08-随机变量的相互独立性

随机变量的相互独立性

一、二维随机变量的相互独立性

定义 设 F(x,y)F(x,y)F(x,y) 及 FX(x),FY(y)F_X(x), F_Y(y)FX(x),FY(y)分别是二维随机变量(X,Y)(X,Y)(X,Y)的分布函数及边缘分布函数.若对所有的x,yx,yx,y有

P{X≤x,Y≤y}=P{X≤x}⋅P{Y≤y} P\{X \le x, Y \le y\} = P\{X \le x\}\cdot P\{Y \le y\} P{X≤x,Y≤y}=P{X≤x}⋅P{Y≤y}

即 F(x,y)=FX(x)⋅FY(y)F(x,y) = F_X(x) \cdot F_Y(y)F(x,y)=FX(x)⋅FY(y)

则称随机变量XXX 和 YYY是 相互独立的

设 (X,Y)(X, Y)(X,Y) 是连续型随机变量,f(x,y)f(x, y)f(x,y)、fX(x)f_X(x)fX(x)、fY(y)f_Y(y)fY(y) 分别为 (X,Y)(X, Y)(X,Y) 的概率密度和边缘概率密度,若

f(x,y)=fX(x)fY(y) f(x, y) = f_X(x) f_Y(y) f(x,y)=fX(x)fY(y)

则 XXX 和 YYY 相互独立的


当 (X,Y)(X, Y)(X,Y) 是离散型随机变量时,XXX 和 YYY 相互独立的条件式等价于:对于 (X,Y)(X, Y)(X,Y) 的所有可能取的值 (xi,yj)(x_i, y_j)(xi,yj) 有

P{X=xi,Y=yj}=P{X=xi}P{Y=yj} P\{X = x_i, Y = y_j\} = P\{X = x_i\} P\{Y = y_j\} P{X=xi,Y=yj}=P{X=xi}P{Y=yj}

二、n维随机变量的相互独立性

定义 设nnn维随机变量 (X1,X2,⋯ ,Xn)(X_1, X_2, \cdots, X_n)(X1,X2,⋯,Xn) 的分布函数为

F(x1,x2,⋯ ,xn)=P{X1≤x1,X2≤x2,⋯ ,Xn≤xn}, F(x_1, x_2, \cdots, x_n) = P\{X_1 \leq x_1, X_2 \leq x_2, \cdots, X_n \leq x_n\}, F(x1,x2,⋯,xn)=P{X1≤x1,X2≤x2,⋯,Xn≤xn},

其中 x1,x2,⋯ ,xnx_1, x_2, \cdots, x_nx1,x2,⋯,xn 为任意实数。

若对于所有的 x1,x2,⋯ ,xnx_1, x_2, \cdots, x_nx1,x2,⋯,xn 有

F(x1,x2,⋯ ,xn)=FX1(x1)FX2(x2)⋯FXn(xn) F(x_1, x_2, \cdots, x_n) = F_{X_1}(x_1) F_{X_2}(x_2) \cdots F_{X_n}(x_n) F(x1,x2,⋯,xn)=FX1(x1)FX2(x2)⋯FXn(xn)

则称 X1,X2,⋯ ,XnX_1, X_2, \cdots, X_nX1,X2,⋯,Xn ​ 是相互独立的。

若对于所有的 x1,x2,⋯ ,xm,y1,y2,⋯ ,ynx_1, x_2, \cdots, x_m, y_1, y_2, \cdots, y_nx1,x2,⋯,xm,y1,y2,⋯,yn 有

F(x1,x2,⋯ ,xm,y1,y2,⋯ ,yn)=FX(x1,x2,⋯ ,xm)FY(y1,y2,⋯ ,yn) F(x_1, x_2, \cdots, x_m, y_1, y_2, \cdots, y_n) = F_{X}(x_1, x_2, \cdots, x_m) F_{Y}(y_1, y_2, \cdots, y_n) F(x1,x2,⋯,xm,y1,y2,⋯,yn)=FX(x1,x2,⋯,xm)FY(y1,y2,⋯,yn)

其中 FX,FYF_{X}, F_{Y}FX,FY 为随机变量 (X1,X2,⋯ ,Xm)(X_1, X_2, \cdots, X_m)(X1,X2,⋯,Xm) 和 (Y1,Y2,⋯ ,Yn)(Y_1, Y_2, \cdots, Y_n)(Y1,Y2,⋯,Yn) 的分布函数,则称随机变量 (X1,X2,⋯ ,Xm)(X_1, X_2, \cdots, X_m)(X1,X2,⋯,Xm) 和 (Y1,Y2,⋯ ,Yn)(Y_1, Y_2, \cdots, Y_n)(Y1,Y2,⋯,Yn) 是相互独立的。

定理 设 (X1,X2,⋯ ,Xm)(X_1, X_2, \cdots, X_m)(X1,X2,⋯,Xm) 和 (Y1,Y2,⋯ ,Yn)(Y_1, Y_2, \cdots, Y_n)(Y1,Y2,⋯,Yn) 相互独立,则 Xi (i=1,2,⋯ ,m)X_i \, (i = 1, 2, \cdots, m)Xi(i=1,2,⋯,m) 和 Yj (j=1,2,⋯ ,n)Y_j \, (j = 1, 2, \cdots, n)Yj(j=1,2,⋯,n) 相互独立。又若 h,gh, gh,g 是连续函数,则 h(X1,X2,⋯ ,Xm)h(X_1, X_2, \cdots, X_m)h(X1,X2,⋯,Xm) 和 g(Y1,Y2,⋯ ,Yn)g(Y_1, Y_2, \cdots, Y_n)g(Y1,Y2,⋯,Yn) 相互独立。

相关推荐
爱喝热水的呀哈喽11 小时前
阿里镜像安装gpu torch
概率论
2301_800895101 天前
概率论保研面试---h
概率论
我是慎独2 天前
人工智能:现代方法读书笔记(十三)
人工智能·概率论
知识分享小能手6 天前
概理论与数理统计学习教程,从入门到精通,随机变量的数字特征 — 知识点总结与详细推导(7)
学习·机器学习·概率论
ccLianLian7 天前
数理基础·高等数学摘要
线性代数·概率论
XLYcmy8 天前
京东 算法实习一面 下+手撕
c++·python·llm·概率论·数据处理·训练·codebert
killerbasd9 天前
总结 8。15
人工智能·机器学习·概率论
瑞码空间14 天前
概率论与数理统计完整知识笔记
概率论·数理统计
过期的秋刀鱼!16 天前
倾斜数据集的错误指标-混淆矩阵
人工智能·python·深度学习·机器学习·概率论·模型评估
六边形战士DONK20 天前
16-估计量的评选标准[无偏性,有效性,相合性,均方误差准则]
人工智能·机器学习·概率论