例题四
例4.2 二维随机变量的概率分布为![](https://i-blog.csdnimg.cn/blog_migrate/71186e0ca9b10525dc2822c24e9d97a1.png)
若随机事件
{
X
=
0
}
\{X=0\}
{X=0}与
{
X
+
Y
=
1
}
\{X+Y=1\}
{X+Y=1}相互独立,则( )
(
A
)
a
=
0.2
,
b
=
0.3
;
(A)a=0.2,b=0.3;
(A)a=0.2,b=0.3;
(
B
)
a
=
0.1
,
b
=
0.4
;
(B)a=0.1,b=0.4;
(B)a=0.1,b=0.4;
(
C
)
a
=
0.3
,
b
=
0.2
;
(C)a=0.3,b=0.2;
(C)a=0.3,b=0.2;
(
D
)
a
=
0.4
,
b
=
0.1.
(D)a=0.4,b=0.1.
(D)a=0.4,b=0.1.
解 由联合分布、边缘分布及条件分布的性质,有
P
{
X
=
0
}
=
p
11
+
p
12
=
0.4
+
a
,
P
{
X
+
Y
=
1
}
=
p
12
+
p
21
=
a
+
b
,
p
11
+
p
12
+
p
21
+
p
22
=
a
+
b
+
0.5
=
1
⇒
a
+
b
=
0.5.
P\{X=0\}=p_{11}+p_{12}=0.4+a,\\ P\{X+Y=1\}=p_{12}+p_{21}=a+b,\\ p_{11}+p_{12}+p_{21}+p_{22}=a+b+0.5=1\Rightarrow a+b=0.5.
P{X=0}=p11+p12=0.4+a,P{X+Y=1}=p12+p21=a+b,p11+p12+p21+p22=a+b+0.5=1⇒a+b=0.5.
又
{
X
=
0
}
\{X=0\}
{X=0}与
{
X
+
Y
=
1
}
\{X+Y=1\}
{X+Y=1}相互独立,有
P
{
X
=
0
,
X
+
Y
=
1
}
=
P
{
X
=
0
}
⋅
P
{
X
+
Y
=
1
}
=
(
0.4
+
a
)
(
a
+
b
)
=
0.5
(
0.4
+
a
)
.
\begin{aligned} P\{X=0,X+Y=1\}&=P\{X=0\}\cdot P\{X+Y=1\}\\ &=(0.4+a)(a+b)=0.5(0.4+a). \end{aligned}
P{X=0,X+Y=1}=P{X=0}⋅P{X+Y=1}=(0.4+a)(a+b)=0.5(0.4+a).
因此
0.5
(
0.4
+
a
)
=
a
0.5(0.4+a)=a
0.5(0.4+a)=a,解得
a
=
0.4
,
b
=
0.5
−
0.4
=
0.1
a=0.4,b=0.5-0.4=0.1
a=0.4,b=0.5−0.4=0.1,故选择
(
D
)
(D)
(D)。(这道题主要利用了条件概率求解)
习题四
4.11 设二维随机变量 ( X , Y ) (X,Y) (X,Y)的概率密度为 f ( x , y ) f(x,y) f(x,y)。证明: X X X与 Y Y Y相互独立的充分必要条件是 f ( x , y ) f(x,y) f(x,y)可分离变量,即 f ( x , y ) = h ( x ) g ( y ) f(x,y)=h(x)g(y) f(x,y)=h(x)g(y)。又问 h ( x ) , g ( y ) h(x),g(y) h(x),g(y)与边缘概率密度有什么关系?
证 记
X
X
X与
Y
Y
Y的边缘概率密度分别为
f
X
(
x
)
f_X(x)
fX(x)与
f
Y
(
y
)
f_Y(y)
fY(y)。
必要性是显然的。因为
X
X
X与
Y
Y
Y相互独立,则
f
(
x
,
y
)
=
f
X
(
x
)
f
Y
(
y
)
f(x,y)=f_X(x)f_Y(y)
f(x,y)=fX(x)fY(y),即
f
(
x
,
y
)
f(x,y)
f(x,y)可分离变量,其中
h
(
x
)
=
f
X
(
x
)
,
g
(
y
)
=
f
Y
(
y
)
h(x)=f_X(x),g(y)=f_Y(y)
h(x)=fX(x),g(y)=fY(y)。
下面证充分性。因为
f
(
x
,
y
)
=
h
(
x
)
g
(
y
)
f(x,y)=h(x)g(y)
f(x,y)=h(x)g(y),所以记
k
1
=
∫
−
∞
+
∞
h
(
x
)
d
x
,
k
2
=
∫
−
∞
+
∞
g
(
y
)
d
y
.
k_1=\displaystyle\int^{+\infty}_{-\infty}h(x)\mathrm{d}x,\quad k_2=\displaystyle\int^{+\infty}_{-\infty}g(y)\mathrm{d}y.
k1=∫−∞+∞h(x)dx,k2=∫−∞+∞g(y)dy.
由概率密度的性质得
∫
−
∞
+
∞
∫
−
∞
+
∞
f
(
x
,
y
)
d
x
d
y
=
∫
−
∞
+
∞
∫
−
∞
+
∞
h
(
x
)
g
(
y
)
d
x
d
y
=
∫
−
∞
+
∞
h
(
x
)
d
x
∫
−
∞
+
∞
g
(
y
)
d
y
=
k
1
k
2
=
1.
\begin{aligned} \displaystyle\int^{+\infty}_{-\infty}\displaystyle\int^{+\infty}_{-\infty}f(x,y)\mathrm{d}x\mathrm{d}y&=\displaystyle\int^{+\infty}_{-\infty}\displaystyle\int^{+\infty}_{-\infty}h(x)g(y)\mathrm{d}x\mathrm{d}y\\ &=\displaystyle\int^{+\infty}_{-\infty}h(x)\mathrm{d}x\displaystyle\int^{+\infty}_{-\infty}g(y)\mathrm{d}y=k_1k_2=1. \end{aligned}
∫−∞+∞∫−∞+∞f(x,y)dxdy=∫−∞+∞∫−∞+∞h(x)g(y)dxdy=∫−∞+∞h(x)dx∫−∞+∞g(y)dy=k1k2=1.
又因为
f
X
(
x
)
=
∫
−
∞
+
∞
f
(
x
,
y
)
d
y
=
h
(
x
)
∫
−
∞
+
∞
g
(
y
)
d
y
=
k
2
h
(
x
)
,
f
Y
(
y
)
=
∫
−
∞
+
∞
f
(
x
,
y
)
d
x
=
g
(
y
)
∫
−
∞
+
∞
h
(
x
)
d
x
=
k
1
g
(
y
)
,
f_X(x)=\displaystyle\int^{+\infty}_{-\infty}f(x,y)\mathrm{d}y=h(x)\displaystyle\int^{+\infty}_{-\infty}g(y)\mathrm{d}y=k_2h(x),\\ f_Y(y)=\displaystyle\int^{+\infty}_{-\infty}f(x,y)\mathrm{d}x=g(y)\displaystyle\int^{+\infty}_{-\infty}h(x)\mathrm{d}x=k_1g(y),
fX(x)=∫−∞+∞f(x,y)dy=h(x)∫−∞+∞g(y)dy=k2h(x),fY(y)=∫−∞+∞f(x,y)dx=g(y)∫−∞+∞h(x)dx=k1g(y),
由此可得
f
(
x
,
y
)
=
h
(
x
)
g
(
y
)
=
k
1
k
2
h
(
x
)
g
(
y
)
=
[
k
2
h
(
x
)
]
[
k
1
g
(
y
)
]
=
f
X
(
x
)
f
Y
(
y
)
,
\begin{aligned} f(x,y)&=h(x)g(y)=k_1k_2h(x)g(y)\\ &=[k_2h(x)][k_1g(y)]=f_X(x)f_Y(y), \end{aligned}
f(x,y)=h(x)g(y)=k1k2h(x)g(y)=[k2h(x)][k1g(y)]=fX(x)fY(y),
所以
X
X
X与
Y
Y
Y相互独立,且从以上的证明过程可知
f
X
(
x
)
=
k
2
h
(
x
)
,
f
Y
(
y
)
=
k
1
g
(
y
)
f_X(x)=k_2h(x),f_Y(y)=k_1g(y)
fX(x)=k2h(x),fY(y)=k1g(y),且
k
1
k
2
=
1
k_1k_2=1
k1k2=1。(这道题主要利用了概率密度的性质求解)
新版习题四
4.1
4.6
写在最后
如果觉得文章不错就点个赞吧。另外,如果有不同的观点,欢迎留言或私信。
欢迎非商业转载,转载请注明出处。