概率论及数理统计第9讲.ppt

需要指出的是，与随机事件的独立性一样，在实际问题中，随机变量的独立性往往不是从其数学定义验证出来的，相反，常是从随机变量的产生的实际背景判断它们的独立性，然后再使用独立性定义中所给出的性质和结论。 例如：若二维连续型随机向量(X,Y)中的分量X与Y相互独立，则 习题：设二维随机向量的分布函数为 小结 本讲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。然后介绍随机变量的独立性。 概率论与数理统计 第九讲 主讲教师：杨勇 佛山科学技术学院数学系 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的条件分布函数。 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： 例3：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 求 P(X1|Y=y)。 解： P(X1|Y=y) 为此, 需求出 例4：设(X,Y) 的概率密度是 由于 于是，对 y 0, 故对 y 0, P(X1|Y=y) 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。 §3.6 随机变量的独立性 事件A与 B独立的定义是： 若 P(AB) = P(A)P(B)，则称事件A与B相互独立 。 设 X, Y是两个随机变量, 对任意的 x, y, 若 则称 X与Y 相互独立。 用联合分布函数与边缘分布函数表示上式, 就是 其中 是(X,Y)的联合密度， 若 (X,Y) 是连续型随机向量 ，上述独立性定义等价于：对任意 x, y∈ R, 有 这里“几乎总成立”的含义是：在平面上除去一个面积为零的集合外，公式成立。 分别是X的边缘密度和Y 的边缘密度 。 几乎总成立, 则称X与Y相互独立 。 若 (X,Y)是离散型随机变量，则上述独立性定义等价于：对(X,Y) 所有可能取值 (xi , yj), 有 成立， 则称 X与Y 相互独立。 解: 例1: 考察随机变量X与Y的独立性. 因 0.2?0.00017 ＝ P{X=0}P{Y=0} ≠ P{X=0, Y=0} ＝ 0.00013. 故，X和Y不相互独立。 证明：因 例2：设(X,Y)～N(?1,?2,?1,?2,?), 求证: X与Y 独立的充要条件为 ? = 0。 “?” 将?=0代入联合概率密度函数，得 所以，X与Y相互独立。 “?” 若X和Y相互独立，则 ?(x, y)?R2，有