由事件的独立性推导随机变量判定独立的条件
设 F ( x , y ) F(x,y) F(x,y)及 F X ( x ) , F Y ( 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
若对于所有 x , y x,y 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 ) F(x,y) = F_X(x)F_Y(y) F(x,y)=FX(x)FY(y),则称随机变量 X X X和 Y Y 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 ) (X,Y) (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 X和Y X和Y相互独立 ⟺ \iff ⟺ { 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 i j = P i ⋅ P ⋅ j P_{ij}=P_{i·}P_{·j} Pij=Pi⋅P⋅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 ) (X,Y) (X,Y)的联合概率密度为 f ( x , y ) f(x,y) f(x,y),边缘概率密度为 f X ( x ) , f Y ( y ) f_X(x),f_Y(y) fX(x),fY(y)
X 和 Y X和Y X和Y相互独立 ⟺ \iff ⟺ 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)
随机变量的函数 f ( X ) f(X) f(X)和 f ( Y ) f(Y) f(Y)如何判定独立?
当 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)时 f ( X ) 和 f ( Y ) f(X)和f(Y) 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 ρ = 0 \rho = 0 ρ=0 时, X X X和 Y Y Y独立