《概率论课堂讲义》.ppt

3.2 边缘分布与随机变量的独立性 ;一、边缘分布的定义 ;例1: 设(X,Y)的分布函数为 F(x,y)=A(B+arctanx)(C+arctany)， -∞ x+∞ , -∞ y+∞ 求(1)常数A,B,C (2)边缘分布函数Fx(x),FY(y)。 解: 由分布函数的性质知 ;从而 ; 1．边缘分布律  设(X,Y)为离散型二维随机向量,分别称X和Y的分布律为(X,Y)关于X和Y的边缘分布律。 2．计算 问题：设(X,Y)的联合分布律为P{X=xi,Y=yj}=pij,i，j=1,2,…,求关于X和Y的边缘分布律。;精选ppt;例2;解: X的可能取值为1,3且 P{X=1}=P{X=1,Y=-1}+P{X=1,Y=0}+P{X=1,Y=4} =0.17+0.05+0.21=0.43 P{X=3}=P{X=3,Y=-1}+P{X=3,Y=0}+P{X=3,Y=4} = 0.04+0.28+0.25 =0.57 因此关于X的边缘分布律为 ; 我们把边缘分布律写在联合分布律表格的边缘上如下表所示 ;;三、连续型随机向量(X,Y)的边缘概率密度 1.边缘概率密度  设(X,Y)为连续型随机向量,具有概率密度f(x,y), X和Y的概率密度分别为fx(x),fY(y),分别称fx(x), fY(y)为(X,Y)关于X和Y的边缘概率密度。 ;2.公式: ; 例3 设(X,Y)的概率密度是;(2) ;即;例: 设(X,Y)在单位圆D{(x,y)|x2+y21}上服从均匀分布,求边缘概率密度fx(x),fY(y)。 解： (X,Y)的概率密度为：; ;例4: 设(X,Y)?N(μ1,μ2,σ12,σ22,ρ)，即(X,Y)具有概率密度 ;精选ppt;即X?N(μ1,σ12)，Y?N(μ2,σ22).且不依赖参数ρ。 ;随机变量独立性 ; 即为 F(x，y)=FX(x)FY(y) 反之，若X与Y满足F(x，y)=FX(x)FY(y) ，则有 P{x1X≤x2，y1Y≤y2} =F(x2, y2)- F(x1, y2)-F(x2, y1)+ F(x1, y1) = Fx(x2)FY(y2)- Fx(x1)FY(y2)- Fx(x2)FY(y1)+Fx(x1)FY(y1) =[Fx(x2)-Fx(x1)][FY(y2)-FY(y1)] =P{x1X≤x2}P{y1Y≤ y2} 可进一步推广，对任意区间I1，I2，有 P{X∈I1，Y∈I2}=P{X∈I1}P{Y∈I2}。 ;1． 定义：设F(x，y)及Fx(x) ， FY(y)分别是二维随机变量(X，Y)的分布函数及边缘分布函数。若对于所有x，y有 F(x，y)=Fx(x)FY(y) 则称随机变量X和Y是相互独立的。 ;例1: 设(X,Y)的分布函数为 , ;注释 由联合分布可以确定边缘分布，但反之，由边缘分布不能确定联合分布。如果X与Y相互独立，则X，Y的边缘分布就能确定联合分布。 ;定理 设(X，Y)为离散型随机变量，其分布律为 P{X=xi,Y=yj}=pij (i，j=1，2，…) 其边缘分布律分别为P{X=xi}=pi · (i=1，2，…) P{Y=yj}=p· j (j=1，2，…) 则X与Y相互独立的充要条件是对于任意i，j有: pij= pi··p·j ;所以X与Y相互独立。 ;于是，对于任意i，j，由概率的连续性 ; 例1: 在上节例中讨论X与Y的独立性。 ;三、连续型随机变量独立的等价条件 定理. 设(X，Y)是连续型随机变量，f(x，y)，fx(x)，fY(y)分别为(X，Y)的概率密度和边缘概率密度，则X和Y相互独立的充要条件是等式  f(x，y) = fx(x)fY(y) 对f(x，y)，fx(x)，fY(y)的所有连续点成立. 证明：(1) 充分性。若f(x，y)=fx(x)fY(y) ，则 ;(2)必要性。若X与Y相互独立，则在f(x，y) ， fx(x)，fY(y)的所有连续点有 ;例2: 设(X，Y)?N(μ1，μ2，σ12，σ22，ρ)，证明X 与Y相互独立的充要条件为ρ=0。