条件分布

多维离散型随机变量的条件分布律

设$(X,Y)$是二维离散型随机变量，对于固定的$j$，若 P { Y = y j } > 0 P\{Y=y_j\} > 0 P{Y=yj​}>0则称

​ P { X = x i ∣ Y = y i } = P { X = x i , Y = y i } P { Y = y i } = P i j P ⋅ j P\{X=x_i|Y=y_i\} = \frac{P\{X=x_i,Y=y_i\}}{P\{Y=y_i\}}=\frac{P_{ij}}{P_{·j}} P{X=xi​∣Y=yi​}=P{Y=yi​}P{X=xi​,Y=yi​}​=P⋅j​Pij​​

为在$Y=y_j$条件下随机变量$X$的条件分布率

同理，对于固定的$i$，若 P { X = x i } > 0 P\{X=x_i\} > 0 P{X=xi​}>0则称

​ P { Y = y i ∣ X = x i } = P { X = x i , Y = y i } P { X = x i } = P i j P i ⋅ P\{Y=y_i|X=x_i\} = \frac{P\{X=x_i,Y=y_i\}}{P\{X=x_i\}}=\frac{P_{ij}}{P_{i·}} P{Y=yi​∣X=xi​}=P{X=xi​}P{X=xi​,Y=yi​}​=Pi⋅​Pij​​

为在$Y=y_j$条件下随机变量$Y$的条件分布率

多为连续型随机变量的条件概率密度

设二维随机变量$(X,Y)$的概率密度为$f(x,y)$，$(X,Y)$关于$Y$的边缘概率密度为$f_Y(y)$

若对于固定的$y$，$f_Y(y)>0$，则称$\frac{f(x,y)}{f_Y(y)}$为在$Y=y$的条件下$X$的条件概率密度

​ 记作
$$\begin{gathered} f_{X|Y}(x|y)=\frac{f(x,y)}{f_Y(y)} \\ {f}_{X|Y>y}(x|y)=\frac{f(x,y)}{P(Y>y)} \\ {f}_{X|Y<y}(x|y)=\frac{f(x,y)}{P(Y<y)} \end{gathered}$$
称${\int }_{\infty }^x{f}_{X|Y}(x|y)dx={\int }_{\infty }^x\frac{f(x,y)}{f_Y(y)}dx$为在$Y=y$的条件下，$X$的条件分布函数，记作

​ P { X ≤ x ∣ Y = y } P\{X \le x | Y = y\} P{X≤x∣Y=y} 或 $F_{X|Y}(x|y)$

即 $F_{X|Y}(x|y)=P{X \le x | Y = y} = \int_{\infty}^x \frac{f(x,y)}{f_Y(y)}dx $

同理定义在$X=x$的条件下$Y$的条件概率密度为

F Y ∣ X ( y ∣ x ) = P { Y ≤ y ∣ X = x } = ∫ ∞ y f ( x , y ) f X ( x ) d y F_{Y|X}(y|x)=P\{Y \le y | X = x\} = \int_{\infty}^y \frac{f(x,y)}{f_X(x)}dy FY∣X​(y∣x)=P{Y≤y∣X=x}=∫∞y​fX​(x)f(x,y)​dy

画关系图，总结联合分布、边缘分布和条件分布的关系