[数学]应用随机过程-1102.ppt

应用随机过程 主讲教师 段禅伦 2011年秋季学期 第2章 关于条件概率与条件期望--有关概率模型(Probability Models)的练习 引言 条件概率与条件期望是概率论最有用的概念.因为: 在实践中,我们常常对于计算在部分信息已知时的概率 和期望感兴趣.而这样的概率和期望就是条件概率和条件 期望; 其次,在计算需要的概率和期望时, 在某些随机变量上 取条件是极其有用的方法. 离散情形 我们知道,对于任意两个事件E和F, 当P(F)＞0且给定F 时,E的条件概率被定义为 P(E|F)=P(EF)/P(F). 因此,如果X和Y都是离散随机变量,那么对于所有使P{Y=y} ＞0的y值,在Y=y给定的条件下, X的条件概率分布列函数 定义为 pX|Y(x|y)=P{X=x|Y=y}= = . 而对于所有使P{Y=y}＞0的y值,在Y=y给定的条件下, X的 条件概率分布函数定义为 FX|Y(x|y)=P{X≤x|Y=y}= pX|Y(a|y). 在Y=y给定的条件下,X的条件期望定义为 E[X|Y=y]= xP{X=x|Y=y}= xpX|Y(x|y). 若X与Y独立,那么条件概率分布列函数、条件概率分布 函数和条件期望都与无条件时一样.因为,当X与Y独立时, pX|Y(x|y)=P{X=x|Y=y}=P{X=x}. 例1 假设X和Y的联合概率分布列函数p(x,y)给定为 p(1,1)=0.5, p(1,2)=0.1, p(2,1)=0.1, p(2,2)=0.3. 计算在Y=1给定条件下X的条件概率分布列函数. 解: 由 pY(1)= p(x,1)=p(1,1)+p(2,1)=0.6. 及 pX|Y(1|1)=P{X=1|Y=1}= = = . 类似地 pX|Y(2|1)= = . 例2 假定X1和X2分别是具有参数(n1,p)与(n2,p)的独立的 二项随机变量,计算在X1+X2=m给定的条件下X1的条件概 率分布列函数. 解: 记q=1-p,由条件概率定义与独立性,有 P{X1=k|X1+X2=m}= = = = . 其中,运用了X1+X2=m是具有参数(n1+n2,p)的二项随机 变量(例2.53)的已有结果. 进而知 在给定的X1+X2=m的条件下,X1的条件概率分布列函数是 =P{X1=k|X1+X2=m}= . 此式描述的分布,称超几何分布,首见于例2.34.其模型 可解释为: 从装有n1只蓝色球和n2只红色球的袋中, 随机选取m只 球,求蓝色球个数的分布. 例3 假定X和Y分别是具有参数λ1与λ2的独立泊松随机 变量. 计算在给定X+Y=n的条件下X的条件期望. 解: 我们计算在X+Y=n给定的条件下X的条件概率分布列 函数时,注意到例2.36的结果和X与Y的独立性,有 P{X=k|X+Y=n}= = = = = = . 上式说明,在给定两个独立的泊松随机变量X与Y的和X+ Y=n的条件下, X的条件分布是参数为n和λ1/(λ1+λ2)的 二项分布. 由例2.53知,X+Y=n的条件下X的条件期望为 E[X|X+Y=n]=n . 注: 条件期望具有普通期望的一切性质,例如 E[ Xi|Y=y]= E[Xi|Y=y]. 例4 一个试验,出现三个结果之一. 结果i出现的概率为 pi,i=1,2,3,p1+p2+p3=1.假设独立地重复此试验n次,并 以Xi(i=1,2,3)记其中结果i出现的次数.求在给定X2=m 时X1的条件期望. 解: 对于k≤n-m, P{X1=k|X2=m}= . 显然,若X1=k且X2=m,则X3=n-k-m.且 P{X1=k,X2=m,X3=n-k-m