概率论中的应用
联合概率密度
二维连续型随机变量
设 (X,Y) 是二维连续型随机变量,如果存在非负可积函数 f(x,y),使得对于任意平面区域 D,有
P{(X,Y)∈D}=∬Df(x,y)dxdy
则称 f(x,y) 为 (X,Y) 的联合概率密度函数(简称联合密度)。
联合密度满足:
- 非负性:f(x,y)≥0
- 归一性:∬R2f(x,y)dxdy=1
概率的几何意义
P{(X,Y)∈D} 等于以区域 D 为底、以曲面 z=f(x,y) 为顶的曲顶柱体的体积。
边缘概率密度
边缘密度是联合密度在另一变量上的积分——将二维分布”压缩”到一维。
条件概率密度
独立性
定理1
随机变量 X 和 Y 相互独立的充要条件是:
f(x,y)=fX(x)⋅fY(y)
对几乎所有的 (x,y) 成立。
数学期望
二维随机变量函数的期望
特别地:
- E(X)=∬xf(x,y)dxdy=∫xfX(x)dx
- E(Y)=∬yf(x,y)dxdy=∫yfY(y)dy
协方差与相关系数
若 X,Y 独立,则 Cov(X,Y)=0(反之不成立)。
典型例题
例题1:联合密度的归一化与概率
设二维随机变量 (X,Y) 的联合密度为:
f(x,y)={Axy,0,0≤x≤1,0≤y≤1其他
求:(1) 常数 A;(2) P{X+Y≤1};(3) 边缘密度 fX(x),fY(y)。
联合密度归一化边缘密度概率计算
解题思路:
利用归一性求 A,用二重积分求概率,用单积分求边缘密度。
详细步骤:
(1) 归一性:
∫01∫01Axydxdy=A∫01xdx∫01ydy=A⋅21⋅21=4A=1
所以 A=4。
(2) P{X+Y≤1}:
区域 D:0≤x≤1,0≤y≤1−x
P=∫01dx∫01−x4xydy=∫014x⋅2(1−x)2dx=2∫01x(1−2x+x2)dx=2∫01(x−2x2+x3)dx=2[2x2−32x3+4x4]01=2(21−32+41)=2⋅121=61
(3) 边缘密度:
fX(x)=∫014xydy=4x⋅21=2x(0≤x≤1),其他为0。
fY(y)=∫014xydx=4y⋅21=2y(0≤y≤1),其他为0。
最终答案:(1) A=4;(2) P{X+Y≤1}=61;(3) fX(x)=2x,fY(y)=2y(0≤x,y≤1)
例题2:均匀分布与期望
设 (X,Y) 在区域 D:0≤x≤1,x2≤y≤x 上服从均匀分布,求 E(X) 和 E(Y)。
均匀分布数学期望联合密度二重积分
解题思路:
先求区域面积,得到联合密度,再用二重积分求期望。
详细步骤:
- 区域面积:S=∫01dx∫x2xdy=∫01(x−x2)dx=[2x2−3x3]01=61
- 联合密度:f(x,y)={6,0,(x,y)∈D其他
- E(X)=∬Dx⋅6dxdy=6∫01xdx∫x2xdy=6∫01x(x−x2)dx=6∫01(x2−x3)dx=6[3x3−4x4]01=6(31−41)=6⋅121=21
- E(Y)=∬Dy⋅6dxdy=6∫01dx∫x2xydy=6∫012x2−x4dx=3∫01(x2−x4)dx=3[3x3−5x5]01=3(31−51)=3⋅152=52
最终答案:E(X)=21,E(Y)=52
例题3:正态分布的概率
设 (X,Y) 服从二维正态分布,联合密度为:
f(x,y)=2π1e−2x2+y2
求 P{X2+Y2≤R2}。
二维正态分布极坐标概率计算卡方分布
解题思路:
区域是圆,用极坐标计算。
详细步骤:
- P{X2+Y2≤R2}=∬x2+y2≤R22π1e−2x2+y2dxdy
- 极坐标:=2π1∫02πdθ∫0Re−2ρ2⋅ρdρ=∫0Rρe−2ρ2dρ=[−e−2ρ2]0R=1−e−2R2
最终答案:1−e−2R2
(这是自由度为2的卡方分布的分布函数。)
练习题
练习1
设 (X,Y) 的联合密度为 f(x,y)={e−(x+y),0,x>0,y>0其他,判断 X 和 Y 是否独立,并求 P{X<Y}。
独立性指数分布概率计算联合密度
解题思路:
求边缘密度,判断是否独立;用二重积分求概率。
详细步骤:
- 边缘密度:
fX(x)=∫0+∞e−(x+y)dy=e−x(x>0)
fY(y)=∫0+∞e−(x+y)dx=e−y(y>0)
- f(x,y)=e−x⋅e−y=fX(x)fY(y),所以 X,Y 独立。
- P{X<Y}=∫0+∞dx∫x+∞e−(x+y)dy=∫0+∞e−x⋅e−xdx=∫0+∞e−2xdx=21
最终答案:X,Y 独立(均服从参数为1的指数分布);P{X<Y}=21。
练习2
设 (X,Y) 在圆域 x2+y2≤R2 上服从均匀分布,求协方差 Cov(X,Y)。
均匀分布协方差对称性圆域
解题思路:
利用对称性,E(X)=E(Y)=0,再计算 E(XY)。
详细步骤:
- 联合密度:f(x,y)=πR21(x2+y2≤R2)
- 由对称性,E(X)=0,E(Y)=0
- E(XY)=∬x2+y2≤R2xy⋅πR21dxdy
- 被积函数 xy 关于 x(或 y)是奇函数,积分区域关于 y 轴(或 x 轴)对称,所以积分为0。
- Cov(X,Y)=E(XY)−EX⋅EY=0−0=0
最终答案:Cov(X,Y)=0
(注意:协方差为零不代表独立,本题中 X,Y 实际上不独立。)
总结
本文出现的符号
| 符号 | 类型 | 读音/说明 | 在本文中的含义 |
|---|
| f(x,y) | 联合概率密度 | joint probability density | 二维随机变量的联合密度函数 |
| fX(x) | 边缘概率密度 | marginal density | X 的边缘概率密度 |
| fY(y) | 边缘概率密度 | marginal density | Y 的边缘概率密度 |
| fX∣Y(x∣y) | 条件概率密度 | conditional density | Y=y 条件下 X 的密度 |
| E(X) | 数学期望 | expected value | 随机变量 X 的期望 |
| Cov(X,Y) | 协方差 | covariance | X 与 Y 的协方差 |
| ρXY | 相关系数 | correlation coefficient | X 与 Y 的相关系数 |
| D(X) | 方差 | variance | 随机变量 X 的方差 |
中英对照
| 中文术语 | 英文术语 | 音标 | 说明 |
|---|
| 联合概率密度 | joint probability density | /dʒɔɪnt ˌprɒbəˈbɪləti ˈdɛnsəti/ | 二维随机变量的密度函数 |
| 边缘概率密度 | marginal probability density | /ˈmɑːrdʒɪnəl ˌprɒbəˈbɪləti ˈdɛnsəti/ | 单个变量的概率密度 |
| 条件概率密度 | conditional probability density | /kənˈdɪʃənəl ˌprɒbəˈbɪləti ˈdɛnsəti/ | 条件分布的密度 |
| 数学期望 | expected value / expectation | /ɪkˈspɛktɪd ˈvæljuː/ | 随机变量的平均值 |
| 协方差 | covariance | /koʊˈvɛriəns/ | 两个变量协同变化的程度 |
| 相关系数 | correlation coefficient | /ˌkɒrəˈleɪʃən ˌkoʊɪˈfɪʃənt/ | 标准化的协方差 |
| 独立性 | independence | /ˌɪndɪˈpɛndəns/ | 随机变量间无关联 |
| 均匀分布 | uniform distribution | /ˈjuːnɪfɔːrm ˌdɪstrɪˈbjuːʃən/ | 概率密度为常数的分布 |
| 二维正态分布 | bivariate normal distribution | /baɪˈvɛriət ˈnɔːrməl ˌdɪstrɪˈbjuːʃən/ | 二维的正态分布 |
| 卡方分布 | chi-square distribution | /kaɪ skwɛər ˌdɪstrɪˈbjuːʃən/ | 标准正态变量平方和的分布 |