题。最干净的办法就是集合差加减法直接了当。3.2 题构造三个事件使它们两两独立但不相互独立这是概念题里的经典题构造方法不止一种。我推荐一个最容易写清楚的正四面体模型。设有一个均匀的正四面体四个面分别记为1、2、3、4。面1涂红色面2涂蓝色面3涂黄色面4涂红蓝黄三种颜色。随机掷一次观察接触地面的面。定义三个事件(R)地面含红色(B)地面含蓝色(Y)地面含黄色。容易算出[ P(R)\frac{2}{4}\frac12,\quad P(B)\frac12,\quad P(Y)\frac12. ]再看交事件。(R\cap B)要求地面同时含红色和蓝色满足条件的只有面4所以[ P(R\cap B)\frac14.]同理(P(R\cap Y)1/4)(P(B\cap Y)1/4)。于是三个事件两两独立。但是三事件的交呢(R\cap B\cap Y)要求地面同时含三种颜色仍然只有面4满足所以[ P(R\cap B\cap Y)\frac14, ]而[ P(R)P(B)P(Y)\frac12\cdot\frac12\cdot\frac12\frac18. ]二者不相等。所以R、B、Y两两独立但不相互独立。如果你想写一个更日常的例子可以写抛两枚均匀硬币的版本A“第一枚正面”B“第二枚正面”C“两枚结果相同”。同样能得到两两独立但不相互独立。两个例子本质一样都是构造一个恰好在三个事件同时发生时概率为1/4的样本空间。这道题的核心价值在于提醒你验证三个事件相互独立必须把前面的四个方程全部验一遍。只验(P(ABC)P(A)P(B)P(C))也不够还要验两两独立。缺一个方程都可能被反例钻空子。3.3 三个事件相互独立到底要验证几个方程如果题目直接告诉你“A、B、C相互独立”你要会用它任何组合都满足概率乘积公式。反过来要你判断“是否相互独立”时理论上要检查的非平凡方程是四个三个两两方程加一个三交方程。在实际作业里很少真的硬算很多项。通常做法是先检查两两独立再检查三交集。两个条件都满足三事件相互独立有一个不满足就不相互独立。这类题常以判断题形式出现掌握了这一条就不会被坑。4. 伯努利试验与二项分布1.6计算题的主战场4.1 题n重伯努利试验中最可能的成功次数是多少设每次试验成功概率为(p)失败概率为(q1-p)。n次独立重复试验中成功k次的概率为[ a_kP(Xk)\binom{n}{k}p^k q^{n-k},\quad k0,1,\dots,n. ]现在要问k取多少时(a_k)最大。直接比较相邻两项[ \frac{a_k}{a_{k-1}} \frac{\binom{n}{k}p^k q^{n-k}}{\binom{n}{k-1}p^{k-1}q^{n-k1}} \frac{n-k1}{k}\cdot\frac{p}{q}. ]于是[ a_k\ge a_{k-1} \iff \frac{n-k1}{k}\cdot\frac{p}{q}\ge1 \iff k\le (n1)p. ]这说明当k不超过((n1)p)时概率随k增大而增大一旦k超过((n1)p)概率开始下降。所以结论是若((n1)p)不是整数最大值在(k\lfloor (n1)p\rfloor)处取得若((n1)pm)是整数那么(a_ma_{m-1})两个相邻值同为最大。这个结论通常叫二项分布的众数。做这道题时最容易错的地方是边界条件。比如(n5,p0.5)((n1)p3)是整数最大的是(k2)和(k3)两项。别想当然认为众数是np那其实是“平均成功次数”和“最可能成功次数”不是一回事。4.2 题直到第r次成功才停止求所需试验次数X的分布这也是伯努利试验模型下的经典题。独立重复试验每次成功概率为(p)。问“恰好第r次成功时一共做了n次试验”的概率。设随机变量X为试验总次数。若(Xn)则第n次试验必须成功前(n-1)次中恰有(r-1)次成功、(n-r)次失败。前(n-1)次中挑出(r-1)次成功的位置有(\binom{n-1}{r-1})种选法。每种选法对应概率(p^{r}q^{n-r})。因此[ P(Xn)\binom{n-1}{r-1}p^r q^{n-r},\quad nr,r1,\dots ]这个分布叫负二项分布也叫帕斯卡分布。它的一个直观理解是成功r次的时刻等于r个独立的几何分布随机变量之和。因此如果已经学过期望可以直接得到[ E[X]\frac{r}{p}. ]没学过期望也没关系这个结论在后面学到随机变量时会再遇到。验证它是不是分布列的方法是看概率和[ \sum_{nr}^{\infty}\binom{n-1}{r-1}p^r q^{n-r} p^r\sum_{m0}^{\infty}\binom{rm-1}{m}q^m1. ]最后一步用的是((1-q)^{-r}\sum_{m0}^{\infty}\binom{rm-1}{m}q^m)。这一步我建议在作业里写出来能向批改者说明你知道它是分布列而不是默认结论。4.3 题有放回和无放回抽取时两次结果是否独立袋中有a个白球、b个黑球依次取两球。A表示第一次取到白球B表示第二次取到白球。有放回时[ P(A)\frac{a}{ab},\quad P(B)\frac{a}{ab},\quad P(A\cap B)\left(\frac{a}{ab}\right)^2P(A)P(B), ]所以独立。无放回时[ P(A)\frac{a}{ab}, ]第二次取到白球的概率仍然是(\frac{a}{ab})用对称性可以理解。但[ P(A\cap B)\frac{a}{ab}\cdot\frac{a-1}{ab-1}. ]要让这里的乘积等于(P(A)P(B))需要[ \frac{a-1}{ab-1}\frac{a}{ab}, ]化简得(a0)或(ab1)。在没有白球或者袋子中只有一个球这种退化情形下才会成立。一般情形下无放回抽取不独立原因是第一次取球改变了袋中的成分比例。这道题的易错点是很多人认为“只要两次概率相等就独立”。概率相等和事件独立完全不是一回事。独立要求的是条件概率不变或者乘法公式成立。有放回满足是因为每次抽取条件没变无放回不满足是因为第一次结果确实改变了第二次抽到白球的条件概率。4.4 题串联、并联系统的可靠度怎么算独立性还有一个典型应用是系统可靠性模型。设系统由n个元件组成第i个元件正常工作的概率为(p_i)各元件是否正常相互独立。串联系统所有元件都正常系统才正常。因此[ P(\text{系统正常})\prod_{i1}^n p_i. ]如果各元件可靠度相同都是p那结果就是(p^n)。并联系统至少一个元件正常系统就正常。因此[ P(\text{系统正常})1-\prod_{i1}^n(1-p_i). ]元件相同且可靠度为p时结果是(1-(1-p)^n)。考试中常见的变形是混联系统比如两个串联支路再并联。处理方法是分层等效先把串联部分算成一个等效元件再把等效元件按照并联公式组合。先拆结构再套公式不会出错。5. 这三个坑几乎每个人都会踩5.1 坑一把两两独立当成相互独立这是1.6最经典的坑。判断三个事件是否相互独立时有人只验(P(ABC)P(A)P(B)P(C))有人只验两两独立都是不完整的。正确顺序是先验三个两两方程再验三交方程四个全通过才算数。记住前面正四面体的反例三个事件可以做到两两独立但三交概率明显不满足乘积公式。5.2 坑二把互斥当成独立互斥意味着交事件概率为0独立通常要求交事件概率等于两个概率的乘积。正概率事件如果互斥那么两者绝对不独立。有的选择题会故意说“两个互斥事件必然独立”这是错的。反过来“两个独立事件必然互斥”也是错的。这两句话都是高频干扰项。5.3 坑三伯努利试验计数时少乘组合数n次独立试验中恰有k次成功概率是[ \binom{n}{k}p^k(1-p)^{n-k}. ]很多同学会漏掉组合数只写(p^k(1-p)^{n-k})。这相当于指定了前k次成功、后n-k次失败而不是任意k次。题目如果没有规定成功出现在哪几次就必须把位置的选择数(\binom{n}{k})乘进去。这个坑在计算题里扣分最狠。顺便再提醒一个隐藏坑当题目说“第k次才首次成功”时概率是((1-p)^{k-1}p)没有组合数因为成功位置被固定在第k次。到底要不要组合数取决于成功位置是否已经被题目限定。6. 答案写完后用这套方法快速验算6.1 边界值检验把p取0或1看结果是否符合物理直观。比如二项分布概率当p1时(P(Xn)1)其他为0当p0时(P(X0)1)。如果你的公式代入p1后得不到这个结果多半是p和1-p写反了。6.2 概率和是否为1只要算出一个分布列就求和检查。帕斯卡分布的答案是否合理可以先对r1退化成几何分布验证[ \sum_{n1}^{\infty}(1-p)^{n-1}p1. ]如果求和结果不是1说明你的组合数或者指数写错了。6.3 对称性检验摸球问题中如果题目把白球和黑球互换A、B事件的定义也跟着互换答案应当保持形式一致。比如有放回时独立无放回时不独立不会因为白球黑球数量互换而改变结论。如果算出的答案破坏了这种对称性说明中间某步做错了。6.4 用全概率公式交叉验证在条件概率和独立性问题里全概率公式经常可以作为独立的验算工具。比如在无放回摸球问题中算第二次取到白球的概率按第一次是否取到白球展开应该仍然得到(a/(ab))。如果用这条结果验证通常能发现计算中的遗漏。7. 关于“习题与补充”答案最后说几句每次有人拿着答案来问“为什么这里可以直接乘”我都建议他把这道题的“独立性来源”写清楚是题目明说的是试验设计保证的还是由已知独立推出来的。这三类来源对应的写法完全不同。写清楚来源整个证明才严谨这也是严士健这本教材比较强调的地方。1.6学完之后独立性这个工具会被带到第二章随机变量和第三章数字特征。独立随机变量的联合分布、方差可加性本质上都还是在用“乘积公式”这个老框架。你现在把证明题里的推导练熟了后面学起来会轻松很多。我做课后题这么多年最大的体会是答案只是一个静止的点推导才是一条能延伸的路。