重复掷骰子使用了什么独立性假设?
使用的假设是各次投掷是相互独立的。这意味着一次投掷的结果不会影响任何其他投掷结果的概率。知道之前投掷的结果不会改变下一次投掷为偶数的概率。这是一个与骰子公平性分开的假设。
适用条件
- 模型假设三次投掷是相互独立的。
- 骰子的公平性本身并不能确立独立性。
- 一次投掷中某事件的概率不受其他投掷中事件的影响。
理解与推导
- 定义独立性:如果一个事件的发生不影响另一个事件的概率,则这两个事件是独立的。
- 区分独立性与公平性:公平性意味着每个面等可能;独立性意味着各次投掷互不影响。
- 应用到问题中:假设第一次投掷的结果不会改变第二次和第三次投掷的概率。
- 证明乘法法则的合理性:因为投掷是独立的,多个事件的联合概率等于它们各自概率的乘积。
例子
演讲者引入独立性来连接三次投掷,并说道:“在独立投掷的情况下,知道过去的结果不会改变下一次投掷的概率。”视频在此处简要提到了赌徒谬误的误解。
容易误解的地方
- 赌徒谬误:相信过去的独立事件会影响未来独立事件的概率(例如,认为在几次奇数之后偶数“该出现了”)。
- 混淆公平性与独立性:假设因为骰子是公平的,所以各次投掷自动是独立的(虽然在标准模型中两者都被假设,但它们是不同的概念)。
观看对应讲解
YouTube独立掷骰事件的概率计算|Khan Academy
1:03 – 1:14原站看这一段 ↗
相关概念
继续追问
相关问题
理解原因↗
公式 P(A 且 B) = 被划掉是因为它仅对独立事件有效。视频强调了一般乘法法则 P(A 且 B) = (B|A),该法则对独立和非独立事件都适用。
适用条件:事件 A 和 B 可能是相关的。;一般乘法法则 P(A 且 B) = (B|A) 无论是否独立都适用(假设 )。
YouTube贝叶斯定理的简洁证明|3Blue1Brown
2:32 – 2:55原站看这一段 ↗
理解原因↗
我们可以将单次掷骰子的概率相乘,因为假设各次投掷是相互独立的事件。对于独立事件 A、B 和 C,它们同时发生的概率等于它们各自概率的乘积:。
适用条件:事件(投掷)必须是相互独立的。;仅两两独立不足以支持三事件乘积规则;需要相互独立。;乘法法则适用于独立事件的交集。
YouTube独立掷骰事件的概率计算|Khan Academy
2:05 – 2:07原站看这一段 ↗
判断用途↗
当且仅当事件 A 和 B 独立时,联合概率 P(A 且 B) 才等于各个概率的乘积 。独立性意味着一个事件的发生不影响另一个事件的概率,这在数学上表示为 P(B|A) = (假设 )。
适用条件:事件 A 和 B 是独立的。;对于条件等式 P(B|A) = ,事件 A 必须具有正概率。
YouTube贝叶斯定理的简洁证明|3Blue1Brown
1:45 – 1:54原站看这一段 ↗
掌握方法↗
要计算连续三次掷出偶数的概率,首先找出单次掷出偶数的概率,对于公平的六面骰子来说是 。然后,假设这三次投掷是相互独立的,将这个单次概率自乘三次:。
适用条件:骰子是公平的(六面,结果等可能)。;三次投掷是相互独立的。;目标事件是在三次投掷中的每一次都掷出偶数。
YouTube独立掷骰事件的概率计算|Khan Academy
1:14 – 2:26原站看这一段 ↗
答案依据视频资料生成并经过独立核验。若有疑问,请核对原视频或联系原作者。