概率论及数理统计(第三章第3节).pptVIP

第三节 条件分布 * 条件分布是对于二维随机变量 (X, Y ), 在已知随机变量 Y 取定某一个数值 y 的条件下, 随机变量 X 的概率分布。也可以是在已知随机变量 X 取定某一个数值 x 的条件下, 随机变量 Y 的概率分布。 条件分布也是有离散型和连续型两种常见的类型: 1. 条件分布律 例1. 设随机变量 (X, Y ) 具有如下联合分布律: X 0 1 Y 1 2 3 4 试求 Y = 2 时, X 的条件分布律。 解. X 的可能取值是 0, 1; 当 Y = 2 时, X 的条件分布, 即是在条件 {Y = 2}下计算X 分别取 0, 1 的概率 P{ X= 0 |Y = 2} 和 P{ X= 1 |Y = 2} 由条件概率计算公式, 有 于是得到Y = 2 时, X 的条件分布为 P{ X= 0 |Y = 2} = = P{ X= 1 |Y = 2} = = 此外, 不难算出 X 的无条件分布 (边缘分布) 为 P{ X= 0} = P{ X= 1} = 由此给出一般情形条件分布律的描述: 定义1. 设二维离散型随机变量( X, Y ) 的联合分布律为 P{ X = xi , Y = yj } = pij , i, j = 1, 2, ··· ··· 对于某一个 j , 有 P{ Y = yj } = p·j 0, 则称 P{ X = xi | Y = yj } = i = 1, 2, ··· ··· 为Y = yj 时, X 的条件分布律。 同样, 关于 Y 也有类似的条件分布律: 对于某一个 i, 有 P{ X = xi } = pi · 0, 则称 P{Y = yj | X = xi } = j = 1, 2, ··· ··· 为 X = xi 时, Y 的条件分布律。 我们看到, 条件分布律的计算, 依赖于二维随机变量的联合分布律。 例2. 设随机变量 X 服从参数为? 的泊松分布, 即 X ~ P(? ) ; 当 X = k 时, Y 的条件分布是二项分布 B ( k, p ), 即有 P{Y= i |X= k} = Ck pi (1-p)k－i i = 0, 1, 2, ···, k 证明: Y 服从服从参数为 ?p 的泊松分布, 即 Y ~ P(?p) 。 分析. 要由 X 的分布得到Y 的分布, 需先求出( X, Y ) 的联合分布律, 这是本题的出发点。 证. X 的分布律是 P{ X = k } = , k = 0, 1, 2, ··· ··· (X, Y) 的联合分布律是: i、k = 0, 1, 2, ··· ··· 当 i＞k 时, P{ X = k, Y= i } = 0; 当 i≤k 时, P{ X = k, Y= i } = P{ X= k } P{Y = i | X= k } = 故 Y 的分布律是 P{Y= i } = P{ X = k, Y= i } = 注意有公式 于是 P{Y= i } = = = i = 0, 1, 2, ··· ··· 所以, Y ~ P(?p) , 原题结论得证。 * * * * *