概率论数理统计课件第9讲.pptVIP

3.5.3 连续型随机变量的条件概率密度 设(X,Y)是二维连续型随机向量，由于对任意 x, y, P(X=x)=0, P(Y=y)=0，所以不能直接用条件概率公式得到条件分布，这时要使用极限的方法得到条件概率密度。 给定y，对于任意固定的正数 ε，若概率 P( y-εY ≤ y+ε) 0，于是，对于任意 x， 是在条件 y-εY ≤ y+ε 之下，X的条件分布。 定义2：设X和Y是随机变量，给定 y, 若对任意固定正数ε，P( y-εY ≤ y+ε) 0，且对任意实数 x，极限 存在，则称此极限为在条件 Y=y下X的条件分布函数，记成 FX|Y(x|y)。 若存在 fX|Y(x|y), 使得 则称 fX|Y(x|y)为在条件 Y=y 下X的条件概率密度函数，简称条件概率密度。 同理，当 fX (x) 0 时， 定理1：设随机向量(X,Y)的联合概率密度为 f (x, y)，Y的边缘概率密度为fY (y)。若f (x, y) 在点(x, y) 处连续, 当 fY (y) 0 时， 证明： 求 P(X1|Y=y)。 解： P(X1|Y=y) 为此, 需求出 例3：设(X,Y) 的概率密度是 由于 于是，对 y 0, 故对 y 0, P(X1|Y=y) 例4：设 (X,Y) 服从单位圆上均匀分布，即其概率密度为 求 解： X的边缘密度为 当 |x|1时, 有 即 ：当|x|1时, 有 X作为已知变量 X已知下Y 的 条件密度 解：概率密度不为零的区域如右图所示。 例 5：设二维随机向量(X,Y)的概率密度为 求条件概率密度和条件概率 当 y?(0,1] 时， fY (y) 0， 当 x?(-1,1)时，fX(x)0， 例 6：设店主在每日开门营业时，放在柜台上的货物量为 Y, 当日销售量为 X, 假定一天中不再往柜台上补充货物, 于是 X≤Y。根据历史资料，(X,Y)的概率密度为 求 (1).给定Y=y条件下, X的条件概率密度； (2).给定Y=10条件下, X≤5的概率； (3).如果Y=20件呢? 解: (1). y?(0,20] 时，fY(y)0， 这个结果表明：当 y?(0, 20] 时，X的条件分布是 [0, y] 上的均匀分布。 (2). 当 Y=10 时， (3), 当Y=20 时, 这表明：货物销售量X与放在柜台上的货物量Y 的关系是很密切的。 小结 本讲首先介绍二维随机向量的边缘分布的概念，二维离散型随机向量边缘分布计算，二维连续型随机向量边缘概率密度的计算；然后介绍条件分布的概念，离散型随机向量的条件分布的计算，连续型随机向量的条件概率密度的计算等。 概率论与数理统计 第九讲 §3.4 边缘分布 3.4.1 边缘分布函数 二维随机向量 (X,Y) 作为一个整体, 有分布函数 F( x, y)，其分量 X与Y 都是随机变量，有各自的分布函数，分别记成 FX(x) 和 FY(y)， 分别称为X的边缘分布函数和Y的边缘分布函数；称 F(x, y) 为 (X, Y) 的联合分布函数。 FX(x)=P{X≤x}=P{X≤x,Y∞}=F(x,∞)， FY(y)=P{Y≤y}=P{X∞,Y≤y}=F(∞,y). X与Y的边缘分布函数实质上就是一维随机变量X或Y的分布函数。称其为边缘分布函数的是相对于 (X,Y) 的联合分布而言的。 同样地，(X, Y) 的联合分布函数 F(x, y)是相对于 (X, Y) 的分量X和Y的分布而言的。 注意: 求法 则 X 的边缘概率分布为 Y 的边缘概率分布为 设(X, Y ) 是二维离散型随机向量，联合概率分布为 3.4.2 二维离散型随机向量的边缘分布 解： 例1：求例3.2.1(P59)中(X,Y)的分量X和Y的边缘分布。 把这些数据补充到前面表上, 解： 例2： (打开书P59) 求例3.2.2中 (X,Y) 的分量X和Y的边缘分布。 P{X=0} = P{X=0, Y=0}+P{X=0, Y=1} = 0.00013+0.19987 = 0.20000, P{X=1} = P{X=1, Y=0}+P{X=1, Y=1} = 0.00004+0.79996 = 0.80000, P{Y=0} = P{X=0, Y=0}+P{X=1, Y=0} = 0.00013+0.00004