北邮概率论与数理统计33随机变量的独立性.docVIP

§3.3随机变量的独立性 随机变量的独立性 我们可利用事件间的独立性的定义给出随机变量间的独立性之概念。 随机变量和相互独立，如果对于任意有关的事件和有关的事件都相互独，换言之，对于任意两个实数集和，有 （1） 理论上可证明（其证明超出了我们的知识范围）（1）式成立当且仅当对，有 . 于是有以下定义。 定义 设二维随机变量的联合分布函数为，两个边际分布函数分别为和，如果，有 （2） 则称相互独立。 当为离散随机向量时，独立的条件（2）等价于等式 (3) 对所有的成立。 当为连续随机向量时，独立的条件（2）等价于等式 (4) 几乎处处成立。 例3.3.1 设二维随机向量的联合分布函数为 ， 则相互独立的充要条件是。 例3.3.2 （续3.1.2）问与是否相互独？ 对于离散随机向量，若说明与不相互独立，则只需找一个数对，使得；若要说明与相互独立，则需要验证，对所有可能取的数对，都有，。 例3.3.3 设二维随机向量的联合密度函数为 判断与的独立性。 解：由联合密可得两个边缘密度分别为 ， 故有，，所以与相互独立。 在上例子中，的联合密度函数可以分解成两部分，其中一部分仅与有关，而另一部分仅与有关。一般地若的联合密度函数可以分解为 则与的相互独立。 例3.3.4 设二维随机向量的联合密度函数为 判断与的独立性。 解：由联合密可得两个边缘密度分别为 ， 故有，所以与不相互独立. 比较以上两个例子，直观上看，后一例子中，似乎也可分离变量，但实际上是不可分离的，原因是该密度的非零区域中的相互交积，不能分解为两个一维区间的直积. 例3.3.5 设～，证明与相互独立的充要条件是。 证明：边缘密度分别为 ， , 从而 先证充分性,如果,那么 ,, 所以 与相互独立. 再证必要性,如果与相互独立,那么,有,特别地取,则有,即得 所以 . 随机变量间的独立性是概率论中的一个非常重要的概念.如果多个随机变量相互独立,那么其联合分布就可由各个分量的边缘分布确定,这样许多问题就可得到方便的解决。在实际中，多个变量的联合分布往往难以把握。如果从变量产生的实际背景可以判断这些变量是独立的（或相依性很弱，以至于可忽略他们的相依性），那么就可以通过对单个变量的概率分布的把握获得联合分布，并且可以使用独立性所赋予的性质和有关定理去解决问题. 例3.3.6 设～，～，且与相互独立，求 （1）；（2）。 解：（1）由于与相互独立，所以 ； （2）的联合概率密度函数为 所以 。 上一节讨论的边缘分布及本节讨论的独立性的概念及有关性质可推广至维随机向量。 设为维随机向量，那么其中任一部分分量的分布都叫做边缘分布，并且也可由联合分布确定。比如为三维随机向量，其联合分布函数为，则关于的边缘分布函数为 关于的边缘分布函数为 若为连续随机向量，其联合概率密度为，则关于的边缘概率密度为 关于的边缘概率密度为 若为离散随机向量，则关于的边缘分布律为 ， 关于的边缘分布律为 ， 设为维随机向量，其联合分布函数为，是的边缘分布函数（，如果对任意实数，有 则称相互独立。 若为维离散随机向量，则相互独立的充要条件是 ， 若为维连续随机向量，则相互独立的充要条件是 ，, 其中为的概率密度,为的概率密度. 下面给出向量与向量的独立性概念. 设为维随机向量，其联合分布函数为。为维随机向量，其联合分布函数为。维随机向量的联合分布函数为。如果对任意实数，有 则称向量与向量相互独立. 对于向量与向量的独立性，在离散场合或连续场合也有类似的等价条件。 下面不加证明地给出独立性的性质。 1. 若相互独立，则 其中任一部分变量相互独立. 相互独立. 2.若向量与向量相互独立，则 （1）与相互独立，其中，。 （2）与相互独立. - 7 -