最后更新: 2025-09-26 09:49 查看: 490 次纠错评论(0) 课件开VIP

二维条件分布

>考察某城市的全体居民，从中随机地抽取一个居民，假设该居民的收入和支出分别为随机变量X和Y，则X, Y各自的分布为边缘分布，(X ,Y )的分布为联合分布．对联合分布与边缘分布的研究有助于我们了解这个城市收入与支出的情况，除此之外，我们还希望了解在收入固定时支出的分布规律，例如当X=5 000（元）时，Y的分布，也就是条件分布．很显然，是否有“X=5 000”这个条件，支出Y的分布是不一样的，因此，对条件分布的研究非常有必要，它突显了在一个随机变量取值固定的条件下，另一个随机变量的统计规律

## 二维离散型随机变量的条件分布

**定义** 设 $(X, Y)$ 是二维离散型随机变量, 对于固定的 $j$, 若 $P\left(Y=y_j\right)>0$, 则称

$$
P\left(X=x_i \mid Y=y_j\right)=\frac{P\left(X=x_i, Y=y_j\right)}{P\left(Y=y_j\right)}, \quad i=1,2, \cdots,
$$

为在 $Y=y_j$ 条件下随机变量 $X$ 的条件分布列（Conditional Distribution）。
同样, 对于固定的 $i$, 若 $P\left(X=x_i\right)>0$, 则称 $P\left(Y=y_j \mid X=x_i\right)=\frac{P\left(X=x_i, Y=y_j\right)}{P\left(X=x_i\right)}, j=1,2, \cdots$为在 $X=x_i$ 条件下随机变量 $Y$ 的条件分布列.

`例` 一个加油站既有自助服务，又有人工服务．在一次加油中，令X表示特定时间内自助加油使用的油枪数量，Y表示人工加油使用的油枪数量.随机变量( X,Y )的联合分布律

![图片](/uploads/2025-09/e8dbad.jpg)
 
 当 $X=1$ 时，求 $Y$ 的条件分布律．
解 由联合分布律可以求出：$P\{X=1\}=0.08+0.20+0.06=0.34$ ．根据条件分布律的定义可知，

$$
P\{Y=0 \mid X=1\}=\frac{P\{X=1, Y=0\}}{P\{X=1\}}=\frac{0.08}{0.34}=\frac{4}{17},
$$

$$
\begin{aligned}
& P\{Y=1 \mid X=1\}=\frac{P\{X=1, Y=1\}}{P\{X=1\}}=\frac{0.20}{0.34}=\frac{10}{17}, \\
& P\{Y=2 \mid X=1\}=\frac{P\{X=1, Y=2\}}{P\{X=1\}}=\frac{0.06}{0.34}=\frac{3}{17} .
\end{aligned}
$$

所以，当 $X=1$ 时，$Y$ 的条件分布律如下．

![图片](/uploads/2025-09/635399.jpg)

## 二维连续型随机变量的条件分布
### 引例
二元连续型要比离散型复杂，先看一个例子．
设二维连续型随机变量 $(X, Y)$ 的概率密度为

$$
f(x, y)= \begin{cases}3 x, & 0<x<1,0<y<x, \\ 0, & \text { 其他. }\end{cases}
$$

求概率 $P\left\{\left.Y \leqslant \frac{1}{8} \right\rvert\, X=\frac{1}{4}\right\}$ ．
分析 $P\left\{\left.Y \leqslant \frac{1}{8} \right\rvert\, X=\frac{1}{4}\right\}$ 是否等于 $\frac{P\left\{X=\frac{1}{4}, Y \leqslant \frac{1}{8}\right\}}{P\left\{X=\frac{1}{4}\right\}}$ 呢？
因为 $P\left\{X=\frac{1}{4}\right\}=0$ ，所以 $P\left\{\left.Y \leqslant \frac{1}{8} \right\rvert\, X=\frac{1}{4}\right\} \neq \frac{P\left\{X=\frac{1}{4}, Y \leqslant \frac{1}{8}\right\}}{P\left\{X=\frac{1}{4}\right\}}$ ．
本例中，$(X, Y)$ 是二维连续型随机变量，因为 $X, Y$ 在一点处的概率为零，即 $P\{X=x\}=0$ ， $P\{Y=y\}=0$ ，所以不能直接代入条件概率公式．对于这样的问题应该如何求解概率呢？通过下面的学习我们将找到答案．

### 定义
对于连续型随机变量 $(X, Y)$, 因为 $P(X=x, Y=y)=0$, 所以不能直接由离散的定义条件分布, 但是对于任意的 $\varepsilon>0$, 若 $P(y-\varepsilon<Y \leqslant y+\varepsilon)>0$, 则可以考虑

$$
P(X \leqslant x \mid y-\varepsilon<Y \leqslant y+\varepsilon)=\frac{P(X \leqslant x, y-\varepsilon<Y \leqslant y+\varepsilon)}{P(y-\varepsilon<Y \leqslant y+\varepsilon)} .
$$

当 $\varepsilon \rightarrow 0^{+}$时, 上述条件概率的极限存在, 自然可以将此极限值定义为在 $Y=y$ 条件下 $X$ 的条件分布.

**定义** 设对于任何固定的 $\varepsilon>0, P(y-\varepsilon<Y \leqslant y+\varepsilon)>0$, 若

$$
\lim _{\varepsilon \rightarrow 0^{+}} P(X \leqslant x \mid y-\varepsilon<Y \leqslant y+\varepsilon)=\lim _{\varepsilon \rightarrow 0^{+}} \frac{P(X \leqslant x, y-\varepsilon<Y \leqslant y+\varepsilon)}{P(y-\varepsilon<Y \leqslant y+\varepsilon)}
$$

存在, 则称此极限为在 $Y=y$ 的条件下 $X$ 的条件分布函数, 记为 $P(X \leqslant x \mid Y=y)$ 或 $F_{X \mid Y}(x \mid y)$.

设二维连续型随机变量 $(X, Y)$ 的分布函数为 $F(x, y)$ ，分布密度函数为 $f(x, y)$ ，且 $f(x, y)$和边缘分布密度函数 $f_Y(y) \quad\left(f_Y(y)>0\right)$ 连续，不难验证，在 $Y=y$ 的条件下 $X$ 的条件分布函数为

$$
\boxed{
F_{X \mid Y}(x \mid y)=\int_{-\infty}^x \frac{f(u, y)}{f_Y(y)} d u  ...\text{分布函数}
}
$$

若记 $f_{X \mid Y}(x \mid y)$ 为在 $Y=y$ 的条件下 $X$ 的条件分布密度, 则

$$
\boxed{
f_{X \mid Y}(x \mid y)=\frac{f(x, y)}{f_Y(y)} ...\text{密度函数}
}
$$

类似地, 若边缘分布密度函数 $f_X(x) \quad\left(f_X(x)>0\right)$ 连续, 则在 $X=x$ 的条件下 $Y$ 的条件分布函数为

$$
F_{Y \mid X}(y \mid x)=\int_{-\infty}^y \frac{f(x, v)}{f_X(x)} d v .
$$

若记 $f_{Y \mid X}(y \mid x)$ 为在 $X=x$ 的条件下 $Y$ 的条件分布密度, 则
$$
f_{Y \mid X}(y \mid x)=\frac{f(x, y)}{f_X(x)} .
$$

`例`  设二维连续型随机变量 $(X, Y)$ 的概率密度为

$$
f(x, y)= \begin{cases}3 x, & 0<x<1,0<y<x, \\ 0, & \text { 其他. }\end{cases}
$$
 
求概率 $P\left\{\left.Y \leqslant \frac{1}{8} \right\rvert\, X=\frac{1}{4}\right\}$ ．
解 先求边缘概率密度．

$$
\begin{aligned}
f_X(x) & =\int_{-\infty}^{+\infty} f(x, y) \mathrm{d} y \\
& =\left\{\begin{array}{ll}
\int_0^x 3 x \mathrm{~d} y, & 0<x<1, \\
0, & \text { 其他 }
\end{array}= \begin{cases}3 x^2, & 0<x<1, \\
0, & \text { 其他. }\end{cases} \right.
\end{aligned}
$$

再求条件概率密度．
当 $0<x<1$ 时，

$$
f_{Y \mid X}(y \mid x)=\frac{f(x, y)}{f_X(x)}= \begin{cases}\frac{1}{x}, & 0<y<x, \\ 0, & \text { 其他. }\end{cases}
$$

当 $x=\frac{1}{4}$ 时，

$$
f_{Y \mid X}\left(y \left\lvert\, x=\frac{1}{4}\right.\right)= \begin{cases}4, & 0<y<\frac{1}{4}, \\ 0, & \text { 其他. }\end{cases}
$$

所以，$P\left\{\left.Y \leqslant \frac{1}{8} \right\rvert\, X=\frac{1}{4}\right\}=\int_{-\infty}^{\frac{1}{8}} f_{Y \mid X}\left(y \left\lvert\, x=\frac{1}{4}\right.\right) \mathrm{d} y=\int_0^{\frac{1}{8}} 4 \mathrm{~d} y=\frac{1}{2}$ ．

`例`一射手进行射击，击中的概率为 $p(0<p<1)$ ，射击到击中目标两次为止．记 $X$表示首次击中目标时的射击次数，$Y$ 表示射击的总次数．试求 $X, ~ Y$ 的联合分布列与条件分布列．

解 依题意，$X=m, Y=n$ 表示前 $m-1$ 次不中，第 $m$ 次击中，接着又 $n-1-m$ 次不中，第 $n$ 次击中．因各次射击是独立的，故 $X, ~ Y$ 的联合分布列为
$$
P(X=m, Y=n)=p^2(1-p)^{n-2}, \quad 1 \leqslant m<n=2,3, \cdots,
$$

又因

$$
\begin{gathered}
P(X=m)=\sum_{n=m+1}^{\infty} P(X=m, Y=n)=\sum_{n=m+1}^{\infty} p^2(1-p)^{n-2} \\
=p^2 \sum_{n=m+1}^{\infty}(1-p)^{n-2}=p(1-p)^{m-1}, \quad m=1,2, \cdots, \\
P(Y=n)=(n-1) p^2(1-p)^{n-2}, \quad n=2,3, \cdots
\end{gathered}
$$

因此，所求的条件分布列为

$$
\begin{aligned}
& P(X=m \mid Y=n)=\frac{P(X=m, Y=n)}{P(Y=n)}=\frac{p^2(1-p)^{n-2}}{(n-1) p^2(1-p)^{n-2}}=\frac{1}{n-1}, \quad 1 \leqslant m<n=2,3, \cdots \\
& P(Y=n \mid X=m)=\frac{P(X=m, Y=n)}{P(X=m)}=\frac{p^2(1-p)^{n-2}}{p(1-p)^{m-1}}=p(1-p)^{n-m-1}, \quad m<n, m=1,2, \cdots
\end{aligned}
$$

`例`设随机变量 $X \sim U(0,1)$ ，当观察到 $X=x(0<x<1)$ 时，$Y \sim U(x, 1)$ ，求 $Y$ 的概率密度 $f_Y(y)$ 。

解 按题意，$X$ 具有概率密度

$$
f_X(x)=\left\{\begin{array}{ll}
1, & 0<x<1 \\
0, & \text { 其他 }
\end{array} .\right.
$$

类似地，对于任意给定的值 $x(0<x<1)$ ，在 $X=x$ 的条件下，$Y$ 的条件概率密度

$$
f_{Y \mid X}(y \mid x)= \begin{cases}\frac{1}{1-x}, & x<y<1 \\ 0, & \text { 其他 }\end{cases}
$$

因此，$X$ 和 $Y$ 的联合概率密度为

$$
f(x, y)=f_{Y \mid X}(y \mid x) f_X(x)=\left\{\begin{array}{ll}
\frac{1}{1-x}, & 0<x<y<1 \\
0, & \text { 其他 }
\end{array},\right.
$$

于是，关于 $Y$ 的边缘概率密度为

$$
f_Y(y)=\int_{-\infty}^{+\infty} f(x, y) d x=\left\{\begin{array}{ll}
\int_0^y \frac{1}{1-x} d x=-\ln (1-y), & 0<y<1 \\
0, & \text { 其他 }
\end{array} .\right.
$$

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：边缘概率分布★★★★★

下一篇：二维相互独立性★★★★★

本文对您是否有用？有用 (0) 无用 (0)