Zdarzenia losowe niezależne

Zdarzenia losowe niezależne - zdarzenia $A,B\in {\mathcal {A}}$ na pewnej ustalonej przestrzeni probabilistycznej $(\Omega ,{\mathcal {A}},P)$ spełniające warunek

$P(A\cap B)=P(A)\cdot P(B)$.

Taka postać warunku na niezależność zdarzeń $A$ i $B$ wynika z intuicyjnego stwierdzenia: zdarzenie $A$ nie zależy od zdarzenia $B$, jeśli wiedza nt. zajścia $B$ nie ma wpływu na prawdopodobieństwo zajścia $A$. Co można zapisać jako $P(A|B)=P(A)\;$. Z tej intuicji i wzoru na prawdopodobieństwo iloczynu zdarzeń ($P(A\cap B)=P(A|B)\cdot P(B)$) wynika powyższy wzór.

Niezależność można definiować także, dla większej liczby zdarzeń. I tak, jeżeli $A_{1},\ldots ,A_{m}\in {\mathcal {A}}$, to mówimy, że są one niezależne, gdy spełniony jest warunek

$P(A_{i_{1}}\cap ...\cap A_{i_{k}})=P(A_{i_{1}})\cdot ...\cdot P(A_{i_{k}})$ dla każdego układu indeksów $i_{1},\ldots ,i_{k}$ oraz dla każdego Parser nie mógł rozpoznać (nieznana funkcja „\math”): {\displaystyle k = 1, 2, \ldots, m<\math>. Definicję niezależności można rozszerzyć na nieskończony układ zdarzeń. Dokładniej, mówimy, że zdarzenia <math>A_1, A_2,\ldots } są niezależne, gdy dla każdej liczby naturalnej n zdarzenia $A_{1},\ldots ,A_{n}$ są niezależne.

Własności

• Z definicji wynika, że dwa zdarzenia rozłączne są niezależne, gdy przynajmniej jedno z nich ma prawdopodobieństwo zerowe.
• Gdy zdarzenia $A_{1},\ldots ,A_{n}$ są niezależne, to zdarzenia do nich przeciwne $A_{1}^{\prime },\ldots ,A_{n}^{\prime }$ też są niezależne oraz:

$P\left(\bigcup _{k=1}^{n}A_{k}\right)=P\left(\left(\bigcap _{k=1}^{n}A_{k}^{\prime }\right)^{\prime }\right)=1-P\left(\bigcap _{k=1}^{n}A_{k}^{\prime }\right)=1-\prod _{k=1}^{n}P(A_{k}^{\prime })=1-\prod _{k=1}^{n}(1-P(A_{k}))$.

Por. prawa De Morgana.

Niezależność σ-ciał

σ-ciała ${\mathcal {F}}_{1},\ldots ,{\mathcal {F}}_{n}$, gdzie ${\mathcal {F}}_{i}\subseteq {\mathcal {A}}$ dla $i\in \{1,\ldots ,n\}$ nazywamy niezależnymi, gdy dla dowolnych $A_{1}\in {\mathcal {F}}_{1},\ldots ,A_{n}\in {\mathcal {F}}_{n}$

$P(A_{1}\cap \ldots \cap A_{n})=P(A_{1})\cdot \ldots \cdot P(A_{n})$.

Jeżeli $A_{1}\in {\mathcal {F}}_{1},\ldots ,A_{n}\in {\mathcal {F}}_{n}$, to przez $\sigma (A_{i})$ rozumiemy σ-ciało generowane przez zdarzenie $A_{i}$, tzn. najmniejsze σ-ciało zawierające zbiór $A_{i}$. Dokładniej, dla $i\in \{1,\ldots ,n\}$

$\sigma (A_{i})=\{\varnothing ,\Omega ,A_{i},\Omega \setminus A_{i}\}$.

Używając tych definicji, niezależność skończonej liczby zdarzeń można scharakteryzować w następujący sposób: zdarzenia $A_{1},\ldots ,A_{n}$ są niezależne wtedy i tylko wtedy, gdy σ-ciała $\sigma (A_{1}),\ldots ,\sigma (A_{n})$ są niezależne.

Zobacz też

• przegląd zagadnień z zakresu statystyki
• zależność zmiennych losowych

Bibliografia

• Jacek Jakubowski, Rafał Sztencel: Wstęp do teorii prawdopodobieństwa. Warszawa: SCRIPT, 2004, s. 43-47.