概率论第三节第三节.ppt

对于两个事件，我们讨论过当一个事件已经发生时，另一个事件发生的概率——条件概率. 对于两个随机变量，我们自然会讨论当一个取固定值时另一个的分布——条件分布 3.3.1 二维离散型随机变量的条件分布 性质 3.3.2 二维连续型随机变量的条件分布 课堂练习 * * 或 §3.3 条件分布 定义1 设(X,Y)是二维离散型随机变量，对于固定的j，若P{Y=yj}0，则称 为在Y=yj条件下随机变量X的条件分布律. 对于固定的i，若P{X=xi}0，则称 为在X=xi条件下随机变量Y的条件分布律. 1) P{X=xi|Y=yj}≥0 , i=1,2,…; =1 . 2) 3) P{Y=yj|X=xi}≥0 , j=1,2,…; 4) =1 . 例1 (补充) 设(X,Y) 的分布律为 2 1 0 (1) 求在Y=1的条件下，X的条件分布律； (2) 求在X=0的条件下，Y的条件分布律； 解: 由上述分布律的表格可得 所以在Y=1的条件下，X的条件分布律为 同理可得，在X=0的条件下，Y的条件分布律为 例2 一射手进行射击，击中目标的概率为 p ，(0p1)， 射击直至击中目标两次为止.设 以X 表示首次击中目标所进行的射击次数，以Y 表示总共进行的射击次数，试求X和Y的联合分布律及条件分布律. 解：{X=m,Y=n}表示“在总共n次射击中，第m次和第n次击中，其他各次都不中”这一事件. P{X=m,Y=n}=(1-p)n-2p2 ， m=1,2,… n=m+1,m+2,… P{X=m}= =(1-p) m－1 p P{Y=n}= =(n-1)(1-p) n－2 p 2 从而， 所以， P{Y=n|X=m}= =(1-p) n-m-1p, n=m+1,m+2,…. P{X=m|Y=n}= m=1,2,…,n-1 例3 设某班车起点站上客人数X服从参数为λ(λ0)的泊松分布，每位乘客在中途下车的概率为p(0p1)，且中途下车与否相互独立，以Y表示在中途下车的人数.求 (1) 在发车时有n个乘客的条件下，中途有m人下车的概率； (2)二维随机变量(X,Y)的概率分布. 解： (1) 由已知当X=n时Y的条件分布是参数为n，p的二项分布，所以有 0≤m≤n. P{Y=m|X=n}= (2) 由X~π(λ) P{X=n,Y=m}=P{X=n}P{Y=m|X=n} n=0,1,2,… 0≤m≤n. 定义 设二维随机变量(X,Y)的概率密度为f (x, y)，(X,Y)关于Y的边缘概率密度为fY(y).若对于固定的y， fY(y)0, 则称 为在Y=y的条件下X的条件概率密度，记为 类似定义 为在Y=y 的条件下X的条件分布函数，记为 称 说明 联合分布、边缘分布、条件分布的关系如下 联合分布 条件分布函数与条件概率密度的关系 边缘分布 条件分布 联合分布 例4 设 (X, Y) 在区域 D={(x, y)|y2≤x≤1}上服从均匀分布，求条件概率密度fX|Y(x|y)，fY|X(y|x). . 解:区域D的面积S= (X, Y)的概率密度f (x, y)，边缘密度 fx(x)， fY(y)分别为 当－1＜y＜１时 当０＜x＜１时 例5 设随机变量X在(-1,1)区间服从均匀分布，当观察到X=x (-1x1)时，随机变量Y在(x2,1)上服从均匀分布，求Y的概率密度. 解: X的概率密度为 fX(x)= X=x (-1x1)时,Y的条件概率密度 fY|X(y|x)为 fY|X(y|x)= f(x,y)= fY(y)= 注 正态分布的条件分布仍为正态分布. 则有 1、设二维随机变量(X,Y)的概率密度为 C (A) (B) (C) (D) 1