3.6条件分布与条件期望--概率论课件资料.pptVIP

* * § 3.6 条件分布与条件期望 定义3.6.1 称 P( ξ x | η = y ) 为已知( η = y ) 发生的条件下 ξ 的条件分布函数,并记作 Fξ|η( x | y ). 设 ( ξ, η ) 的联合分布函数为 F( x, y ), 它的密度函数为 p( x, y ) ,我们不能象离散型随机变量那样,利用 来计算条件分布,因为对连续型随机变量来说, 我们要利用连续性来计算条件分布 若 p( u, v ) 及 pη ( v ) 是连续函数,又 pη ( y ) 0 则有 显然,这时 Fξ|η( x | y ) 关于 x 的导数存在,且有 我们称 pξ|η( x | y ) 为在已知 ( η = y ) 发生的条件下 ξ 的条件概率密度. 完全类似地可以定义 F η | ξ(y | x ) 及 p η | ξ( y | x ) 注意 y是常数, 对每一 fY (y) 0 的 y 处, 只要 相仿论述. 仅是 x 的函数, 类似于乘法公式： 符合定义的条件, 都能定义相应的函数. 类似于全概率公式 类似于Bayes公式 例 3.6.1 若 ( ξ, η ) 是 N(a1, a2, σ12, σ22, ρ ) 分布的二维正态随机变量,试求条件概率密度 pξ|η( x | y ) 及 p η | ξ(y | x ) . 解: 由对称性可得 注意观察上面两式不难发现,二维正态分布的两个条件分布也都是正态分布,其中 例3.6.2 已知(X,Y )服从圆域 x2 + y2 ? r2 上的均匀分布,求 r 解 ? ? x -r = 例3 同理， 边缘分布不是均匀分布！ 当 – r y r 时， ? ? y — 这里 y 是常数，当Y = y 时， 当 – r x r 时， — 这里 x 是常数，当X = x 时， ? ? x 定义3.6.2 如果随机变量 ξ 在 ( η = y ) 发生的条件下的条件密度函数为 pξ|η ( x | y ) , 若 则称 为 ξ 在 ( η = y ) 发生的条件下的条件数学期望,或简称为条件期望. 同离散型情形相同,连续型随机变量的条件期望也具有下述性质: 条件数学期望 证明: 设二维连续随机变量 ( X, Y ) 的联合密度函数为 p( x, y ) , 记 g(y)=E(X|Y=y) ,则 g(Y)=E(X|Y) （重期望公式） 其中括号中的积分不是别的,正是条件期望 所以 重期望公式是概率论中较为深刻的一个结论,它在实际中很有用. 例 3.6.3 设电力公司每月可以供应某工厂的电力X服从 (10, 30) (单位: 104kW) 上的均匀分布,而该工厂每月实际需要的电力 Y 服从 (10, 20) (单位: 104kW) 上的均匀分布.如果工厂能从电力公司得到足够的电力,则每 104kW 电可以创造 30 万元的利润,若工厂从电力公司得不到足够的电力,则不足部分由工厂通过其他途径解决,由其他途径得到的电力每104kW电只有10万元的利润.试求该厂每个月的平均利润. 解: 从题意知,每月供应电力X~U(10, 30) , 而工厂实际需要电力 Y~U(10, 20). 若设工厂每个月的利润为 Z 万元,则按题意可得 在 X=x 给定时, Z 仅是Y 的函数,于是当 10?x20 时, Z 的条件期望为 当20?x ? 30 时, Z 的条件期望为 然后用X的分布对条件期望 E(Z|X=x) 再作一次平均,即得 所以该厂每月的平均利润为433万元. 例3.6.4 随机个随机变量和的数学期望 设 X1，X2，… , 是一列独立同分布的随机变量，随机变量 N 只取正整数值，且 N 与{ Xn }独立，证明： 证明：由重期望公式知 利用此题的结论，我们可以解很多实际问题，如： （1）设一天内到达某商场的顾客数 N 是公取非负整数值的随机变量，且 E（N）= 35000. 又设进入此商场的第 i 个顾客的购物金额为 Xi ，可以认为诸 Xi 是独立同分布的随机变量，且 E(Xi)=82(元)。假设 N 与 Xi 相互独立是合理的，则此商场一天的平均营业额为 （2）一只昆虫一次产卵数 N 服从参数为 λ 的泊松分布，每个卵能成活的概率是 p , 可设 Xi 服从 0—1 分布，而 {Xi=1} 表示第 个卵子成活，则一只昆虫一次产卵后的平均成活卵数为 算出罪犯的身高. 这个公式是 公安人员根据收集到的 罪犯脚印，通过公式 由脚印估计罪犯身高 如何推导出来的? 估身高