概率论与数理统计34相互独立的随机变量.ppt

一、随机变量的相互独立性 二、小结 第四节 相互独立的随机变量 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. 且 设A是随机变量Y所生成的事件： 则有 一般的，由于随机变量X,Y之间存在相互联系，因而，一个随机变量的取值可能会影响另一个随机变量的取值统计规律性。在何种情况下，随机变量X,Y之间没有上述影响，而具有所谓的“独立性”， 我们有如下定义： 一、随机变量的相互独立性 1.定义 若随机变量X,Y相互独立，则联合分布可 由边缘分布唯一确定 2.说明 (1) 若离散型随机变量 ( X,Y )的联合分布律为 （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 (5)若n个随机变量X1,X2,…,X n相互独立,则它们中的任意m(1m≤n)个随机变量也相互独立. 例1 (1)由分布律的性质知 解 特别有 又 (2) 因为 X 与 Y 相互独立, 所以有 解 由于X 与Y 相互独立, 例2 因为 X 与 Y 相互独立, 解 所以 求随机变量 ( X, Y ) 的分布律. 练习 设两个独立的随机变量 X 与Y 的分布律为 p.j 3 1 pi. 4 2 X Y 0.3 0.7 0.6 0.4 1 0.18 0.12 0.42 0.28 说明：对于两个随机变量，边缘概率分布仅仅分别刻划了每个单个随机变量，联合分布才是对它们联合在一起的整体的最全面的刻划，条件分布是它们相互关系的直接刻划，而独立性是一种特殊的相互关系。 例3： 设随机变量X和Y相互独立,试将下表补充完整. X x1 x2 Y y1 y2 y3 1/8 1/8 1/6 1 1/24 1/4 1/12 1/2 1/3 3/4 3/8 1/4 练习2 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 公室的时间相差不超过 5 分钟的概率. 解 于是 我们知道：二维正态随机变量(X,Y)的概率密度为 两个边缘概率密度为 不难看出：对于二维正态随机变量(X,Y),X与Y相 互独立的充要条件是参数ρ=0. 参数ρ称为X与Y的相关系数(ch4). 如果随机变量X与Y的相关系数ρ=0,称X与Y是不 相关的. 一般,X与Y相互独立 X与Y不相关. 但对二维正态随机变量(X,Y),X与Y独立与不相 关是等价的. 三、小结 1. 若离散型随机变量 ( X,Y )的联合分布律为 练习： (X,Y)的联合概率分布为: X 0 1 Y 0 1 0.3 0.4 0.2 0.1 (1)求X,Y的边缘分布; (2)判断X,Y是否独立. (3)求F(0,2). 解:(1)X,Y的概率分布分别为: p.j 1 0 pi. 1 0 X Y 0.7 0.3 0.5 0.5 1 0.3 0.4 0.2 0.1 (2)P(X=0,Y=0)=0.3 P(X=0)P(Y=0) =0.35 X,Y不独立. 注意:X,Y独立时,需对所有的(xi,yj)一一验证. (3)F(0,2)=P(X≤0,Y≤2)=0.3+0.4=0.7 解 (1) 练习： 设随机变量X,Y相互独立,且X服从(0,1)上的均匀分 布,Y的概率密度为 (1)求X与Y的联合概率密度; (2)求关于t的二次方程t2+2Xt+Y=0 有实根的概率. 〖解〗(1)求X与Y的联合概率密度 因为X,Y独立,且有 所以,X与Y的联合概率密度为 例2-续1 (2)求方程有实根的概率 “方程有实根”即为 故所求概率为; □