概率论07 联合分布

作者：Vamei 出处：http://www.cnblogs.com/vamei 欢迎转载，也请保留这段声明。谢谢！

 

我之前一直专注于单一的随机变量及其概率分布。我们自然的会想将以前的结论推广到多个随机变量。联合分布(joint distribution)描述了多个随机变量的概率分布，是对单一随机变量的自然拓展。联合分布的多个随机变量都定义在同一个样本空间中。

对于联合分布来说，最核心的依然是概率测度这一概念。 

 

离散随机变量的联合分布

我们先从离散的情况出发，了解多个随机变量并存的含义。

之前说，一个随机变量是从样本空间到实数的映射。然而，所谓的映射是人为创造的。从一个样本空间，可以同时产生多个映射。比如，我们的实验是连续三次投硬币，样本空间为

$$\Omega = \{hhh, hht, hth, thh, htt, tht, tth, ttt\}$$

h为正面，t为反面。在同一样本空间上，我们可以定义多个随机变量，比如:

• [$X$]: 投掷为正面的总数，可以取值0，1，2，3
• [$Y$]: 最后一次出现负面的总数，可以取值0，1
• [$Z$]: 将正面记为10，负面记为5，第一次与第三次取值的差，可以有5, -5, 0

这三个随机变量可以看作一个有三个分量的矢量。所以定义在同一样本空间的多随机变量，是一个从样本空间到矢量的映射。 

(从这个角度上说，单一随机变量是一个从样本空间到一个有一个分量的矢量的映射)

 

如果样本空间[$\Omega$]中每个结果出现的概率相等。而样本空间中共有8个结果，那么个每个结果的出现的概率都是1/8。据此，我们可以计算联合概率，比如

$$P(X=0, Y=1) = P(\{ttt\}) = 1/8$$

$$P(X=1, Y=1) = P(\{htt, tht\}) = 2/8$$

对于[$X = x, Y = y$]，我们寻找样本空间中满足这两个取值的所有元素。这些元素构成一个样本空间的子集，该子集的概率就是[$P(X = x, Y = y)$]的联合概率。[$p(x, y) = P(X = x, Y = y)$]称为联合概率质量函数(joint PMF, joint probability mass function)。联合概率可以看做两个事件同时发生时的概率，事件A为[$X=x$]，事件B为[$Y=y$]，即[$P(A \cap B)$]。

找到所有可能取值组合的概率，就找到了这两个随机变量的联合分布:

[$X$]	[$Y$]	[$P(X,Y)$]	对应子集
0	0	0	[$\Phi$]
1	0	1/8