3.4 相互独立的随机变量

合集下载

3-4随机变量的独立

3-4随机变量的独立
0
2
2. 连续随机变量 X 、Y 相互独立的充分必要条件是: 相互独立的充分必要条件是: 都有: 对所有的实数 x、y ,都有: 、 f (x,y) = fX (x)×fY (y) , × 补充: 补充: 连续随机变量 X、Y 相互独立,当且仅当: 、 相互独立,当且仅当: 联合密度函数能够分解成: 对所有实数 x、y ,联合密度函数能够分解成: 、 f(x,y) = g (x)×h (y) 的形式 。 , × 并且,边缘密度函数可以直接写出: 并且,边缘密度函数可以直接写出: fX (x) = C1 g (x) ,fY (y) = C2 h (y) 这里C 是常数因子。 这里 1、 C1 是常数因子。
3
例3.4.2(续) 从 1,2,3,4 中随机地取一个数 X , 续 , , , 再从 1,· · ·,X 中随机地取一个数 Y,判断 X、Y , , , 、 是否独立? 是否独立? 联合分布律以及边缘分布律是: 解. 联合分布律以及边缘分布律是: X\Y 1 2 3 4 p· j 1 1/4 1/8 1/12 1/16 25/48 2 3 0 0 1/8 0 1/12 1/12 1/16 1/16 13/48 7/48 4 0 0 0 1/16 3/48 pi · 1/4 1/4 1/4 1/4 1
0
+∞
−2x−3y
dy = 2e
−2x
ϕX (x) = 0
−2x
2e , 所以, 所以, ϕX (x) = 0, 3e−3y , 同理可得 ϕY ( y) = 0,
(x ≥ 0) (x < 0) ( y ≥ 0) ( y < 0)
12

2e , x ≥ 0 ϕX (x) = , 0 , x < 0

§3.4相互独立的随机变量

§3.4相互独立的随机变量
故有b 1
9
可以验证此时有
p ij p ip j i 1 ,2 ;j 1 ,2 ,3
因 此 , 取 a=2,b1时 X 与 Y 相 互 独 立 .
99
7
例3 设X和Y相互独立,其边缘分布律如下 表,试求(X,Y)的联合分布律和P(X+Y=1)及 P(X+Y≠0).
X -2 -1 0 1/2 pi. 1/4 1/3 1/12 1/3
Y
-1/2 1
3
p.j
1/2 1/4 1/4
8
解:因X和Y相互独立,
应 有 p i j p i p j i 1 ,2 ,3 ,4 ;j 1 ,2 ,3
故(X,Y)的联合分布律为
Y
-1/2
1
3
X
-2
1/8
1/16
1/16
-1
1/6
1/12
1/12
0
1/24
1/48
1/48
1/2
1/6
1/12
1
由二维随机变量 ( X, Y ) 相互独立的定义 可知,二维随机变量 ( X, Y ) 相互独立的 充要条件是:对任意的x,y,有
F (x ,y ) F X (x )F Y (y )
它表明,两个随机变量相互独立时,它们 的联合分布函数等于两个边缘分布函数的乘 积.
2
若(X,Y)是连续型随机变量,则上述独立性的 定义等价于:若对任意的 x, y, 有
1 x2y2
f(x,y)2e 2
x,y
P {X2Y21} f(x,y)dxdy x2y21

1
x2 y2
e 2 dxdy
2 x2 y2 1
17

3.4 随机变量的独立性

3.4 随机变量的独立性
则称X与Y 相互独立 . 它表明,两个随机变量相互独立时,它们的联合分布函数等于 两个边缘分布函数的乘积 .
第2页
3.4 随机变量独立性
可以证明如下结论: (1)若 (X,Y)是连续型r.v ,则上述独立性的定义等价于:
对任意的 x, y, 有
f ( x , y ) f X ( x ) fY ( y )
第6页
3.4 随机变量独立性
例3.4.1
1.
P( X P( X P( X P( X
X ,Y 具有分布律右图,则:
1, Y 0) 1 6 P( X 1) P(Y 0) 2, Y 0) 1 6 P( X 2) P(Y 0) 1, Y 1) 2 6 P( X 1) P(Y 1) 2, Y 1) 2 6 P( X 2) P(Y 1)
p ij p i p j
离散型随机变量的联合分布列等于其边缘分布列的乘积
P { X x i | Y y j } p i , , P { Y y j | X x i } p j
任一变量的条件分布列等于其边缘分布列
要判断 X 和 Y 不独立,只需找到 X, Y 的一对取值(xi,yj),使得 P{X xi , Y y j } P{X xi }P{Y y j }.
P( X1 x1i1 )
i2 ,i3 ,in

P( X1 x1i1 , X 2 x2i2 ,, X n xnin )
P( X1 x1i1 , X 2 x2i2 )
f X1 ( x1 )


i3 ,i4 ,in

P( X1 x1i1 , X 2 x2i2 ,, X n xnin )

3.4多维随机变量的独立性

3.4多维随机变量的独立性

P ( X xi , Y y j ) P ( X xi ) P (Y y j )
则称X和Y相互独立.
例1
Y 0 2/9 0 1/9 1/3 1 1/9 2/9 0 1/ 3 2 0 1/9 2/9 1/3
X
0 1 2
p
X i
pi
1/3 1/3 1/3
p j
例2
Y
若X,Y具有联合分布率
xe ( x y ) , x 0, y 0 f (x, y) f X ( x) fY ( y) f ( x, y ) 故X,Y 独立 0 , 其它
问X和Y是否独立?
解:f X ( x )
0


xe
( x y )
dy xe x , x>0
y
fY ( y) xe
3. 若 (X,Y)是连续型r.v ,则上述独立性的 定义等价于: 对任意的 x, y, 有
f ( x, y) f X ( x) fY ( y)
几乎处处成立,则称X,Y相互独立 .
这里“几乎处处 成立”的含义是: 在平面上除去面 积为0的集合外, 处处成立.
例3
设(X,Y)的概率密度为
一切x, y, 均有
15 45 60
y

x
xy
x
=1/2
1 dy ]dx 1800
40
10
0
15
45
x
1 [60 30 2(10 30 30 30 / 2)] 1800
解二:P(| X-Y| 5) 1 dxdy 1800 | x y | 5
y
60
40

3.4随机变量的独立性(易)

3.4随机变量的独立性(易)


( x 1 )
2 2 1
2
e
1 2 2

( y 2 ) 2 2
2
e
取 x 1 , y 2
1 2 1 2 1
2

故 0
将 0 代入 f ( x, y ) 即得
f ( x, y ) f X ( x ) f Y ( y )
所以X与Y相互独立
( X , Y ) 的分布函数及边缘分布
函数 . 若对于所有 x , y
它表明,两个 则称随机变量 X 和 Y 是 相互独立 的 . r.v相互独立时, 联合分布函数等 注:X 和 Y 相互独立 , 则 于两个边缘分布 对任意 x1 x 2 , y 1 y 2 , 函数的乘积
事件 x1 X x 2 与 y 1 Y y 2 也相互独立 .
的时间 ,
由假设 X 和 Y 的概率密度分别为
1 2 , 7 y 9 , 1 4 , 8 x 12 , fY ( y ) fX ( x) 其他 , 0, 0 , 其他 , 由于 X , Y 相互独立 , 得 ( X , Y ) 的概率密度为 1 8 , 8 x 12 , 7 y 9 , f ( x , y ) f X ( x ) fY ( y ) 其他 . 0,
有的书称为“几乎处处成立”,含义是:在 平面上除去面积为0的集合外,处处成立.
例1
已知 ( X , Y ) 的分布律为
(1 , 3 ) ( 2 ,1 ) ( 2 ,2 ) ( 2 ,3 )
( X , Y ) (1 ,1 ) ( 1 , 2 )
p ij
1 6
1 9
1 18
1 3

3.4 相互独立的随机变量

3.4 相互独立的随机变量

YX 0
100 0 144
1
20
144
P{X i} 10 12
1 P{Y j}
20 10
144 12
4
2
144 12
2
12
由相互独立的充分必要条件知 X 与 Y 相互独立。
1.分布函数
n 维随机变量 ( X1, X2 ,, Xn ) 的分布函数
F(x1, x2,, xn) P{X1 x1, X2 x2,, Xn xn},
其中 x1, x2 ,, xn 为任意实数.
2.概率密度函数
若存在非负函数 f ( x1, x2 ,, xn ), 使对于任意 实数 x1, x2 ,, xn 有
1
e ,
(
x μ1 2 σ12
)2
2πσ1
fY ( y)
1
e .
(
x μ2

2 2
)2
2πσ2
重要结论:“二维正态变量X,Y独立 ρ 0 ”
//若=0,易得f (x, y) fX (x) fY (y)对所有x,y成立,故X,Y独立;
//若X,Y独立,则对所有x,y 有 f (x, y) fX (x) fY (y)成立,
的联合概率密度.

fX (x)
1
e ,
(
xa)2 2σ2
x ;
2 σ
fY
(
y)
1 2b
,
b y b, 而X 与Y 相互独立,
0, 其它.
所以 f ( x, y) fX ( x) fY ( y)
1 2b
0
1
e
(
xa)2 2σ2
2 σ
, x ,

二维随机变量的函数的分布

二维随机变量的函数的分布
即 pij pi p j .
(2) 设连续型随机变量( X ,Y )的概率密度为f ( x, y) , 边缘概率密度分别为f X ( x) , fY ( y) ,则有
X 和Y 相互独立 f ( x, y) f X ( x) fY ( y).
在f ( x, y) , f X ( x) , fY ( y)的一切连续点(x, y)处
Z=X+Y的概率密度。

fX (x)
1
x2
e 2,
2
fY ( y)
1
y2
e 2 ,( x, y )
2

fZ (z) fX ( x) fY (z x)dx
t 2(x z ) 2


1
x2
e2
2
1 e dx
(
z x 2
0.1 0.3 0.3 0.1 0.2
X与Y独立,X,Y取0,1,2,…,则Z=X+Y Z=max(X,Y)
的分布律
设X与Y独立,分别服从参数为 1 ,2 的泊松分布, 证明Z=X+Y服从参数为 1 2 的泊松分布。
【注】分布具有可加性
二项分布的可加性(P89)
二、 连续型随机变量的函数的分布
例2 设随机变量X和Y相互独立,且X和Y都是(0,a) 上的均匀分布,求Z=X+Y的概率密度。
例2 在一简单电路中,两电阻R1和R2串联联接,设
R1, R2相f (互x)独 立1,050它x 们, 的0 概x率密10度, 均为 z
0,
其 它.
求总电阻R=R1+R2的概率密度.
z=x+10 z=x
0,
, x 0, 其它.

3.4(随机变量的相互独立性)

3.4(随机变量的相互独立性)
证:二维正态分布的概率密度为
f ( x , y) 1 2 1 2 1 ( x 1 ) 2 ( x 1 )( y 2 ) ( y 2 ) 2 exp{ ( 2 } 2 2 2 2 2 ( 1 ) 1 1 1 2 2
由例3.11知,f X ( x ), fY ( y)的乘积为
0
1
x2 2
)dx
1 1 2 e 2 0
1
x2 2
dx
1 2 (1) (0)
1 2.5066 0.8413 0.5
0.1445

3.4 随机变量的相互独立性
【例 3.19】对于二维正态分布,则 X 与 Y 相互独立的 充要条件是ρ=0.
0.5
pj
0.5
0.5
及独立性得到下表:
3.4 随机变量的相互独立性
pij
Z
0.25
1
0.25
0
0.25
0
0.25
1
(X,Y) (0,0) (0,1) (1,0) (1,1)
(X,Z) (0,1) (0,0) (1,0) (1,1)
(X,Z)的分布律及边缘分布律为:
X Z 0 0 0.25 1 0.25 p i. 0.5
第3章 多维随机变量及其分布
3.4 随机变量的相互独立性
定义3.9 设n维随机变量(X1,X2,…,Xn)的分 布函数为F(x1,x2,…,xn),FXi (xi)为Xi的边缘分布 函数,如果对任意n个实数x1,x2,…,xn,有
P{ X 1 x1 , X 2 x2 ,, X n xn } P{ X i xi } 即 F ( x1 , x2 , , xn ) FX i ( xi )

《概率论与数理统计》课程教案

《概率论与数理统计》课程教案
于是
P{X=m,Y=n}=(1-p)•…•(1-p)•p•(1-p)…•(1-p)•p=p2(1-p)n-2
第m次第n次
即联合分布律为P{X=m,Y=n}=p2(1-p)n-2,m=1,2,…,n=2,3,…,m<n
又关于X的边缘分布律:
P{X=m}= = = =p(1-p)m-1,
m=1,2,…
P{Y=n}= =(n-1)p2(1-p)n-2,n=2,3,…
二维随机变量的条件分布
教学方法
提问、讲授、启发、讨论
工具仪器
多媒体教具、教材、教案、教学课件、考勤表、平时成绩登记表
教学安排
考勤、复习相关知识点、新课内容概述、组织教学、布置作业、课后小结
教学过程
教学组织、具体教学内容及教学方法、手段、时间分配及其它说明
备 注
第一部分:旧知识点复习和新课内容概述(5分钟)
当y=0时,及y=1/2时fX|Y(x|y)均是相应区间上的均匀分布,但区间长短和概率密度值不同。
例4:设数X在区间(0,1)上随机地取值,当观察到X=x(0<x<1)时,数Y在区间(x,1)上随机地取值,求Y的概率密度fY(y).由条件概率密度-》联合概率密度-》边缘概率密度
解:由题意,X具有概率密度fX(x)= ,在(0<x<1)区间内,对于任意给定的x,在X=x条件下,Y的条件概率密度为fY|X(y|x)=
几乎处处成立的意义是,除去平面上面积为0的集合(点,线)以外,处处成立
对于离散型随机变量(X,Y),
X和Y相互独立的条件等价于P{X=xi,Y=yj}=P{X=xi}P{Y=yj}对于X和Y的所有可能取值(xi,yj)都成立,或记为pij=pi•p•j,i,j=1,2,…

概率论:相互独立的随机变量

概率论:相互独立的随机变量
第四节
相互独立的随机变量
一、随机变量的相互独立性
二、小结
随机变量相互独立是概率论中非常重要的 概念,它是随机事件相互独立的推广.
本节主要讨论两个随机变量相互独立的一
般性定义,然后对两个离散性随机变量和两个 连续性随机变量相互独立进行不同的处理.
A {Y y} 设A是随机变量Y所生成的事件:
(4)随机变量x于Y相互独立的充分必要条件是X所 生成的任何事件与Y生成的任何事件独立, 即,对任意实数集A,B
P{ X A, Y B} P{ X A}P{Y B}
(5)若n个随机变量X1,X2,…,X n相互独立,则它们中 的任意m(1<m≤n)个随机变量也相互独立.
例1 已知 ( X ,Y ) 的分布律为
4 xy 0 x 1,0 y 1 f ( x, y) . 其它 0
(1)求分别关于 X 与 Y 的边缘密度函数; (2)X 与 Y 是否独立?说明理由.
解 (1)

f X ( x)


1 4 xydy 0 x 1 2 x 0 x 1 f ( x, y )dy 0 0 其它 0 其它
N (a , σ 2 ),Y 在 [ b, b] 上服从均匀分布 , 求 ( X ,Y ) 的联合概率密度 .
解 由于X 与Y 相互独立,
所以 f ( x , y ) f X ( x ) fY ( y )
1 又 f X ( x) e , x ; 2 πσ 1 , b y b, fY ( y ) 2b 其他. 0,
(2 X ) 4Y 0,
2
故所求概率为;
P{Y X }
2

高等数学3.4 随机变量的独立性与条件分布

高等数学3.4 随机变量的独立性与条件分布

2 3/15 3/15
0 1
(2) 由( X , Y ) 的联合分布律知 X 的边缘分布为 X P 0 1/15 1 10/15
由条件分布定义可知
P Y = 0 X = 0 = P Y = 1 X = 0 = P Y = 2 X = 0 =
P X = 0 , Y = 0 P X = 0 P X = 0 , Y = 1 P X = 0 P X = 0 , Y = 2 P X = 0
Y P
1 1/2
2 1/9 +α
3 1/18 +β
若X 与 Y 相互独立, 则有 1 = P X = 1, Y = 2 = P X= 1 9 1 1 = ( + ) 3 9 1 = P X = 1, Y= 3 = P X =1 18 1 1 = ( + ) 3 18
Y P = 2
dt
=
同理
x R
fY ( y ) =
( y 2 )2 exp , 2 2 2 2 2 1
y R
若 = 0 , 则对于任意实数 x 与 y 都有 f ( x, y ) = f X ( x )fY ( y ) 因此 X 与 Y 是相互独立的 . 反之, 若 X 与Y 相互独立, 则对于任意实数 x与 y 都有 f ( x, y ) = f X ( x )fY ( y ) 若取 x = 1 , y = 2 , 则有
1 2
2
2 2 ( x ) ( x ) 2 2 1 1 + 2 2 1 1
y 2 ( x 1 ) x 1 1 = 2 2 1 2 1 2(1 ) 2
2
所以( X , Y )关于X的边缘密度为

3.4随机变量的独立性

3.4随机变量的独立性

4、在区间(0, 上随机地取两个数,则这两个数之差 1) 的绝对值小于1/ 的概率为: 2
1 −1 0 例题1 (167 NO1) 设随机变量 Xi~ 1/4 1/2 1/4 且满足P {X 1 X 2 = 0} = 1, 则P {X1=X 2 }=( )
i = 1, 2
(A) 0; B) ( 1/4 (C) 1/2 (D) 1
0
x
{ 记 G=(x, y) 0 ≤ y ≤ x ≤ 1} =
故 X,Y不 互 立 相 独 .
y < 0 or y > 1; 0, fY ( y) = 3 0 ≤ y ≤ 1. 4 y − 4 y ,
在区域 G 中 f ( x, y) ≠ fX ( x) ⋅ fY ( y)
例4 .
设(X,Y)服从区域D上的均匀分布,判断X,Y的独立性 服从区域D上的均匀分布,判断X 2
而且 P { X 1 X 2 = 0} = 1 (1)求X1 ,X 2的联合分布 (2)问:X1和X 2是否独立?为什么?
例题 (171-9) 设某班车起点站上客人数X服从参数 为λ (λ >0)的泊松分布,每位乘客在途中下车 的概率为p, 且中途下车与否是相互独立的, 以Y表示在中途下车的人数,求: (1)在发车时有n个乘客的条件下,中途有m 人下车的概率. (2)二维随机变量(X,Y)的概率分布.
2. (X,Y)是离散型
=1, 2 若(X,Y)的所有可能取值为(xi,yj),(i,j=1,…2,…) 的所有可能取值为( )
1,2,… 则 X 与 Y 相互独立的充分必要条件是对一切 i,j = 1,2, 有
P{X = xi,Y= yj}= P{X= xi}· P{Y= yi}

概率论-3.4 相互独立的随机变量

概率论-3.4 相互独立的随机变量

1 18
得 1
9
2020年4月26日星期日
4
目录
上页
下页
返回
例:证明当
(X,Y) :
N
(1,
2
,12
,
2 2
,
, )
X
和Y
相互独
立的充分必要条件为ρ=0.
证明: 当
(X ,Y) :
N
(
1
,
2
,
2 1
,
,22有,
)
X
:
N
(1
,
2 1
),Y
:
N
(
2
,
2 2
)

fX (x)
1
e
(
x 1 212
)2
对于连续型随机变量(X, Y), X 和Y相互独立等价于
f (x, y) fX (x) fY ( y)
2020年4月26日星期日
2
目录
上页
下页
返回
例:已知随机变量 X 和Y 相互独立,且分布律为
求α,β。
X Y
0
1
2
01 1 1 6 9 18
11
3
解:由于随机变量 X 和Y 相互独立,可知
PX 1,Y 0 PX 1 PY 0

1 9
1 9
1 6
1 9
1 18
得 2
9
2020年4月26日星期日
3
目录
上页
下页
返回
例:已知随机变量 X 和Y 相互独立,且分布律为
求α,β。 续解。。。
X Y
0
1
2
01 1 1 6 9 18

概率论:相互独立的随机变量

概率论:相互独立的随机变量
2. 设连续型随机变量( X ,Y )的联合概率密度为 f ( x , y ), 边缘概率密度分别为f X ( x ), fY ( y ), 则有
X 和 Y 相互独立 f ( x , y ) f X ( x ) fY ( y ). 3. X 和 Y 相互独立, 则 f ( X ) 和 g(Y )也相互独立.
因此负责人和他的秘书 到达办公室的时间相差 1 不超过 5 分钟的概率为 . 48
我们知道:二维正态随机变量(X,Y)的概率密度为
f ( x, y) 1 2 1 2 1 ( x 1 ) 2 exp 2 2 2 1 2(1 ) 1
( x 1 )( y 2 ) ( y 2 )2 2 2 1 2 2
一、随机变量的相互独立性
1.定义
设F ( x , y )及FX ( x ), FY ( y )分别是二维随机变量 ( X ,Y )的分布函数及边缘分布 函数.若对于所有 x , y 有 即 P{ X x ,Y y } P{ X x }P{Y y }, F ( x , y ) FX ( x )FY ( y ),
( 2) 设连续型随机变量( X ,Y )的联合概率密度为 f ( x , y ), 边缘概率密度分别为f X ( x ), fY ( y ), 则有
X 和 Y 相互独立 f ( x , y ) f X ( x ) fY ( y ).
( 3) X 和 Y 相互独立, 则 f ( X ) 和 g(Y )也相互独立.
Y
0
1
p i.
0.3 0.4
0.7
P ( X 0, Y 0) P ( X 0) P (Y 0) p
0.2 0.1

3.4 二维随机变量的独立性

3.4 二维随机变量的独立性

对离散性和连续性随机变量,也可利用其分布律 与概率密度来判定独立性.
(1) 若(X,Y)是离散型随机变量,则 X与Y相互独立的充要条件是:对(X,Y)的所有可能
取值 ( xi , yj ) ,有
P{ X xi ,Y y j } P{ X xi } P{Y y j }
(2) 若(X,Y)是连续型随机变量,则 X与Y相互独立的充要条件是:
3.4 二维随机变量的独立性
回顾:事件A与B独立性 P(AB)=P(A)P(B)
定义3.4.1 设二维随机变量(X,Y),若对任意的x, y 有
P{X x,Y y} P{X x} P{Y y},

F ( x, y) FX ( x) FY ( y),
则称随机变量X与Y是相互独立的.
解一
P{|X-Y|≤5}= P{-5≤X-Y≤5}
1 45 x5
[
dy]dx
15 x5 1800
1 6
1 45 60
P{X<Y}= [
dy]dx
15 x 1800
1 2
解二 P{|X-Y|≤5}
1

dxdy
|XY|5 1800
被积函数为常数, 1
直接求面积

作业 习题册: 3.3节:P24: 3; 3.4节:P25: 2,3,6
,15
30

x

45,
fY ( y)


1 ,0 60

y

60
0, 其它
0, 其它
由于X与Y相互独立,故
f ( x, y) 18100,15 x 45, 0 y 60, 0, 其它

3.2,3.4边缘分布及独立性

3.2,3.4边缘分布及独立性
相互独立的充分必要条件是:对 (X ,所Y)有可能
的取值 ( x有i , y j )
P{X xi ,Y y j} P{X xi} P{Y y j} ,
即对所有的 (i, j)
pij pi p j
例2 设 ( X 的,Y联) 合分布律为
X Y 1 0 1
1 1 12 1 6 1 12
2 1 24 1 12 1 24
3.2,3.4 边缘分布及独立性
一、边缘分布函数 设二维随机变量(X,Y)的联合分布函数
为F(x,y) FX ( x) P{X x} P{X x,Y }=F ( x,)
FY ( y) P{Y y} P{ X ,Y y}=F (, y)
将以上 FX和( x) 称F维Y (二y)维随机 变量
f (x, y) fX (x) fY ( y) .
即对任何 x,都y 成立
1
21 2
1
2
exp{
2(1
1
2
)
[(
x 1 1
)2
2( x 1 )( y 2 ) ( y 2 )2]}
1 2
2
1
( x1 )2
e 212
1
( y2 )2
e 2
2 2
2 1
2 2
特别取 x 1, y 2 上式化为:
4 1 8 14 18
证明X与 Y分布 3
1 4
p1•
p•1
1 11
p12
6
3
2
p1•
p•2
类似可以验证:
对所有的 (i, j) pij pi p j 成立,所以 X与 Y分布相互立。
例3 已知
X Y 1 0 1
0 1/ 4 0 1/ 4

概率与数理统计3.4 相互独立的随机变量

概率与数理统计3.4 相互独立的随机变量

26
12
23
1
则有 P{X 0,Y 1} 1 6 P{X 0}P{Y 1},
P{X 0,Y 2} 1 6 P{X 0}P{Y 2},
P{X 1,Y 1} 2 6 P{X 1}P{Y 1},
P{X 1,Y 2} 2 6 P{X 1}P{Y 2},
xe y
d
y,
xex , x 0,
0, x 0.
x0 x 0.

fY ( y)
f (x, y)d x



y 0
xe y d x,
y0
0,
y 0.
12 y2e y , y 0,
0,
y 0.
由于在 0 x y 上, f ( x, y) f X ( x) fY ( y), 故 X 与Y 不独立.
第四节 相互独立的随机变量
一、随机变量的相互独立性 二、二维随机变量的推广 三、小结
一、相互独立的随机变量
1.定义
设F ( x, y)及FX ( x), FY ( y)分别是二维随机变 量( X ,Y )的分布函数及边缘分布函数. 若对于所有
x, y有
P{X x,Y y} P{X x}P{Y y},
(2) 设连续型随机变量( X ,Y )的联合概率密度为 f ( x, y),边缘概率密度分别为f X ( x), fY ( y),则有
X 和 Y 相互独立 f ( x, y) fX ( x) fY ( y).
(3)X 和 Y 相互独立, 则 f ( X ) 和 g(Y )也相互独立.
例1 对于随机变量 X和Y,由
exp

3.4二维随机变量的独立性

3.4二维随机变量的独立性

f ( x , y ) f X ( x ) fY ( y )
则称X与Y相互独立。
证明:若 ( X ,Y ) ~ N ( μ1 , μ2 , σ12 , σ 22 , ρ) 则
X与Y相互独立
0
f ( x, y ) f X ( x ) fY ( y )
2 y μ2 x μ1 y μ2 2 ρ σ2 σ1 σ2
将其余数值 填入空白处.
X
Y
y1
1 24 1 8 1 6
y2
1 8 3 8 1 2
y3
1 12 1 4 1 3
P X xi pi
1 4 3 4 1
x1 x2
P Y y j p j


二、二维连续型随机变量的独立性 定义3.4.2 设(X,Y)为二维连续型随机变量, 如果对任意的实数 x 和 y 都有
X
Y
y1
p11 p21 pi 1
y2 ...
p12 ... p22 ... pi 2 ...
yj
p1 j p2 j pij
x1 x2 xi Y
... X ... p1
... ...
p 2 pi
p1
p2 pபைடு நூலகம் j
例 设随机变量 X 与 Y 独立, 下表列出二维随机变量 ( X , Y ) 的联合分布律 及边缘分布律 的部分数值,
证明:X与Y相互独立
f ( x, y ) f X ( x ) fY ( y )
1 2πσ1σ 2 1 ρ
2
e
1 2(1 ρ2 )


x μ1 σ1
2

1 2πσ1
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

FX 1 ( x1 ) F ( x1 , , ,, ) FX 1 , X 2 ( x1 , x2 ) F ( x1 , x 2 , , ,, )
4.边缘概率密度函数
若 f ( x1 , x2 ,, xn ) 是 ( X 1 , X 2 ,, X n ) 的概率
密度, 则 ( X1 , X 2 ,, X n ) 关于 X1 ,关于 ( X1 , X 2 ) 的
x
FX Y ( x y )
f X Y ( x y ) d x
x y
[ f ( x , y ) fY ( y )]d x .
FY X ( y x )
y
fY X ( y x ) d y
[ f ( x , y ) f X ( x )]d y .

思考题
设随机变量 X 和Y 相互独立, 并且 X 服从 N (a , σ ),Y 在 [ b, b] 上服从均匀分布, 求 ( X ,Y )
同理可得 ( X 1 , X 2 ,, X n ) 的 k (1 k n) 维边缘概
率密度 .
5. 相互独立性
若对于所有的 x1 , x2 ,, xn 有
F ( x1 , x2 ,, xn ) FX 1 ( x1 )FX 2 ( x2 ) FX n ( xn ),
则称 X 1 , X 2 ,, X n 是相互独立的. 若对于所有的 x1 , x2 ,, xm , y1 , y2 ,, yn 有
P{ X i ,Y j } pij , i , j 1,2,.
X 和 Y 相互独立
P{ X xi ,Y y j } P{ X xi }P{Y y j },
即 pij pi p j .
( 2) 设连续型随机变量 ( X ,Y )的联合概率密度为 f ( x , y ), 边缘概率密度分别为 f X ( x ), fY ( y ), 则有
1 ( x μ1 )2 ( x μ1 )( y μ2 ) ( y μ2 )2 exp 2ρ 2 2 2 σ 1σ 2 σ2 2(1 ρ ) σ1 1 ( x μ1 )2 ( y μ2 )2 1 exp f X ( x ) fY ( x ) . 2 2 2 πσ1σ 2 σ2 2 σ1
y 0,
其他,

f ( x , y ) f X ( x ) fY ( y ),
因而X和Y是相互独立的.
例2
Y
若X,Y具有联合分布率
X 1
0
16 16 13
1 26
26 23
PY j
12 12 1
2 Px i
则有 P{ X 0,Y 1} 1 6 P { X 0} P {Y 1},
结论:
对于二维正态随机变量 ( X ,Y ) , X和Y相互独立 的充要条件是参数 0.
例3一负责人到达办公室的时间均匀分布在8~12 时, 他的秘书到达办公室的时间均匀分布在7~9时,
设他们两人到达的时间相互独立, 求他们到达办 室的时间相差不超过 5 分钟 (1 12小时)的概率.
解 设 X 和Y 分别是负责人和 他的秘书到达办公室的时间,
边缘概率密度分别为
f X 1 ( x1 )


f ( x1 , x 2 ,, x n ) d x 2 d x 3 d x n ,




f X 1 , X 2 ( x1 , x2 )
f ( x1 , x 2 ,, x n ) d x 3 d x4 d x n .
P{ X 0,Y 2} 1 6 P{ X 0}P{Y 2}, P{ X 1,Y 1} 2 6 P { X 1} P {Y 1}, P{ X 1,Y 2} 2 6 P { X 1} P {Y 2},
考察二维正态随机变量 ( X ,Y ) . 1 f ( x, y) 2 σ1σ 2 1 ρ 2
F ( x1 , x2 ,, xm , y1 , y2 ,, yn )
F1 ( x1 , x2 ,, xm )F2 ( y1 , y2 ,, yn )
其中F1 , F2 , F依次为随机变量( X1 , X 2 ,, X m ),
(Y1 ,Y2 ,,Yn )和( X1 , X 2 ,, X m ,Y1 ,Y2 ,,Yn )的分布

G的面积
三角形ABC 的面积 三角形ABC 的面积
1 1 13 1 11 . 6 2 12 2 12
2 2
于是
1 1 1 P { X Y } ( G 的面积 ) . 12 48 8
即负责人和他的秘书到达办公室的时间相差不超
X Y 1 12 , 以及长方形[8 x 12;7 y 9], 它
们的公共部分是四边形 BCC B, 记为G(如图3 8).
显然仅当( X ,Y )取值于G内, 他们两人到达的时间
相差才不超过 1 12小时. 因此, 所求的概率为 1 P{ X Y } y A C C 12 9 B G f ( x , y ) d x d y B 7 G 1 O 8 ( G 的面积 ). 12 x 8
则称事件 A , B 独立 .
用分布函数表示,即 设 X,Y是两个r.v,若对任意的x,y,有
Байду номын сангаас
F ( x, y) FX ( x)FY ( y)
则称 X 和 Y 相互独立 .
它表明,两个r.v相互独立时,它们的联合分布函 数等于两个边缘分布函数的乘积 .
2.说明
(1) 若离散型随机变量 ( X,Y )的联合分布律为
Y2 ,,Yn ) 相互独立.
三、小 结
1. 若离散型随机变量 ( X,Y )的联合分布律为
P{ X i ,Y j } pij , i , j 1,2,.
X 和 Y 相互独立
P{ X xi ,Y y j } P{ X xi }P{Y y j }.
2. 设连续型随机变量 ( X ,Y )的联合概率密度为
函数, 则称随机变量( X1 ,, X m )和(Y1 ,,Yn )是相互 独立的.
6.重要结论
定理 设 ( X1 , X 2 ,, X m ) 和 (Y1 ,Y2 ,,Yn ) 相互
独立, 则X i (1,2,, m )和Y j ( j 1,2,, n)相互独立.
又若 h, g是连续函数, 则 h( X 1 , X 2 ,, X m ) 和 g(Y1 ,
由假设 X 和Y 的概率密度分别为
f X ( x)
1 , 8 x 12, 4 fY ( y ) 0, 其他,
0,
1 , 7 x 9, 2
其他,
因为 X ,Y 相互独立, 故 ( X ,Y ) 的概率密度为 y A C C f ( x , y ) f X ( x ) fY ( y ) 9 B G 1 B , 8 x 12 , 7 y 9 , 7 8 0, 其他. O 8 12 x 按题意需要求概率P{ X Y 1 12}. 画出区域:
2.概率密度函数
若存在非负函数 f ( x1 , x2 ,, xn ), 使对于任意 实数 x1 , x2 ,, xn 有
F ( x1 , x2 ,, xn )


xn
xn 1

x1

f ( x1 , x2 ,, xn ) d x1 d x2 d xn ,
则称 f ( x1 , x2 ,, xn ) 为 ( X 1 , X 2 ,, X n ) 的概率密
度函数.
3.边缘分布函数
设( X1 , X 2 ,, X n )的分布函数F ( x1 , x2 ,, xn )
为已知, 则( X 1 , X 2 ,, X n )的k (1 k n)维边缘分布 函数就随之确定. 例如( X 1 , X 2 ,, X n )关于X 1、关于
( X1 , X 2 )的边缘分布函数分别为
2
的联合概率密度 .
f ( x , y ), 边缘概率密度分别为 f X ( x ), fY ( y ), 则有
X 和 Y 相互独立 f ( x , y ) f X ( x ) fY ( y )
3. X 和 Y 相互独立, 则 f ( X ) 和 g(Y )也相互独立. 4. 设 ( X ,Y ) 是二维连续型随机变量 , 则有
第四节
相互独立的随机变量
一、随机变量的相互独立性 二、二维随机变量的推广 三、小结
一、相互独立的随机变量
1.定义
设 X,Y是两个r.v,若对任意的x,y,有
P ( X x,Y y) P( X x) P(Y y)
则称 X 和 Y 相互独立 .
两事件 A , B 独立的定义是:若P(AB)=P(A)P(B)
X 和 Y 相互独立 f ( x , y ) f X ( x ) fY ( y ).
( 3 ) X 和 Y 相互独立, 则 f ( X ) 和 g(Y )也相互独立.
由 例1 对于随机变量 X和Y,
2 x y 2 e , x 0 , e , f X ( x) fY ( y ) 其他, 0, 0,
1 过 5 分钟的概率为 . 48
补充例题
二、二维随机变量的推广
1.分布函数
n 维随机变量 ( X 1 , X 2 ,, X n ) 的分布函数定
义为
F ( x1 , x2 ,, xn ) P{ X 1 x1 , X 2 x2 ,, X n xn },
相关文档
最新文档