3-4_随机变量的相互独立讲义.ppt

§3 .4 随机变量的独立性 一.随机变量的独立性 定义： 说明 例1：设二维随机变量( X ,Y ) 的联合分布函数为 二.离散型随机变量的独立性 例2 设二维随机变量( X ,Y ) 的联合分布律为 三.连续型随机变量的独立性 例3：设二维随机变量( X ,Y ) 的联合概率密度函数为 例4：甲、乙两人约定在某地相会，假定每人的到达时间是相互独立的，且均服从中午12时到下午1时的均匀分布。试求先到者需等待10分钟以内的概率。 例5：（正态随机变量的独立性） 四、n 维随机变量的独立性 * * 随机变量独立性的概念 离散型随机变量的独立性 连续型随机变量的独立性 离散型随机变量、 随机变量的独立性 设 ( X ,Y ) 是二维随机变量，其联合分布函数为 F ( X ,Y )， 随机变量X与Y的边缘分布函数分别为FX(x) 如果对于任意的x,y，均有 则称 X ,Y 相互独立的随机变量。 和FY(y), 结论 在独立的条件下有 x,y，随机事件{X≤x}与{Y≤y}相互独立. 随机变量的独立性 随机变量X ,Y 相互独立是指:如果对于任意 即:二维随机变量(X ,Y) 的联合分布函数F(x,y) 可以由边缘分布函数FX(x) 与FY(y) 惟一确定. 随机变量的独立性 试判断随机变量 X 与Y 是否相互独立. 解 X的边缘分布函数为FX(x)= F(x,+∞) 随机变量的独立性 Y的边缘分布函数为FY(y)= F(+ ∞,y) 所以对于任意的x,y，有 故随机变量 X 与Y 相互独立. 设 ( X ,Y ) 是二维随机变量，其联合分布率为 随机变量X与Y的边缘分布率分别为 如果对于任意的i, j，均有 则称 X ,Y 相互独立的随机变量. 随机变量的独立性 试确定常数a,b使得随机变量X与Y相互独立. 随机变量的独立性 解 X与Y的边缘分布律为 随机变量的独立性 若随机变量X与Y相互独立,则有 由此得 又由于 所以,当常数a=2/9,b=1/9使得随机变量X与Y相互独立. 设 ( X ,Y ) 是二维连续型随机变量，其联合密度函 数为f (x ,y )，随机变量X与Y的边缘概率密度函数分别 如果对于几乎所有的x,y，有 则称 X ,Y 相互独立的随机变量。 随机变量的独立性 fX(x), fY(y), 说明: 上式对f(x,y)的所有连续点(x,y)必须成立. 随机变量的独立性 试判断随机变量X与Y是否相互独立. 解 当0≤x≤1时, 所以随机变量X的边缘密度函数为 随机变量的独立性 当0≤y≤2时, 所以随机变量Y的边缘密度函数为 当0≤x≤1 ,0≤y≤2时, f(x,y)≠fX(x)? fY(y) 所以随机变量X与Y不是相互独立的. 随机变量的独立性 解 设甲于12时X分到达,乙于12时Y分到达, 由题意知,随机变量(X,Y)的联合密度函数为 X与Y均服从区间[0,60]上均匀分布,且相互独立. 设A表示“先到者等待时间不超过10分钟”的事件 于是有 随机变量的独立性分布 随机变量的独立性分布 设二维随机变量(X,Y)~N(μ1, μ2, σ12,σ22, ρ),则(X,Y) (X,Y)的联合密度函数为 随机变量X的边缘密度函数为 随机变量的独立性分布 随机变量Y的边缘密度函数为 当ρ=0时,随机变量(X,Y)的联合密度函数为 表明:随机变量X与Y相互独立. 随机变量的独立性分布 x,y,有 反之,若随机变量X与Y相互独立,则对于任意实数 特别是, 结论:对于(X,Y)~N(μ1, μ2, σ12,σ22, ρ), 随机变量X 与Y相互独立,的充要条件是:ρ=0 随机变量的独立性分布 设(X1,X2，…,Xn)是n维随机变量.其联合分布函数 为F(x1,x2，…,xn),又随机变量Xi的分布函数为FXi(xi) (i=1,2,…,n).如果对于任意的n维实数(x1,x2，…,xn),有 则称X1,X2，…,Xn)是相互独立的随机变量.