概率论§边缘分布-随机变量的相互独立性.pptVIP

* * §3.2 边缘分布 定义 如果(X,Y )是一个二维随机变量，具有分布函数 F(x,y)，则它的分量X(或者Y )是一维随机变量，因此分量X(或者Y )也有分布函数，记为FX(x) (或者 FY(y))，称其为二维随机变量(X,Y )关于X(或者Y )的边缘分布函数。 边缘分布也称为边沿分布或边际分布 分布函数和边缘分布函数二者之间 有什么关系呢?可以相互确定吗？ 二维随机变量的边缘分布函数 x y x x y y 由联合分布函数 边缘分布函数, 反之不正确 二维离散型随机变量的边缘分布 设二维离散型随机变量(X,Y )的分布律为P{ X = xi,Y = yj }= pij (i, j =1,2,… ) 则有 P{X=xi }= P{X=xi ，Y+? } 同理 P(X=xi) pi . P(Y=yj) p. j 分别称pi· (i=1,2,…)和 p·j (j=1,2,…)为二维随机变量(X,Y )关于X 和关于Y 的边缘分布律 y1 yj pi? p1? pi? xi x1 Y X 联合分布律与边缘分布律 1 p? j p? j p?1 例1 袋中有二个白球，三个黑球，从中取两次 求（X,Y）的联合分布及边缘分布，分有放回和无放回讨论。 解：有放回 无放回 0 1 0 1 0 1 0 1 例2 设(X,Y)的分布律如下 1/4 1/4 1/6 1/8 1/8 1/12 0 1 2 0 1 X Y 求 X 和Y 的边缘分布律。 解: X 的边缘分布律为 i =0 i =1 i =2 j =0 j =1 Y 的边缘分布律为 pi·= p·j = 或者直接在表格上 p·j 1/4 1/4 1/6 1/8 1/8 1/12 0 1 2 pi· 0 1 Y X 13/24 11/24 1/2 7/24 5/24 二维连续型随机变量的边缘概率密度 设二维连续型随机变量(X,Y )的概率密度为 f(x,y) 可知X 是一个连续型随机变量 由 FX (x) = F(x,+?) 且其概率密度为 同理Y 也是一个连续型随机变量 且其概率密度为 边缘概 率密度 边缘概 率密度 例3 设随机变量(X,Y )的概率密度为 求(X,Y ) 关于X 及关于Y 的边缘概率密度。 解: 0 , 其它 = 0≤x≤1 = 0 , 其它 0≤y≤2 例4 设(X,Y )服从二维正态分布，其概率密度为 求关于X 和关于Y 的边缘概率密度。 ??x+?, ??y+?, 令 ,得: 解: 同理,得: 结论 二维正态分布的边缘分布是一维正态分布。 反之未必成立。 上述的两个边缘分布中的参数与二维正态分布中的参数? 无关，由于不同的? 对应不同的二维正态分布，因而由(X, Y )的边缘分布不能确定它们的联合分布。 注意：这是二维正态分布(X,Y )的特性，其他分布未必成立。 §3.3 随机变量的相互独立性 定义 设二维随机变量(X,Y )的分布函数为F(x, y), 随机变量X 和Y 的边缘分布函数分别为 FX(x), FY(y)，若对所有的 x, y 有 F(x,y) = FX(x) FY(y) 则称随机变量X 和Y 是相互独立的。 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。 X 与Y 相互独立 即 pij=pi. ? p.j (i, j=1,2,…) X 与Y 相互独立 特别的，若(X,Y )服从二维正态分布，则有 X 与Y 相互独立 ? ? =0 ? f(x,y ) = fX(x ) fY(y ) ?P{X=xi,Y=yj }=P{X=xi }?P{Y=yj } 若(X,Y )是离散型随机变量，则有 若(X,Y )是连续型随机变量，则有 其中 是X,Y 的联合密度 分别是X 和Y 的边缘密度 例1 设二维随机变量(X,Y )的分布律为 若X 与Y 相互独立，求? , ? 之值。 1 2 1 2 3 X Y 解: ? =P{X=2,Y=2} =P{X=2}P{Y=2} ? =P{X=2,Y=3} =P{X=2}P{Y=3} 又由 从而可得 例2 设X 与Y 是两个相互独立的随机变量, X 在(0,0.2)上服从均匀分布，Y 的概率密度为 求 P{Y≤X }。 o x y 0.2 D P{Y≤X } =0.3697 f(x,y) = fX(x) fY(y) X 与Y 相互独立 解: 所以 由已知条件可得 例3