定义 独立事件指一个事件的发生与否，不影响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。二项分布的核心前提正是各次试验相互独立，理解独立性是推导二项分布概率公式的逻辑起点。
为什么 从集合论角度看，若事件 A 与 B 独立，则 A 的发生不改变样本空间中 B 所占的比例。
即 $P(B|A) = P(B)$。
根据条件概率公式 $P(AB) = P(A)P(B|A)$，代入得 $P(AB) = P(A)P(B)$。
这解释了为什么独立事件的联合概率等于各自概率的乘积：因为 A 的发生没有“消耗”或“增加” B 发生的可能性，两者在概率空间上是正交的。
直观类比法**
**适合学生
形象思维强、对抽象符号敏感但缺乏直觉的学生。
讲解：想象两个独立的骰子。掷第一个骰子出 6 点（事件 A），会不会影响第二个骰子出 6 点（事件 B）？显然不会。第一个骰子的结果已经定格，第二个骰子依然是 1-6 等可能。这就是独立：A 的结果不“污染” B 的概率空间。
公式推导法**
**适合学生
逻辑严密、喜欢从定义出发推导结论的学生。
讲解：从条件概率定义出发。若 A 与 B 独立，则 $P(B|A) = P(B)$。由 $P(AB) = P(A)P(B|A)$，直接推导出 $P(AB) = P(A)P(B)$。强调：这是定义的直接推论，而非经验公式。若 $P(A)=0$，则独立性定义需单独讨论，但通常高中阶段默认 $P(A)>0$。
反例辨析法**
**适合学生
容易混淆“互斥”与“独立”、概念边界模糊的学生。
讲解：抛一枚硬币，正面为 A，反面为 B。A 和 B 互斥（$P(AB)=0$），但它们独立吗？若独立，则 $P(AB) = P(A)P(B) = 0.5 \times 0.5 = 0.25$。矛盾！所以互斥事件（概率非零时）一定不独立。独立意味着“无关”，互斥意味着“此消彼长”。