定义 两个事件发生互不影响，即一个事件的发生不改变另一个事件发生的概率。
从哪来 本知识点建立在5.2 与概率结合（二项分布）的基础之上。二项分布的核心假设正是“每次试验相互独立”，理解独立事件是理解二项分布模型的前提。
为什么 独立性的本质是“信息无关”。如果事件 A 的发生与否，不能为我们提供关于事件 B 是否发生的任何线索，那么 A 对 B 的概率没有影响。
数学上，这意味着条件概率 $P(B|A)$ 等于无条件概率 $P(B)$。
推导逻辑：
1. 根据条件概率定义：$P(AB) = P(A)P(B|A)$
2. 若 A 与 B 独立，则 $P(B|A) = P(B)$
3. 代入得：$P(AB) = P(A)P(B)$
这就是独立事件的乘法公式，它比条件概率定义更简洁，且对称（A 独立于 B 等价于 B 独立于 A）。
讲法
生活直觉法
适合：抽象思维较弱、喜欢生活实例的学生
讲法：
想象你在掷两枚硬币。第一枚硬币落地后，它正面朝上还是反面朝上，会不会影响第二枚硬币的结果？显然不会。第一枚硬币没有“记忆”，也不会“施法”给第二枚硬币。
再比如，你买彩票中奖，和你朋友买彩票中奖，这两件事是独立的。你中奖了，不会让朋友的中奖概率变大或变小。
核心口诀：
“互不干扰，各玩各的”。只要一个事件的结果不改变另一个事件的可能性，就是独立事件。
讲法
逻辑推导法
适合：逻辑思维强、喜欢严谨证明的学生
讲法：
从条件概率的定义出发。
已知 $P(B|A) = \frac{P(AB)}{P(A)}$。
如果 A 和 B 独立，意味着知道 A 发生了，对 B 的概率估计没有任何帮助，所以 $P(B|A)$ 应该等于 $P(B)$。
即：$\frac{P(AB)}{P(A)} = P(B)$
两边同乘 $P(A)$，得到 $P(AB) = P(A)P(B)$。
反之，如果 $P(AB) = P(A)P(B)$，且 $P(A)>0$，则 $P(B|A) = P(B)$，说明 A 对 B 无影响。
因此，独立性的数学本质就是
联合概率等于边缘概率的乘积。
对比辨析法**
**适合：容易混淆“互斥”与“独立”的学生**
讲法：
很多学生把“互斥”和“独立”搞混。
- **互斥
A 和 B 不能同时发生（$P(AB)=0$）。比如掷一次骰子，点数是 1 和点数是 2，互斥。
-
独立：A 和 B 可以同时发生，且互不影响。比如掷两次骰子，第一次是 1，第二次是 2，独立。
关键区别：
- 互斥事件通常
不独立（除非其中一个概率为 0）。因为如果 A 发生了，B 就一定不发生，A 对 B 的概率影响极大（从 $P(B)$ 变成了 0）。
- 独立事件
不互斥（除非其中一个概率为 0）。它们可以同时发生，且发生与否互不牵制。
记忆技巧：互斥是“非此即彼”，独立是“各不相干”。