概率论与数理统计课件5-3.pptVIP

5.3 随机变量的独立性 如果随机变量 ξ、η 满足：对所有的实数 x、y ， 联合分布函数都等于边缘分布函数的乘积 ： 即 F ( x,y ) = Fξ (x)×Fη (y) 则称 随机变量 ξ、η 是相互独立的 . ( independent, 缩写为：ind ) 定义 两个随机变量的相互独立 随机变量的独立就是事件独立性的推广 注意 要判断两个离散随机变量不独立，只需要找到 某一对整数 i0、j0 ，使得： pi j ≠ pi · × p· j 0 0 0 0 按照随机变量的类型 联合分布律等于边缘分布律的乘积. 即， pi j = pi ·×p· j 对全部 i、j 成立 两个离散随机变量的独立 一. 如何判断随机变量的独立 例　　从 1，2，3，4 中随机地取一个数 X ， 再从 1，· · ·，X 中随机地取一个数 Y， 判断 X、Y 是否独立？ 解. 联合分布律以及边缘分布律是： 显然 X、Y 不独立。 X \ Y 1 2 3 4 pi · 1 1/4 0 0 0 1/4 2 1/8 1/8 0 0 1/4 3 1/12 1/12 1/12 0 1/4 4 1/16 1/16 1/16 1/16 1/4 p· j 25/48 13/48 7/48 3/48 1 联合分布密度函数等于边缘分布密度函数的乘积。即， f ( x,y ) = fξ (x)×fη(y) 两个连续随机变量的独立 随机变量 ξ、η 是相互独立的充要条件是条件分布总是等于无条件分布。 例 讨论两人约好7 点到 8 点见面， 先到者等20 分钟就离开，求两人能够见面的概率。 以 x ，y 分别表示两人到达的时间， 他们能见面的充要条件 是 | x – y | ≤ 1/3 ，即图 中两条直线间的部分 A 1 1 o x y S 1/3 1/3 A x – y = – 1/3 x – y = 1/3 p = ————— = 1 – — = — 。 A 的面积 S 的面积 4 5 9 9 解. 以 X、Y 分别表示甲、乙的到达时间，它们都是 服从区间( 0,1 ) 上均匀分布的随机变量。 并且根据题意，X、Y 相互独立，联合密度函数是 p (x,y) = 1 ，0 ＜ x,y ＜ 1 两人能够见面的概率，也就是： p = P { | X – Y | ≤ 1/3 } 根据面积来计算这个二重积分，就是几何概率的做法， 而且非常简单。 因此，他们两人能够见面的概率是： = 2×{ — + ( y – — ) } = 2×( — + — – — ) = — 。 2 y2 9 2 2 1 4 5 9 2 9 9 1 2/3 推广到n个随机变量的情形 如何应用随机变量的独立 两个随机变量的独立可以理解成： 与这两个随机变量有关的所有随机事件都是独立的 大多数的情况下，随机变量的独立性是用于： 从各自的 (边缘) 分布得到联合分布。 联合分布、边缘分布与条件分布的关系 与概率乘法公式相比较： P (AB) = P (A)×P (B|A) = P (B)×P (A|B) 1. 对于