So odvisni.
Dogodek je "zaspal pozno" vplivov verjetnost drugega dogodka "pozno v šolo".
Primer tega neodvisni dogodki večkrat obračajo kovanec.
Ker kovanca nima spomina, so verjetnosti pri drugem (ali kasnejšem) metu še vedno 50/50 - če je to pošten kovanec!
Dodatno:
Morda boste želeli razmisliti o tem:
Srečaš prijatelja, s katerim se nisi pogovarjal več let. Vse kar veš je, da ima dva otroka. Ko ga srečaš, ima s sinom svojega sina.
Kakšne so možnosti, da je tudi drugi otrok sin?
(ne, ni 50/50)
Če se to zgodi, ne boste nikoli več zaskrbljeni zaradi odvisnosti / neodvisnosti.
Kakšna je verjetnost B, če so neodvisni dogodki P (A) = 3/7, P (A potem B) = 1/3?
7/9 P (A-> B) = P (A) * P (B) 1/3 = 3/7 * P (B) P (B) = (1/3) / (3/7) = 7 / 9
Zaskočiš dve kocki. Kakšna je verjetnost, da boste na drugem umrli dobili 3 ali 6, glede na to, da ste na prvi umrli?
P (3 ali 6) = 1/3 Opazimo, da izid prvega umora ne vpliva na izid drugega. Vprašamo se le o verjetnosti 3 ali 6 na drugi umrli. Na matrici je 63 številk, od katerih želimo dva - bodisi 3 ali 6 P (3 ali 6) = 2/6 = 1/3 Če želiš verjetnost za obe kocki, potem moramo upoštevati verjetnost prvič. P (1,3) ali (1,6) = P (1,3) + P (1,6) = (1/6 xx 1/6) + (1/6 xx 1/6) = 1/36 +1/36 = 2/36 = 1/18 Prav tako smo lahko naredili: 1/6 xx 1/3 = 1/18
K neodvisni datotečni strežnik. Vsak strežnik ima povprečno "uptime" 98%. Kaj mora biti k, da bi dosegli 99,999% verjetnost, da bo "up"?
K = 3 P ["1 strežnik je vstran"] = 0.98 => P ["vsaj 1 strežnik iz K strežnikov je vstran"] = 1 - P ["0 strežnikov iz K strežnikov je do > P ["0 strežnikov iz K strežnikov je vstran"] = 0.00001 => (1-0.98) ^ K = 0.00001 => 0.02 ^ K = 0.00001 => K log (0.02) = log (0.00001) log (0.00001) / log (0.02) = 2.94 => "Vzeti moramo vsaj 3 strežnike, tako da je K = 3."