随机事件、条件概率与独立性

学习目标

本课围绕 随机事件、条件概率与独立性 建立可用于考研数学一解题的定义、公式和验算链。学完应能先识别条件，再独立完成对应计算，而不是只记题型名称。

核心模型

条件概率缩小样本空间；全概率分解来源，Bayes 公式反推原因。独立不等于互斥。

必须掌握的关系是：P(A|B)=P(AB)/P(B)。写公式时同步写出变量范围、可导/可积/独立等前提；前提改变，结论可能失效。

例题推演

P(A)=0.5,P(B|A)=0.4，则P(AB)=0.2。

标准过程分四步：①写已知条件；②选择定理并核对前提；③逐行计算；④用量纲、取值范围、代回或特殊值验算。在线计算题为：若P(A)=0.6，P(B|A)=0.5，求P(AB)。

易错边界

• 正确检查：若 A、B 独立，则 P(AB)=P(A)P(B)。
• 典型错误：两个互斥且概率均为正的事件相互独立。
• 不允许只写“显然”或直接报答案；模拟考试中要保留关键变形。

课后闭环

先独立做数值题，再完成单选与多选。错题必须标注“概念、条件、运算、表达”中的第一处错误，隔一天遮住答案重做。