§4随机变量的独立性总结.ppt

* 一般来讲，多维随机变量中变量与变量之间是有 相互联系，相互影响的．例如，二维连续型随机变量 (X,Y)中，变量Y 的边缘概率密度函数fY(y)与条件概率 密度函数fY|X(y|x)一般地不相等，即 fY(y) ≠ fY|X(y|x)， 但特殊情况下，也可能出现相等的情形． 此即所谓随机变量相互独立的概念．下面仿照 事件相互独立的定义给出随机变量相互独立的概念. * §4、随机变量的独立性 对于随机变量相互独立的概念，通过随机变量的 分布函数给出随机变量相互独立的定义． 定义 设二维随机变量(X,Y)的分布函数为F(x, y), 若对于任意的 实数 x,y，都有 则称随机变量X与Y 相互独立． 对于离散型与连续型变量，可以用其概率分布律 与概率密度来定义其独立性． 与 为其二边缘分布函数， * 即 1、二维离散型随机变量(X,Y)： 设二维离散型随机变量(X,Y)的概率分布律为 二边缘分布律为 即 * 如果对(X,Y)的所有可能值 均有 则称随机变量X与Y相互独立． 2、二维连续型随机变量(X,Y)： 设二维连续型随机变量(X,Y)的概率密度为f (x,y), 二边缘概率密度分别为 如果等式 * 在全平面上几乎处处成立， 则称随机变量X与Y 相互 独立． 一般地，对于随机变量X与Y独立性的判定： 理论性的问题，先求其边缘分布，再依据定义的 条件来判定； 实用性的问题，通常由其实际意义来判定． 对于二维随机变量(X,Y)，由其联合分布可确定其 边缘分布；反之，一般由其边缘分布不能确定其联合 分布． 由其边缘分布也可确定联合分布． 但由相互独立定义可知：当X与Y相互独立时， * 例1 设随机变量(X,Y)的概率密度为 (1) 求(X,Y)的边缘概率密度； (2) 判定X,Y的独立性． 〖解〗 (1) 求(X,Y)的边缘 概率密度 * * (2) 判定独立性 因为 易知在非零区域内 所以即X与Y不独立． * ■ 例2 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 试求：(1) X与Y的联合概率密度； 〖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 * (2) 关于 t 的二次方程 有实根的概率. 所以，X与Y的联合概率密度为 “方程有实根”即为 亦即 故所求概率为 * (2) 求方程 有实根的概率：