核心要点

  • 理解互斥(disjoint)即 P(A∩B)=0

  • 会用加法公式 P(A∪B)=P(A)+P(B)−P(A∩B)

  • 能推出 P(A∩B) 的界并判断可行性

简要回答

互斥要求 P(A∩B)=0;由加法公式 P(A∪B)=1.3−P(A∩B)≤1 得 P(A∩B)≥0.3,故不可能互斥。

标准回答

一、先把互斥条件说清楚

互斥(disjoint)的意思是两个事件不会同时发生,也就是 A ∩ B = ∅,因此 P(A ∩ B) = 0。这题不要一上来只代公式,先说清楚判断目标:如果互斥成立,那么两个事件概率相加以后,联合概率不能超过 1。

二、用加法公式推出必须重叠

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
代入 P(A)=0.6, P(B)=0.7
P(A ∪ B) = 1.3 − P(A ∩ B)
概率公理要求 P(A ∪ B) ≤ 1,故:
1.3 − P(A ∩ B) ≤ 1 ⇒ P(A ∩ B) ≥ 0.3

所以 P(A ∩ B) 至少为 0.3,不可能为 0,结论就是 A 与 B 不能互斥

三、补一个直觉和一般边界

可以用一个很口语的直觉收尾:样本空间总共只有 100%,A 已经占 60%,B 又占 70%,两者合起来超过 100%,超出的 30% 必须是重叠部分。一般形式是 Bonferroni 下界P(A ∩ B) ≥ P(A) + P(B) − 1。面试里这样讲,既有公式,也能让面试官听出你理解概率约束的直觉。见 概率论基础

回答思路

  • 【定义】用一句话说清「概率题:P(A)=0.6、P(B)=0.7 时,A 与 B 能否互斥」

  • 【原理】讲清关键机制或步骤(2~3 点)

  • 【例子】举一个真实项目、论文或产品中的例子

  • 【对比】与易混淆概念或替代方案比较(如有)

  • 【收尾】总结适用场景 + 一个局限或风险

延伸学习

概率论基础朴素贝叶斯 也依赖概率运算法则。

常见误区

⚠️ 常见踩坑

误区一:容易答偏的地方:只罗列名词、不会举例;混淆相似概念;忽略工程约束(成本、延迟、数据质量)。不确定时应主动说明假设。

追问

追问 1若 P(A)=0.4, P(B)=0.5,能互斥吗?

可以。此时下界 P(A∩B) ≥ 0.4+0.5−1 = −0.1,实际取下界 max(0, ...) = 0。P(A∪B)=0.9≤1,互斥时 P(A∪B)=0.9 也成立。关键是并集概率不能超过 1,因此两个事件仍可完全不重叠。

追问 2P(A∩B) 的最大值是多少?

min(P(A), P(B)) = min(0.6, 0.7) = 0.7。当 B⊂A 时取到;此时 P(A∪B)=P(A)=0.6。直观理解是交集不可能大于任一单独事件。

追问 3独立和互斥能同时成立吗(P(A),P(B)>0)?

不能。独立要求 P(A∩B)=P(A)P(B)>0;互斥要求 P(A∩B)=0。仅当至少一事件概率为 0 时两者平凡地同时成立。

🔗 相似问题

同一考点的不同问法,换着练更稳

没找到想看的面试题?把你想看的告诉我们 →

延伸学习

按主题分类的相关资源,便于系统复习