中南大学《概率论与数理分析》课件-第3章.ppt

类似的问题如：甲、乙两船同日欲靠同一码头，设两船各自独立地到达，并且每艘船在一昼夜间到达是等可能的.若甲船需停泊1小时，乙船需停泊2小时，而该码头只能停泊一艘船，试求其中一艘船要等待码头空出的概率.例如，考虑某大学的全体学生，从其中随机抽取一个学生，分别以X和Y表示其体重和身高.则X和Y都是随机变量，它们都有一定的概率分布.体重X身高Y体重X的分布身高Y的分布现在若限制1.7Y1.8(米),在这个条件下去求X的条件分布，这就意味着要从该校的学生中把身高在1.7米和1.8米之间的那些人都挑出来，然后在挑出的学生中求其体重的分布.容易想象，这个分布与不加这个条件时的分布会很不一样.例如，在条件分布中体重取大值的概率会显著增加.一、离散型r.v.的条件分布实际上是第一章讲过的条件概率概念在另一种形式下的重复.定义1设(X,Y)是二维离散型随机变量，对于固定的j，若P(Y=yj)0，则称为在Y=yj条件下随机变量X的条件概率分布.P(X=xi|Y=yj)=，i=1,2,…作为条件的那个r.v.,认为取值是给定的，在此条件下求另一r.v.的概率分布.条件分布是一种概率分布，它具有概率分布的一切性质.正如条件概率是一种概率，具有概率的一切性质.例如：i=1,2,…若P(X=xi)0，则称P(Y=Yj|X=xi)=，i=1,2,…为在X=xi条件下随机变量Y的条件概率分布.解:例1求表中r.v.Y的条件分布.已求出X的边缘分布(见上表).在X=0的条件下(2)X=1条件下二、连续型r.v.的条件分布设(X,Y)是二维连续型r.v，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，下面我们直接给出条件概率密度的定义.定义2设X和Y的联合概率密度为f(x,y),边缘概率密度为，则对一切使的x,定义已知X=x下，Y的条件密度函数为同样，对一切使的y,定义为已知Y=y下，X的条件密度函数.运用条件概率密度，我们可以在已知某一随机变量值的条件下，定义与另一随机变量有关的事件的条件概率.定义在已知Y=y下，X的条件分布函数为特别，取即:若(X,Y)是连续型r.v,则对任一集合A，求P(X1|Y=y)例3设(X,Y)的概率密度是解:P(X1|Y=y)为此,需求出由于于是对y0,故对y0,P(X1|Y=y)前面，我们已经知道，二维正态分布的两个边缘密度仍是正态分布.可以证明，对二维正态分布，已知X=x下，Y的条件分布，或者已知Y=y下，X的条件分布都仍是正态分布.解:例4:设二维随机向量(X,Y)的概率密度函数为:求:条件概率密度和条件概率：∴y?(0,1]时fY(y)0∴x?(-1,1)时fX(x)0例5:设数X在区间(0,1)均匀分布，当观察到X=x(0x1)时，数Y在区间(x,1)上随机地取值.求Y的概率密度.解：依题意，X具有概率密度对于任意给定的值x(0x1)，在X=x的条件下，Y的条件概率密度为X和Y的联合密度为于是得Y的概率密度为已知边缘密度、条件密度，求联合密度这一讲，我们介绍了条件分布的概念和计算，并举例说明对离散型和连续型随机变量如何计算条件分布.请课下通过练习进一步掌握.下一讲我们将介绍随机变量的独立性，请事先预习.第四节r.v.的独立性随机变量的独立性是概率论中的一个重要概念两事件A,B独立的定义是：若P(AB)=P(A)P(B)则称事件A,B独立.设X,Y是两个r.v，若对任意的x,y,有则称X,Y相互独立.两随机变量独立的定义是：用分布函数表示,即设X,Y是两个r.v.，若对任意的x,y,有则称X,Y相互独立.它表明，两个r.v.相互独立时，它们的联合分布函数等于两个边缘分布函数的乘积.其中是X,Y的联合密度，几乎处处成立，则称X,Y相互独立.对任意的x,y,有若(X,Y)是连续型r.v.，则上述独立性的定义等价于：这里“几乎处处成立”的含义是：在平面上