3.4 相互独立的随机变量
本章目录 · 1 节
本章导读
【3.4 相互独立的随机变量】若对所有实数,,即,称与相互独立。定义要求对所有阈值成立,只验证某一个事件相乘不能证明独立。
【两种常用判据】离散型:对全部都有,包括联合概率为0的格子。具有联合密度时:在平面上几乎处处成立。这里排除的是二维面积为0的集合,改变密度在这样集合上的取值不影响结论。只在支持区域内看到某个可分解的表达式还不够,区域外的零值也必须计入。
【三个判断例子】①第3.1节的在分解成与,并且支持集也是两个半轴的直积,故独立。②若联合表两行均为,则的边缘是,的边缘均为1/2,每格等于边缘的乘积,故独立。③第3.2节的因数计数中,,而,故不独立。否定独立只需要一个反例,证明独立则需要完整判据。
【二维正态的特殊结论】对非退化二维正态,独立当且仅当。充分性:把代入联合密度,立刻分解为两边缘的乘积。必要性:若独立,连续的联合密度与两边缘密度乘积几乎处处相等,因连续性可推出处处相等。在处比较,得到,因而。这一结论依赖“联合二维正态”,不能推广成任意两个正态边缘变量或任意随机变量不相关就独立。
【例 到达时间相差不超过5分钟】负责人到达时间,秘书到达时间,两者独立,时间单位为小时。联合密度在矩形内为1/8。五分钟为小时,要求。
把条带与矩形相交,得到四边形,沿边界依次列出的顶点为、、、。面积可由两个直角三角形作差得到,因此概率为。积分方式也可将区间在处分段,得到相同结果。图上使用真实时间刻度,避免截断坐标后误判斜率和面积。(例完)
【多维边缘与独立】维联合CDF中让不保留的坐标阈值趋于正无穷,得到所需边缘CDF;若有联合密度,对不保留的变量积分便得到边缘密度。例如。
若对所有阈值成立,则相互独立。相互独立强于两两独立;三个及以上变量仅检查每一对还不够。
【随机向量的独立与函数】两个随机向量与独立,指它们的联合CDF等于两向量CDF的乘积。由此每个与每个独立,且连续函数与也独立。更一般的可测函数同样成立:函数取值事件是原向量事件的原像,独立性因此保留。但从同一变量构造的两个函数一般不能这样断言独立。
