什么是联合概率?
联合概率指的是两个事件同时发生的可能性。当这两个事件相互独立时——也就是说一个事件的结果不会影响另一个事件——联合概率就等于它们各自概率的乘积。本计算器正是基于这一规则,公式写作 \(P(A \text{ 且 } B) = P(A) \times P(B)\)。
如何使用本计算器
分别输入事件 A 和事件 B 的概率,每个值都取 0 到 1 之间的数字(例如,0.5 表示 50% 的可能性)。点击"计算"即可看到联合概率,结果会同时以小数和百分比两种形式呈现。如果你手上只有百分比数据,先除以 100 即可——比如 25% 换算成 0.25。
公式详解
对于相互独立的事件,适用乘法法则:
$$P(A \cap B) = P(A) \times P(B)$$
由于每个概率最大不超过 1,所以联合概率永远小于或等于任意一个输入值——要同时满足两个条件,自然比满足一个条件更难。需要注意的是,这个公式建立在事件相互独立的前提之上;如果两个事件会相互影响,就必须改用条件概率形式 \(P(A) \times P(B|A)\)。
计算示例
假设你抛一枚均匀的硬币,同时掷一颗均匀的六面骰子。出现正面的概率为 \(P(A) = 0.5\),掷出 3 点的概率为 \(P(B) = 1/6 \approx 0.1667\)。那么"既出现正面又掷出 3 点"的联合概率就是 $$0.5 \times 0.1667 = 0.0833$$ 约等于 8.33% 的可能性。
联合概率中的关键术语
- 联合概率
- 两个事件同时发生的概率,记作 \(P(A \cap B)\) 或 \(P(A \text{ 且 } B)\)。对于独立事件,它等于 \(P(A) \times P(B)\)。例如,若 \(P(A) = 0.5\) 且 \(P(B) = 0.2\),则 \(P(A \cap B) = 0.5 \times 0.2 = 0.1\)。
- 交集(∩)
- 与“和”(且)对应的集合运算。\(A \cap B\) 是同时属于 A 和 B 的结果集合。读作“A 交 B”。
- 独立事件
- 如果一个事件的发生不会改变另一个事件的概率,则这两个事件是独立的,即 \(P(B \mid A) = P(B)\)。只有对于独立事件,捷径公式 \(P(A \cap B) = P(A) \times P(B)\) 才成立。例如两次分别进行的硬币抛掷或两次掷骰子。
- 边际概率
- 单个事件本身的概率,不考虑其他所有事件,例如 \(P(A)\) 或 \(P(B)\)。这是本计算器相乘的两个输入值。
- 条件概率 \(P(B \mid A)\)
- 已知 A 已经发生的情况下 B 发生的概率:$$P(B \mid A) = \frac{P(A \cap B)}{P(A)}, \quad P(A) > 0$$ 经变形后,一般乘法法则为 \(P(A \cap B) = P(A) \times P(B \mid A)\)。无论事件是否独立,该法则都适用。若事件独立,它则化简为简单乘积。
- 互斥事件
- 不可能同时发生的事件,因此 \(P(A \cap B) = 0\)。例如,在一次掷骰子中掷出 2 和掷出 5。概率非零的互斥事件不是独立的,因为得知其中一个事件发生就意味着另一个没有发生。
- “且”概率与“或”概率
- “且”要求两个事件同时发生,即 \(P(A \cap B)\),其值永远不大于任一单独事件的概率。“或”要求至少一个事件发生,即 \(P(A \cup B)\),其值永远不小于任一单独事件的概率:$$P(A \cup B) = P(A) + P(B) - P(A \cap B)$$ 减去交集部分是为了避免将重叠部分计算两次。对于互斥事件,重叠部分为零,因此 \(P(A \cup B) = P(A) + P(B)\)。
常见问题
如果两个事件并不独立怎么办?那么这种简单的相乘就是错误的,应改用 \(P(A \text{ 且 } B) = P(A) \times P(B|A)\),其中 \(P(B|A)\) 表示在 A 已发生的条件下 B 发生的条件概率。
输入值可以是百分比吗?需要先换算成小数(50% → 0.5)。本计算器只接受 0 到 1 之间的数值。
为什么结果比每个输入值都要小?要求两个事件同时发生本身就更加苛刻,因此随着条件越来越多,综合的可能性会越来越趋近于零。