概率论与数理统计_8.docVIP

概率论与数理统计43-45 1 2 ――已知一个r.v.取定的条件下，另一个r.v.的分布 §4.3 条件分布 3 二、离散型：条件分布律 定义：若 若 4 1. P{X=xi|Y=yj} ≥0; 2. 证： 性质：非负性、规范性 5 2、求给定 条件下， 的条件分布列 例题1 6 定义 当 ---在 X=x 条件下Y 的条件概率密度 三、连续型：条件概率密度 7 连续r.v.的条件分布函数 同理： 8 性质： （2）规范性： （1）非负性： （3）公式： 9 例p108 分布, 求 10 例、设二维连续型随机变量的联合密度函数为 求条件概率(1) (2) 11 §4.4 相互独立的r.v. 1.当(X,Y)是连续型 再对y求导： X 和Y相互独立 f(x,y)=fX(x)fY(y) 2.当(X,Y)是离散型 X 和Y相互独立 对(x,y)的任意可能值(xi,yj),有 P{X=xi,Y=yj}=P{X=xi}P{Y=yj} 两边对x求导： 12 离散型： 连续型： X与Y 相互独立 （对所有x,y成立） 联合 边缘(一般情况) 联合 边缘(独立) 13 例: 袋中有2个白球，3个黑球，从袋中（1）有放回地；（2）无放回地 取二次球，每次取一个，令 试问X与Y是否相互独立？ 解:(1)有放回地取球 容易验证，对一切 i, j=0,1， 有P{X=i,Y=j}=P{X=i}P{Y=j} 故 X、Y 相互独立。 14 (2) 无放回地取球 P{X=0,Y=0}≠P{X=0}P{Y=0} 故 X、Y 不相互独立。 15 16 解：二维正态随机变量（X, Y）概率密度为 其边缘密度分别为 “充分性”:当 故X与Y相互独立。 17 “必要性”: 如果X，Y独立，于是应有 即为 解得 18 例 设(X,Y)具有概率密度 解:fX(x)= ∴ f(x,y)=fX(x) fY(y), 因而X,Y是相互独立的。 fY(y)= 问X,Y是否相互独立? y x 19 此时 注:离散型r.v.也有类似的结论. X与Y 独立(连续型)： 20 §4.5 多维随机变量函数的分布 问题：已知二维随机变量 (X, Y) 的分布， 如何求出 Z=g (X, Y)的分布？ 21 分别求X+Y和2X-Y的分 布律。 解:(1)X+Y的所有可能取值 故X+Y的分布律 例 设(X,Y)的分布律为 (2)2X-Y的所有可能取值 故2X-Y的分布律 22 1)确定Z=g(X,Y)的值域； 2)分段计算 Z 的分布函数 连续型：分布函数法 3) 23 (一) Z=X+Y的分布 若X与Y相互独立，即 ――卷积公式 ――两个r.v.和的概率密度的一般公式 24 设X和Y的联合密度为 f (x,y), 求Z=X+Y的密度. 解: Z=X+Y的分布函数是: FZ(z)=P(Z≤z)=P(X+Y ≤ z) 这里积分区域D={(x, y): x+y ≤z} 是直线x+y =z 左下方的半平面. 推导过程 25 化成累次积分,得 固定z和y,对方括号内的积分作变量代换, 令x=u-y,得 变量代换 交换积分次序 26 由概率密度与分布函数的关系, 即得Z=X+Y的概率密度为: 由X和Y的对称性, fZ (z)又可写成 以上两式即是两个随机变量和的概率密度的一般公式. 27 例 设 X 与 Y 独立，X～U(0, 1), Y～Exp(1). 试求 Z = X+Y 的密度函数. 解: 被积函数的非零区域为： 0x1 且 z?x0 用卷积公式： (见下图) 28 x z 1 z = x 因此有 (1) z 0 时 pZ(z) = 0 ; (2) 0 z 1 时 pZ(z) = (3) 1 z 时 pZ(z) = 1 29 例(p119): 设X和Y是两个相互独立的r.v.，它们都服从N(0,1)，求Z＝X+Y的概率密度。 解： ∴ Z～N(0,2) 30 推广：有限个相互独立的正态r.v.,其线性组合仍然服从正态分布(p96). 31 (二)M=(X,Y)及N=min(X,Y)的分布 （假设X、Y相互独立） 32 推广：设X1,…,Xn相互独立，M＝(X1,…,Xn) N＝min(X1,…,Xn) 则 进一步，若X1,…,Xn服从同一分布，分布函数为F(Z)，则 33 如图所示.设系统L由两个相互独立的子系统L1 ,L2联接而成,联接的方式分别为: (1)串联. (2)并联. 例 34 解: 设L1,