互斥与独立为何不能当成同一种事件关系

概率资料中的“互斥”和“独立”，都在描述两个事件的关系，但检查的内容不同。OpenStax《Statistics》第3.2节将两者分别定义：互斥事件不能共同发生；独立事件则是在知道其中一个发生后，另一个发生的概率不受影响。[1] 把两个词都解释为“互不相关”，会丢失可检验的数学条件。

互斥首先涉及共同结果。假设一次抽取有四种等可能结果，分别记为1、2、3、4。本文自拟事件A为得到1或2，事件B为得到3或4。没有一个结果同时属于这两个集合，因此A与B互斥。这里讨论同一次抽取的事件，不是在描述两次真实实验。

A和B各自的概率都是二分之一。若已经知道A发生，可能结果只剩1或2，B便没有发生的可能，条件概率变成零。它与原先的二分之一不同，所以这两个互斥事件并不独立。不能共同出现，反而让获知其中一个事件成为关于另一个事件的有效信息。

独立可以用同一假设再比较。保留A，另设事件C为得到1或3。C的原概率是二分之一；已知A后，1与2之中只有1属于C，C的条件概率仍为二分之一。A与C共同发生的结果是1，概率为四分之一，也等于两个事件各自概率的乘积。在这个等可能模型中，它们独立，却能共同发生。

来源列出的乘积条件是P(A与B共同发生)＝P(A)P(B)。由此还能看出一个必要限定：当两个事件各自的概率都大于零时，如果它们互斥，共同发生的概率为零，而乘积为正，便不能满足独立条件。省略“两者概率都大于零”，把结论写成互斥与独立在任何情况下都绝不相容，会把零概率的边界情形一并抹去。

在本文有限例子中，条件概率的已知事件都有正概率，分母才有明确含义。阅读资料时，可以分别问“共同结果有哪些”和“得知这一条件后，概率还相同吗”。前一问指向互斥，后一问指向独立；只列出两个事件的名称，尚不足以回答其中任何一问。这里没有采集样本，也不把数学模型直接当成现实事件相互影响的证据。

本篇采用OpenStax这一节的定义和相邻说明，四结果例子为独立编写。书目引用信息标示2020年3月27日出版，当前网页首次发布日未另核，页脚的2026年信息不作为本节首次发布日期。内容仅供概率术语识读，不预测真实风险、个人成绩或商业结果。

资料来源：[1] OpenStax，Statistics，3.2 Independent and Mutually Exclusive Events。