用分布函数定义的随机变量的独立性的合理性

最新推荐文章于 2024-04-26 19:12:08 发布

kikato2022

最新推荐文章于 2024-04-26 19:12:08 发布

阅读量1.1k

点赞数 14

分类专栏：概率论数学文章标签：概率论数学

本文链接：https://blog.csdn.net/weixin_40064300/article/details/134708075

版权

数学同时被 2 个专栏收录

20 篇文章 4 订阅

订阅专栏

概率论

5 篇文章 0 订阅

订阅专栏

随机变量的独立性是这样定义的：

如果对任意 $x, y$ 都有
$P\{X\leq x,Y\leq y\} = P\{X\leq x \}P\{Y\leq y\}$
即
$F(x,y)=F_X(x)F_Y(y)$
则称随机变量 $X$ 与 $Y$ 相互独立。

事件A与事件B相互独立

我们知道事件相互独立的本质其实是，事件A是否发生对事件B发生的概率无影响，同时，事件B是否发生对事件A发生的概率无影响。也就是 $P (A) = P (A ∣ B)$ 且 $P (B) = P (B ∣ A)$ ，根据条件概率公式：
$\frac{P(A,B)}{P(B)}$
我们可以得到：
$P (A) P (B) = P (A B)$
同样 $P (B) = P (B ∣ A)$ 也能得到 $P (A) P (B) = P (A B)$ 。
反过来，
由
$P (A) P (B) = P (A B)$
能得到：
$\frac{P(AB)}{P(B)} = P(A|B) \\ P(B) = \frac{P(AB)}{P(A)} = P(B|A)$

所以事件的独立性的定义是：

设 $A, B$ 两事件满足等式
$P (A B) = P (A) P (B)$
则称 $A$ 与 $B$ 相互独立。

随机变量X与随机变量Y相互独立

根据事件的独立性，我们自然而然地有随机变量 $X$ 与 $Y$ 相互独立的本质是 $X$ 与 $Y$ 的取值相互不影响，用分布函数和条件概率来解释就是：
$P\{X\leq x\}=P\{X\leq x | Y\leq y\}\\ P\{Y\leq y\}=P\{Y\leq y | X\leq x\}$
即：
$P\{X\leq x\}=P\{X\leq x | Y\leq y\}=\frac{P\{X\leq x,Y\leq y\}}{P\{Y\leq y\}}\\ P\{Y\leq y\}=P\{Y\leq y | X\leq x\}=\frac{P\{X\leq x,Y\leq y\}}{P\{X\leq x\}}$

我们就能得到随机变量 $X$ 与 $Y$ 相互独立的定义：
$P\{X\leq x, Y\leq y\} = P\{X\leq x\}P\{Y\leq y\}$
用分布函数即：
$F(x,y)=F_X(x)F_Y(y)$

随机变量X与Y相互独立以概率分布(离散型)或者概率密度(连续型)形式的充要条件

离散型随机变量 $X$ 和 $Y$ 相互独立的充要条件

对任意的 $i, j = 1, 2, ...$ ， $P\{X=x_i,Y=y_j\}=P\{X=x_i\}P\{Y=y_j\}$ ，即 $p_{ij}=p_{i\cdot}p_{\cdot j}$ .

证明：

$\begin{align*} P\{X= x_i, Y= y_j\} &= P\{X\leq x_i,Y\leq y_j\} - P\{X< x_i,Y\leq y_j\}-P\{X\leq x_i,Y< y_j\}+P\{X< x_i,Y< y_j\}\\ &= P\{X\leq x_i\}P\{Y\leq y_j\} - P\{X< x_i\}P\{Y\leq y_j\}-P\{X\leq x_i\}P\{Y< y_j\}+P\{X< x_i\}P\{Y< y_j\}\\ &= (P\{X\leq x_i\} - P\{X< x_i\})P\{Y\leq y_j\} - (P\{X\leq x_i\}-P\{X< x_i\})P\{Y< y_j\}\\ &= P\{X= x_i\}P\{Y\leq y_j\}-P\{X= x_i\}P\{Y< y_j\} \\ &= P\{X= x_i\}(P\{Y\leq y_j\}-P\{Y< y_j\})\\ &= P\{X=x_i\}P\{Y=y_j\} \end{align*}$

连续型随机变量 $X$ 和 $Y$ 相互独立的充要条件

对任意的 $x, y$ ， $f(x,y)=f_X(x)f_Y(y)$ .
$\begin{align*} F(x,y)&= \int_{-\infty}^x\int_{-\infty}^yf(x,y)dxdy\\ F_X(x)F_Y(y) &= \int_{-\infty}^xf_X(x)dx\int_{-\infty}^yf_Y(y)dy\\ &= \int_{-\infty}^x\int_{-\infty}^yf_X(x)f_Y(y)dxdy\\ \end{align*}$
根据定义：
$F(x,y)=F_X(x)F_Y(y)$
即：
$\int_{-\infty}^x\int_{-\infty}^yf(x,y)dxdy=\int_{-\infty}^x\int_{-\infty}^yf_X(x)f_Y(y)dxdy$
可推出：
$f(x,y)=f_X(x)f_Y(y)$

总结

由事件的独立性到随机变量的独立性，从分布函数到密度函数，直观上非常容易记忆，但是这里面其实是由细微的差异的，注意到这些细微的差异，对于构建严格的逻辑闭环，扎实数学的地基有一定作用。

kikato2022

关注

14
点赞
踩
14

收藏

觉得还不错? 一键收藏
0
评论
用分布函数定义的随机变量的独立性的合理性

由事件的独立性到随机变量的独立性，从分布函数到密度函数，直观上非常容易记忆，但是这里面其实是由细微的差异的，注意到这些细微的差异，对于构建严格的逻辑闭环，扎实数学的地基有一定作用。
复制链接

扫一扫