概率论34-相互独立的随机变量.pdf

§4 相互独立的随机变量 两事件A , B 独立的定义是：若P(AB)=P(A)P(B) 则称事件A , B 独立. 一、随机变量相互独立的定义 设X ,Y是两个r.v，若对任意的x,y ,有 P ( X  x , Y  y )  P ( X  x ) P (Y  y ) 则称X 和Y 相互独立. 两事件A , B 独立的定义是：若P(AB)=P(A)P(B) 则称事件A , B 独立. 用分布函数表示,即 设X ,Y是两个r.v，若对任意的x,y ,有 F ( x , y )  F X ( x ) F Y ( y ) 则称X 和Y 相互独立. 它表明，两个r.v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. 若(X ,Y)是连续型r.v ，则上述独立性的定义 等价于： 对任意的x, y , 有 f ( x , y )  f X ( x ) f Y ( y ) 几乎处处成立，则称X 和Y 相互独立. f ( x ), f ( y ) 其中 f ( x , y ) 是X 和Y的联合密度， X Y 分别是X 的边缘密度和Y 的边缘密度. 这里“几乎处处成立”的含义是：在平面上除 去面积为0 的集合外，处处成立. 若(X ,Y)是离散型r.v ，则上述独立性的定义等 价于： 对(X ,Y) 的所有可能取值(x , y ),有 i j P ( X  x i , Y  y j )  P ( X  x i ) P (Y  y j ) 则称X 和Y 相互独立. 例 设(X ,Y) 的概率密度为 xe ( x  y ) , x  0, y  0 f ( x, y )    0, 其它 问X 和Y是否独立？  f X ( x )  0 xe ( x  y ) dy xe  x , x0  ( x  y )  y fY ( y )  0 xe dx e , y 0 xe  x , x  0 即 f X ( x )    0, 其它 e  y , y  0 fY ( y)    0, 其它 可见对一切x, y , 均有： f ( x , y )  f X ( x ) f Y ( y ) 故X , Y 独立. 类似的问题如： 在某一分钟的任何时刻，信号进入收音机是等 可能的. 若收到两个互相独立的这种信号的时 间间隔小于0.5秒，则信号将产生互相干扰. 求