相互独立的随机变量

由事件的独立性推导随机变量判定独立的条件

设$F(x,y)$及$F_X(x),F_Y(y)$分别是二维随机变量$(X,Y)$的分布函数及边缘分布函数

若对于所有$x,y$，有 P { X ≤ x , Y ≤ y } = P { X ≤ x } P { Y ≤ y } P\{X \le x,Y \le y\} = P\{X \le x\}P\{Y \le y\} P{X≤x,Y≤y}=P{X≤x}P{Y≤y}

即$F(x,y)=F_X(x)F_Y(y)$，则称随机变量$X$和$Y$是相互独立的

离散型随机变量判定的条件，如何推导？

若离散型随机变量$(X,Y)$的联合分布率为 P { X = i , Y = j } = p i j P\{X=i,Y=j\}=p_{ij} P{X=i,Y=j}=pij​

$X和Y$相互独立$⟺$ { X = x i , Y = y i } = P { X = x i } P { Y = y i } \{X=x_i,Y=y_i\}=P\{X=x_i\}P\{Y=y_i\} {X=xi​,Y=yi​}=P{X=xi​}P{Y=yi​}

即$P_{ij}=P_{i\cdot }{P}_{\cdot j}$

连续型随机变量判定的条件，如何推导？

设连续性随机变量$(X,Y)$的联合概率密度为$f(x,y)$，边缘概率密度为$f_X(x),f_Y(y)$

$X和Y$相互独立$⟺$ $f(x,y)=f_X(x)f_Y(y)$

随机变量的函数$f(X)$和$f(Y)$如何判定独立？

当$f(x,y)=f_X(x)f_Y(y)$时$f(X)和f(Y)$独立

二维正态分布(X,Y)，X和Y独立判定的充要条件？

当$\rho =0$ 时，$X$和$Y$独立