1 概念
1.1 联合分布
设\(x,y\)
$$F(x,y)\triangleq{P}\{X\leqslant x,Y\leqslant y\}$$
$$-\infty<x<+\infty,-\infty<y<+\infty$$
1.2 边缘分布
(图片来自WikiPedia边缘分布词条)
已知\(F(x,y)\)
$$F_X(x)\triangleq{P}\{X\leqslant x\}={P}\{X\leqslant x,\Omega\}=P{X\leqslant x,Y\leqslant+\infty}$$
$$=F(x,+\infty)=\lim_{y\to+\infty}F(x,y)$$
同理:
$$F_Y(y)=\lim_{x\to+\infty}F(x,y)$$
2 离散型、连续型随机变量的联合、边缘及条件概率(密度)
2.1 离散型随机变量的联合分布、边缘分布与条件分布
\(X,Y\thicksim{p_{ij}}=p(X=x_i,Y=y_j)\)(联合分布率)
\(_X^{\\ {Y}}\) | \(y_1 \) | \(…\) | \(y_j\) | \(…\) | 边缘 |
\(x_1\) | \(p_{11}\) | \(…\) | \(p_{1j}\) | \(…\) | \(p_{1.}\) |
\(…\) | \(…\) | \(…\) | \(…\) | \(…\) | \(…\) |
\(x_i\) | \(p_{i1}\) | \(…\) | \(p_{ij}\) | \(…\) | \(p_{i.}\) |
\(…\) | \(…\) | \(…\) | \(…\) | \(…\) | \(…\) |
边缘 | \(p_{.1}\) | \(…\) | \(p_{.j}\) | \(…\) | \(1\) |
条件分布:
$$P(X=x_i|Y=y_j)={{P(X=x_i,Y=y_j)}\over{P(Y=y_j)}}={{p_{ij}}\over{p_{.j}}}, 条件={{联合}\over{边缘}}$$
2.2 连续型随机变量的联合密度、边缘密度
联合概率密度:\(X,Y\thicksim{f(x,y)}\)
边缘概率密度:
$$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)dy$$
$$f_Y(y)=\int_{-\infty}^{+\infty}f(x,y)dx$$
条件概率密度:
$$f_{X|Y}(x|y)={{f(x,y)}\over{f_Y(y)}}, 条件={{联合}\over{边缘}}$$
3 独立性的概念
多元随机变量的独立性
例子:分别掷两次骰子,两次都为1的概率为1/36
$$X,Y相互独立\Leftrightarrow F(x,y)=F_X(x)F_Y(y)$$
3.1 离散型随机变量
$$X,Y相互独立\Leftrightarrow p_{ij}=p_ip_j$$
3.2 连续型随机变量
$$X,Y相互独立\Leftrightarrow f(x,y)=f_X(x)f_Y(y)$$
4 两大分布
4.1 均匀分布
$$X,Y\thicksim{f(x,y)}=\left\{ \begin{aligned}&{{1}\over{S_D}}&,(x,y)\in D\\&0&,(x,y)\notin D\end{aligned} \right. $$
4.2 正态分布(高斯分布)
若
$$X,Y\thicksim N(\mu_1,mu_2,\sigma_1^2,\sigma_2^2,\rho)$$
则
1.\(X\thicksim N,Y\thicksim N\)
2.\(aX+bY\thicksim N\)
3.\(独立\Leftrightarrow不想关(高斯过程中成立)\)
独立一定不相关,但不相关不一定独立
相关性中的相关指的是线性相关,不相关就是不线性相关,但这不意味着随机变量之间有其他关系导致的不独立
若干独立变量服从正态分布,其线性组合依然服从线性分布