Незалежність (теорія ймовірностей)

У теорії ймовірностей дві випадкові події називаються незалежними, якщо настання однієї з них не змінює імовірність настання іншої. Аналогічно, дві випадкові величини називають незалежними якщо значення однієї з них не впливає на розподіл значень іншої.

Незалежні події

Вважатимемо, що дано фіксований ймовірнісний простір $(\Omega ,{\mathcal {F}},\mathbb {P} )$.

Означення 1. Дві події $A,B\in {\mathcal {F}}$ називають незалежними, якщо

$\mathbb {P} (A\cap B)=\mathbb {P} (A)\cdot \mathbb {P} (B)$.

Зауваження 1. В тому випадку, якщо ймовірність однієї події, скажімо $B$, ненульова, тобто $\mathbb {P} (B)>0$, визначення незалежності еквівалентне:

$\mathbb {P} (A\mid B)=\mathbb {P} (A)$,

тобто умовна ймовірність події $~A$ за умови $~B$ дорівнює безумовній імовірності події $~A$.

Означення 2. Нехай є сімейство (скінченне або нескінченне) випадкових подій $\{A_{i}\}_{i\in I}\subset {\mathcal {F}}$, де $~I$ — довільна індексна множина. Тоді ці події є попарно незалежними, якщо будь-які дві події з цього сімейства незалежні, тобто

$\mathbb {P} (A_{i}\cap A_{j})=\mathbb {P} (A_{i})\cdot \mathbb {P} (A_{j}),\;\forall i\not =j$.

Означення 3. Нехай є сімейство (скінчене або нескінчене) випадкових подій $\{A_{i}\}_{i\in I}\subset {\mathcal {F}}$. Тоді ці події сукупно незалежні, якщо для будь-якого кінцевого набору цих подій $\{A_{i_{k}}\}_{k=1}^{N}$ вірно:

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

Приклад 1. Монета кидається двічі. Ймовірність появи герба в першому випробуванні не залежить від появи чи відсутності герба в другому випробуванні. В свою чергу, ймовірність того, що герб випаде в другому випробуванні не залежить від результатів першого випробування. Отже, події А — «поява герба в першому випробуванні» і В — «поява герба в другому випробуванні» — незалежні.

Приклад 2. В урні 5 білих і 4 чорних кульки. Із неї навмання беруть кульку. Ймовірність появи білої кульки (подія А) дорівнює ${\frac {5}{9}}$. Взяту кульку повертають в урну і продовжують випробування. Ймовірність появи білої кульки при другому випробуванні (подія В), також дорівнює ${\frac {5}{9}}$. В свою чергу, ймовірність витягти білу кульку при першому випробуванні, не залежить від другого випробування. Отже, події А і В — незалежні.

Приклад 3. Хай кинуто три урівноважені монети. Визначимо події таким чином:

• $~A_{1}$: монети 1 і 2 впали однією і тією ж стороною;
• $~A_{2}$: монети 2 і 3 впали однією і тією ж стороною;
• $~A_{3}$: монети 1 і 3 впали однією і тією ж стороною;

залежні, бо знаючи, наприклад, що події $~A_{1},A_{2}$ сталися, ми знаємо точно, що $~A_{3}$ також сталося.

Те що три і більше події попарно незалежні, не означає, що вони незалежні в сукупності. Дивіться приклад Бернштейна.

Незалежні σ-алгебри

Означення 4. Нехай ${\mathcal {A}}_{1},{\mathcal {A}}_{2}\subset {\mathcal {F}}$ дві сигма-алгебри на одному і тому ж ймовірнісному просторі. Вони називаються незалежними, якщо будь-які їх представники незалежні між собою, тобто:

$\mathbb {P} (A_{1}\cap A_{2})=\mathbb {P} (A_{1})\cdot \mathbb {P} (A_{2}),\;\forall A_{1}\in {\mathcal {A}}_{1},\,A_{2}\in {\mathcal {A}}_{2}$.

Якщо замість двох є ціле сімейство (можливо нескінчене) сигма-алгебр, то для нього визначається попарна і спільна незалежність очевидним чином.

Див. також

• Незалежність випадкових величин
• Незалежні однаково розподілені випадкові величини

Джерела

• Карташов М. В. Імовірність, процеси, статистика. — Київ : ВПЦ Київський університет, 2007. — 504 с.
• Гнеденко Б. В. Курс теории вероятностей. — 6-е изд. — Москва : Наука, 1988. — 446 с.(рос.)
• Гихман И. И., Скороход А. В., Ядренко М. В. Теория вероятностей и математическая статистика. — Київ : Вища школа, 1988. — 436 с.(рос.)