Upload
ria-mullen
View
139
Download
1
Embed Size (px)
DESCRIPTION
§3.2 二维随机变量的条件分布. 在第一章中,我们介绍了条件概率的概念. 在事件 B 发生的条件下事件 A 发生的条件概 率. 推广到随机变量. 设有两个 r.v X , Y , 在给定 Y 取某个或某些值的条件下,求 X 的概率分布. 这个分布就是条件分布. 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. 一、离散型随机变量的条件分布. 类似定义在 X = x i 条件下 随机变量 Y 的条件分布律. 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. - PowerPoint PPT Presentation
Citation preview
§3.2
二维随机变量的条件分布
在第一章中,我们介绍了条件概率的概念 .
)(
)()|(
BP
ABPBAP
在事件 B 发生的条件下事件 A 发生的条件概率
推广到随机变量
设有两个 r.v X,Y , 在给定 Y 取某个或某些值的条件下,求 X 的概率分布 .
这个分布就是条件分布 .
一、离散型随机变量的条件分布 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 的条件分布律 .
P{X= xi |Y= yj }=j
ji
p
p
, i=1,2, …
类似定义在 X= xi 条件下随机变量 Y 的条件分布律 .
,i j
j
P X x Y y
P Y y
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, … 0i jP X x Y y
1
1i ji
P X x Y y
解 依题意, {Y=n} 表示在第 n 次射击时击中目标 , 且在前 n-1 次射击中有一次击中目标 . 首次击中目标时射击了 m 次 .
n 次射击 击中
2 nn-11 ……………….m
击中
例 1 一射手进行射击,击中目标的概率 射击进行到击中目标两次为止 . 以 X 表示首 次击中目标所进行的射击次数,以 Y 表示总共进行 的射击次数 . 试求 X 和 Y 的联合分布及条件分布 .
1 ,p p 0 p
{X=m} 表示
( n=2,3, …; m=1,2, …, n-1)
由此得 X 和 Y 的联合分布律为
不论 m(m<n) 是多少, P{X=m,Y=n} 都应等于
n 次射击 击中
2 nn-11 ……………….m
击中
每次击中目标的概率为 p P{X=m,Y=n}= ?
22, 1n
P X m Y n p p
22, 1n
P X m Y n p p
为求条件分布,先求边缘分布 .
X 的边缘分布律是:
( m=1,2, … )
2 2
1
(1 )n
n m
p p
1
22 )1(mn
npp
)1(1
)1( 212
p
pp
m
1)1( mpp
1
,n m
P X m P X m Y n
Y 的边缘分布律是:
( n = 2,3, … )
12 2
1
(1 )n
n
m
p p
22 )1()1( nppn
1
1
,n
m
P Y n P X m Y n
于是可求得:
2 2
2 2
(1 )
( 1) (1 )
n
n
p p
n p p
,1
1
n
当 n=2,3, … 时,
m=1,2, …,n-1
{ , }
{ }
P X m Y n
P Y n
联合分布
边缘分布
P X m Y n
n=m+1,m+2, …
当 m=1,2, … 时,
{ , }
{ }
P X m Y n
P X m
2 2
1
(1 )
(1 )
n
m
p p
p p
,)1( 1 mnpp
P Y n X m
二、连续型随机变量的条件分布
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 .
|
( , )( | )
( )X YY
f x yf x y
f y
设 X 和 Y 的联合概率密度为
, ,f x y
关于 的边缘概率密度为 , Yf y ,X Y Y
则称 为在 的条件下 ,
Y
f x y
f yY y
的条件概率密度 .X 记为
,x x
X YY
f u yf u y du du
f y 称 为在
Y y
的条件下 , 的条件分布函数 .X 记为 X YP X x Y y F x y 或
定义 2
若对于固定 0,Yf y y的 ,
|
( , )( | )
( )Y XX
f x yf y x
f x
,x
X YY
f u yP X x Y y F x y du
f y
即
类似地 , 可以定义
,y
Y XX
f x vF y x dv
f x
我们来解释一下定义的含义:
|
( , )( | )
( )X YY
f x yf x y
f y以 为例
yYyxXPyYxXP0
lim
yYyP
yYyxXPyYyxXP
,
,x y
y
y
Yy
f u v dv du
f v dv
1
2
,x
Y
f u y du
f y
1
2
,x
Y
f u y du
f y
,
0
x
Y
f u y du
f y
,x
Y
f u yP X x Y y du
f y X YF x y
,
X Y X YY
f x ydf x y F x y
d x f y
类似于全概率公式与贝叶斯公式
1 1
( ) ( , )i ij i jj j
P X x p P X x Y y
1
( ) ( )i j jj
P X x Y y P Y y
,2,1i
,2,1j
( )j iP Y y X x
1
( ) ( ).
( ) ( )
j i j
j i jj
P Y y P X x Y y
P Y y P X x Y y
类似于全概率公式
( ) ( , ) ( ) ( )X YX Yf x f x y dy f x y f y dy
类似于 Bayes 公式
( , )
( )X
f x y
f x( )Y Xf y x
( ) ( )
( )
YX Y
X
f x y f y
f x
求 P{X>1|Y=y}.
例 2 设 (X,Y) 的概率密度是
其它,0
0,0,),(
yxy
eeyxf
yyx
解
1 | )|( dxyxf YX
为此 , 需求出 | ( | )X Yf x y
1P X Y y
由于
于是对 y>0,
)(
),()|(| yf
yxfyxf
YYX
dxyxfyfY ),()(
0
dxy
ee yyx
0
][ yxy
yey
e
,ye y0
,y
e yx
0x
故对 y >0, P{X>1|Y=y}
1
dxy
e yx
1
yxe ye 1
xo
y
y
y
例 3 设 (X,Y) 服从单位圆上的均匀分布,概率密度为
其它,0
1,1
),(22 yxyxf
)|(| xyf XY求
1||,0
1||,12
),()(2
x
xxdyyxfxf X
解 X 的边缘密度为x
o
y
当 |x|<1 时 ,有
)(
),()|(| xf
yxfxyf
XXY
21)2(
1
x
,12
12x
2 21 1x y x
xo
y
x xx
1||,0
1||,12
),()(2
x
xxdyyxfxf X
)|(| xyf XY
取其它值y
xyxx
,0
11,12
1 22
2
即 当 |x|<1 时 , 有X 作为已知变量
这里是 y 的取值范围X 已知的条件下Y 的条件密度
2 21 1 2 2( , ) ~ , ; , ;X Y N 事实上
( )X Yf x y ( , )
( )Y
f x y
f y
2 21 1 2 2
2 2 21 21 2
2222
( ) ( )( ) ( )12
2(1 )
21 2
( )
2
2
1
2 1
1
2
x x y y
y
e
e
正态分布的条件分布仍为正态分布正态分布性质
)()()1(2
1
21
22
1122
1
12
1
yx
e
同理,
)( xyf XY
)1(),(~ 22
211
22
xN
)1(),(~ 22
122
11
yN)( yxf YX
例 4 已知
)( xyf XY
其他,0
1,1
22
yxxy
其他,0
10),1(4)(
2 xxxxf X
求
21
32
),5.0(),1( XYPYPYXP
解
y = x1
1
)()(),( xfxyfyxf XXY当 f X(x) > 0 时,即 0 < x < 1 时,
其他,0
1,8 yxxy
当 f X(x) = 0 时, f (x,y) = 0
故
其他,0
10,0,8),(
yyxxyyxf
x + y =1
)1( YXP
)5.0( YP
1
y = x
1
0.5
y
yxydxdy
1
1
5.08
65
y = x1
1
0.5
21
0 08
yxydxdy
161
21
32
XYPy = x1
10.5
32
32
21
dyyf XY
32
21 25.01
2dy
y
32
21 38
dyy
277
这一节,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 .
小结小结
作业 P93 习题三
16 17