定义 多个事件同时发生时，任一事件的发生不影响其他事件发生概率的性质。
从哪来 建立在 5.2 与概率结合（二项分布） 之上。二项分布的核心假设就是“各次试验相互独立”，本知识点是将这种两两独立的逻辑推广到 $n$ 个事件，并明确其数学定义。
为什么 独立性的本质是“信息无关”。如果事件 A 发生与否，不改变事件 B 发生的概率（即 $P(B|A) = P(B)$），根据条件概率公式 $P(AB) = P(A)P(B|A)$，必然推导出 $P(AB) = P(A)P(B)$。
对于多个事件（如 A, B, C），若它们相互独立，则任意子集的组合概率都等于各自概率的乘积。例如 $P(ABC) = P(A)P(B)P(C)$。这是因为 A 的发生不影响 B，B 的发生不影响 C，这种“链式”的无影响关系使得联合概率可以完全分解为边缘概率的乘积。这是概率论中处理复杂随机现象（如多次独立重复试验）的基础工具。
适合：直观型、喜欢生活类比的学生**
**类比法：掷骰子与抽卡片**
1. **场景
左手掷一枚公平骰子（事件A：点数>3），右手掷另一枚公平骰子（事件B：点数是偶数）。
2.
提问：左手掷出6点，会不会影响右手掷出2点的概率？
3.
结论：完全不影响。因为两个骰子物理上隔离，互不干扰。这就是独立。
4.
对比：如果是从一副牌里不放回地抽两张，第一张抽到红桃，第二张抽到红桃的概率就变了（分母变小，分子变小）。这就是不独立。
5.
核心：独立 = 物理隔离或机制无关，一个事件的发生不改变另一个事件的“环境”。
适合：逻辑型、喜欢公式推导的学生**
**定义推导法：从条件概率到联合概率**
1. **起点
回顾条件概率定义 $P(B|A) = \frac{P(AB)}{P(A)}$。
2.
独立定义：若 A 与 B 独立，则 $P(B|A) = P(B)$。
3.
推导：代入得 $\frac{P(AB)}{P(A)} = P(B) \Rightarrow P(AB) = P(A)P(B)$。
4.
推广：对于事件 A, B, C，若它们相互独立，则必须满足：
* $P(AB) = P(A)P(B)$
* $P(AC) = P(A)P(C)$
* $P(BC) = P(B)P(C)$
*
且 $P(ABC) = P(A)P(B)P(C)$
5.
警示：两两独立 $\neq$ 相互独立。必须验证三元乘积公式。
适合：应用型、关注考试技巧的学生**
**题型识别法：寻找“独立”的关键词**
1. **关键词扫描
* “分别”、“各自”、“互不影响”、“独立重复试验”、“伯努利试验”。
* 物理场景：不同人的射击、不同机器的故障、不同骰子的投掷。
2.
非独立信号：
* “不放回”、“从中取出”、“剩余”、“依赖”。
* 物理场景：同一副牌、同一袋球、同一电源供电的设备（可能过载）。
3.
解题策略：
* 看到“独立” $\rightarrow$ 直接用乘法公式 $P(AB) = P(A)P(B)$。
* 看到“不独立” $\rightarrow$ 必须用条件概率 $P(AB) = P(A)P(B|A)$ 或列举法。
*
陷阱：题目说“A与B独立，B与C独立”，问A与C是否独立？答：不一定。必须题目明确说“A,B,C相互独立”或给出 $P(ABC)$ 的关系。