-
1 # spruce
-
2 # Jack
首先兩個隨機變量X與Y獨立的直觀含義就是X的取值不影響Y的取值,反之也是這樣。即X和Y是離散隨機變量。
簡單的說,就是不管X取什麼值,Y取值還是按照自己的規律來,比如當X=1時或X=2時,或其它……,Y的取值規律不變,這句話用數學描述(這很重要,把語言轉換成數學符號,是學數學最關鍵的一步):
P{Y≤y|X≤x}=P{Y≤y}
這一步能理解,那下面肯定沒問題了
由條件概率定義有
P{Y≤y|X≤x}=P{Y≤y X≤x}/P{X≤x}=P{Y≤y}
把最後等式左邊分母乘到右邊,即有
P{Y≤y,X≤x}=P{Y≤y}P{X≤x}
上等式的右邊就是聯合分布,右邊就是邊緣分布函數,再求導就得到題主的結論。
-
3 # 扛著大刀走天下
x和y相互獨立說明兩個元素不相關。一般都是x和y會代表函數裡的兩個未知數,數學裡兩個函數會有線性相關,正相關反相關等等,這種相關都是可以通過函數公示表示出現,所以就是相關的兩個未知數,而相互獨立就表示這兩個構成不了函數關系
-
4 # 汐顏0601
相互獨立的充要條件是協方差為0,同時相關係數為0。根據充分條件和必要條件的定義:若條件要求包含在“協方差為0,同時相關係數為0”內,則其為相互獨立的必要條件;
若“協方差為0,同時相關係數為0”包含在條件要求內,則其為相互獨立的充分條件。否則,為既不充分又不必要條件。 若隨機變量X與Y的聯合分布是二維正態分布,則X與Y獨立的充要條件是X與Y不相關。
對任意分布,若隨機變量X與Y獨立, 則X與Y不相關,即相關係數ρ=0.反之不真. 但當隨機變量X與Y的聯合分布是二維正態分布時,若X與Y不相關, 即相關係數ρ=0, 可以得到聯合分布密度函數是兩個邊緣密度函數的乘積,所以X與Y獨立。 簡單地說,隨機變量X,Y不相關不能保證X,Y相互獨立,反之則可以。
-
5 # 用戶2661743512559
這是離散隨機變量。x和y是獨立的。
用定義證明。p(x=0,y=-1)=p(x=0)p(y=-1),以此類推即可。
事實上,只要聯合分布律每一行或者每一列成比例,可以直接看出x和y是獨立的
回覆列表
X和Y獨立同分布有很多很好的性質。
比如說:如果X,Y獨立同正態分布,則X+Y還是正態分布。如果沒有獨立條件,則X+Y不一定是正態分布。
又比如說:如果X,Y獨立同普松分布,則X+Y還是普松分布。如果沒有獨立條件,則X+Y不一定是普松分布。
又比如說:如果X,Y獨立同二項式分布,則X+Y還是二項式分布。如果沒有獨立條件,則X+Y不一定是二項式分布。
隨機過程中,任何時刻的取值都為隨機變量,如果這些隨機變量服從同一分布,並且互相獨立,那麼這些隨機變量是獨立同分布。
擴展資料:
在概率統計理論中,指隨機過程中,任何時刻的取值都為隨機變量,如果這些隨機變量服從同一分布,並且互相獨立,那麼這些隨機變量是獨立同分布。
如果隨機變量X1和X2獨立,是指X1的取值不影響X2的取值,X2的取值也不影響X1的取值且隨機變量X1和X2服從同一分布,這意味著X1和X2具有相同的分布形狀和相同的分布參數。
對離散隨機變量具有相同的分布律,對連續隨機變量具有相同的概率密度函數,有著相同的分布函數,相同的期望、方差。如實驗條件保持不變,一系列的拋硬幣的正反面結果是獨立同分布。