本文深入探讨了二元正态分布随机变量的性质，详细解析了其概率密度函数（PDF），并展示了如何进行归一化处理。通过变换变量，我们得到了V和W的条件概率密度函数（PSD），进一步推导出X和Y的条件PSD，揭示了X和Y之间的条件期望和方差关系。
二元正态分布随机变量
如果随机变量 X X X、 Y Y Y的联合PDF为
p X , Y ( x , y ) = 1 2 π σ x σ Y 1 − p 2 exp { − ( x − μ X ) 2 σ X 2 + ( y − μ Y ) 2 σ Y 2 − 2 ρ ( x − μ X ) ( y − μ Y ) σ X σ Y 2 ( 1 − ρ 2 ) } p_{X,Y}(x,y)=\frac{1}{2\pi \sigma_x \sigma_Y \sqrt{1-p^2}}\exp\left\{-\frac{\frac{(x-\mu_X)^2}{\sigma_X^2}+\frac{(y-\mu_Y)^2}{\sigma_Y^2}-\frac{2\rho(x-\mu_X)(y-\mu_Y)}{\sigma_X\sigma_Y}}{2(1-\rho^2)}\right\} pX,Y(x,y)=2πσxσY1−p21exp⎩⎨⎧−2(1−ρ2)σX2(x−μX)2+σY2(y−μY)2−σXσY2ρ(x−μX)(y−μY)⎭⎬⎫
则称 X X X、 Y Y Y满足二元正态分布,其中 X ∼ N ( μ X , σ X 2 ) ， Y ∼ N ( μ Y , σ Y 2 ) X \sim N(\mu_X,\sigma_X^2)，Y \sim N(\mu_Y,\sigma_Y^2) X∼N(μX,σX2)，Y∼N(μY,σY2)，协方差 C X Y = E { X Y } − μ X μ Y C_{XY}={\rm E}\{XY\}-\mu_X\mu_Y CXY=E{
最低0.47元/天 解锁文章
扫一扫
445
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
