- MATH.APP.210
- 1. Todennäköisyys
- 1.6 Tapahtumien riippumattomuus
Tapahtumien riippumattomuus¶
Tapahtumien riippumattomuudella tarkoitetaan epämuodollisesti sitä, että niiden realisoitumiset eivät vaikuta toisiinsa. Täsmällisesti riippumattomuus voidaan määritellä seuraavalla tavalla.
Määritelmä 1.6.1
Saman otosavaruuden tapahtumat A ja B ovat tilastollisesti riippumattomia (statistically independent), eli riippumattomia, jos
Muistamalla ehdollisen todennäköisyyden ja kertolaskusäännön tälle saadaan välitön seuraus.
Seuraus 1.6.2
Jos A, B \subseteq \Omega ja P(B)>0, niin tapahtumat A ja B ovat riippumattomia täsmälleen silloin, kun
Riippumattomille tapahtumille siis toisen realisoituminen ei vaikuta toisen tapahtuman todennäköisyyteen, eli määritelmä vastaa arkista intuitiota riippumattomuudesta. Kaikissa tilanteissa riippumattomuudelle ei kuitenkaan välttämättä löydy selvää tulkintaa.
Esimerkki 1.6.3
Tarkastellaan nopanheittoa, missä \Omega = \{1, 2, 3, 4, 5, 6\}. Olkoot tapahtumat A=\{1,2\} ja B=\{x \in \Omega : x = 2n, n \in \Z\}=\{2,4,6\}, jolloin määritelmän mukaan ne ovat riippumattomia, sillä
Esimerkki 1.6.4
Osoitetaan, että jos A ja B ovat riippumattomia, niin myös A ja \overline{B} ovat riippumattomia. Oletuksen mukaan siis P(A\cap B)=P(A)P(B). Nyt tapahtumat A \cap \overline{B} ja A \cap B ovat erilliset, joten
ja täten
Siis myös tapahtumat A ja \overline{B} ovat riippumattomia.
Useamman kuin kahden tapahtuman riippumattomuus määritellään seuraavasti.
Määritelmä 1.6.5
Tapahtumat A_1,A_2,\ldots,A_n \subseteq \Omega ovat riippumattomia, jos jokaiselle näiden tapahtumien joukon osajoukolle \{A_{i_1},A_{i_2},\ldots,A_{i_m}\}, m\leq n on voimassa
Esimerkki 1.6.6
Tapahtumat A_1, A_2 ja A_3 ovat riippumattomia, jos ne ovat pareittain riippumattomia ja P(A_1\cap A_2\cap A_3)=P(A_1)P(A_2)P(A_3).
Huomautus 1.6.7
Tapahtumien riippumattomuus säilyy, jos jo(t)kin tapahtuma(t) korvataan komplement(e)illaan.
Huomautus 1.6.8
Käytännössä, jos ei ole mitään näyttöä tapahtumien riippuvuudesta, tapahtumat oletetaan lähtökohtaisesti riippumattomiksi. Tällöin siis tapahtumien leikkauksien todennäköisyys on tapahtumien todennäköisyyksien tulo.
Esimerkki 1.6.9
Oikolukija A löytää kirjasta 84 kirjoitusvirhettä ja oikolukija B 96 virhettä. Kun oikolukijat vertaavat virheitään, huomaavat he löytäneensä 67 samaa virhettä. Jos oletetaan, että A ja B huomaavat virheet toisistaan riippumattomasti, niin kuinka monta virhettä kirjassa on ja kuinka monta jäi löytymättä?
Oletetaan, että kirjassa on N virhettä. Merkitään tapahtumia A=‘A löytää virheen’ ja B=‘B löytää virheen’. Nyt
Jos A ja B ovat riippumattomia
Kirjassa on siis 120 virhettä. A ja B löysivät yhdessä 84+96-67=113 eri virhettä, joten 7 virhettä jäi löytymättä.
Esimerkki 1.6.10
Arvion mukaan tietyllä alueella tapahtuu ainakin yksi merkittävä maanjäristys seuraavan 30 vuoden aikana todennäköisyydellä 0.87. Jos oletetaan, että maanjäristykset tapahtuvat toisistaan riippumattomasti, niin millä todennäköisyydellä tällainen maanjäristys tapahtuu seuraavan vuoden aikana.
Olkoon tapahtuma A_i=‘Ainakin yksi merkittävä maanjäristys tapahtuu vuoden i aikana.’ 30 vuoden aikana tapahtuu ainakin yksi maanjäristys todennäköisyydellä
Käytetään tämän tapahtuman komplementtitapahtumaa ja De Morganin sääntöä, jolloin
Oletetaan, että todennäköisyys P(A_i) ovat sama jokaisena vuotena ja tapahtumat A_i ovat riippumattomia. Koska tapahtumat P(A_i) ovat riipumattomia, niin myös niiden komplementit ovat riippumattomia ja
Todennäköisyys, että ainakin yksi merkittävä maanjäristys tapahtuu seuraavan vuoden aikana on 0.066