当前课程知识点:概率论与数理统计 >  第七周:多维随机变量,独立性 >  随机变量的独立性 >  7.3 随机变量的独立性

返回《概率论与数理统计》慕课在线视频课程列表

7.3 随机变量的独立性在线视频

7.3 随机变量的独立性

下一节:7.4 独立随机变量期望和方差的性质

返回《概率论与数理统计》慕课在线视频列表

7.3 随机变量的独立性课程教案、知识点、字幕

设n维随机变量X等于X1,X2,直到,Xn的

联合分布函数为F(x1,x2,直到xn)

FXi(xi)为Xi的边缘分布函数

如果对任意的n个实数

x1,x2,直到xn

都有F(x1,x2,直到xn)

等于n个边缘分布函数

分别在x1,x2,直到xn点的取值的乘积

则称随机变量X1,X2,直到Xn相互独立

即X1小于等于等于x1

X2小于等于x2

直到Xn小于等于xn同时发生的概率

等于X1小于等于x1的概率

乘以X2小于等于x2的概率

一直乘到Xn小于等于xn的概率

对于离散型和连续型多元随机变量

相互的独立性还有等价定义

对于离散型随机变量

X1,X2,直到Xn

相互独立的充分必要条件是

X1等于x1, X2等于x2

直到Xn等于xn同时发生的概率

等于X1等于x1的概率乘以X2等于x2的概率

一直乘到Xn等于xn的概率

对于连续型随机变量

X1,X2,直到Xn相互独立的充分必要条件是

联合密度函数f(x1,x2,直到xn)

等于n个边缘密度函数分别在x1,x2

直到xn点的取值的乘积

考虑二元离散随机变量(X,Y)

已知联合分布列

验证随机变量X,Y是否独立

首先算出X和Y的边缘分布列

计算得 X和Y均服从取值为1和2

概率为3分之2和3分之1的离散分布

验证X=1 Y=1的联合概率

等于X=1的概率乘以Y=1的概率

X=1 Y=2的联合概率

等于X=1的概率乘以Y=2的概率

X=2 Y=1的联合概率

等于X=2的概率乘以Y=1的概率

X=2 Y=2的联合概率

等于X=2的概率乘以Y=2的概率

所以随机变量X和Y相互独立

给定X服从取值为-1,0和1

概率分别为4分之1,2分之1

和4分之1的离散分布

Y服从取值为0和1

概率为2分之1和2分之1的离散分布

若XY=0的概率等于1

求(X,Y)的联合分布列

并判断X,Y是否相互独立

由XY=0的概率等于1

推出XY不等于0的概率为0

而XY不等于0只有两种情况

即X=-1 Y=1以及X=1 Y=1

所以X=-1 Y=1的概率

以及X=1 Y=1的概率都等于0

给出(X,Y)的联合分布列

其中已经确定p12和P32等于0

由p11加p12等于4分之1

得到p11等于4分之1

由p31加p32等于4分之1

得到p31等于4分之1

由p11加p21加p31等于2分之1

得到p21等于0

再由p12加p22加p32等于2分之1

得到p22等于2分之1

考察X=-1的概率乘以Y=1的概率

不等于X=-1 Y=1的联合概率

所以X,Y相互不独立

设随机变量X,Y相互独立

且分别服从参数为

lamda1和lamda2的泊松分布

求X+Y的分布

因为随机变量X和Y的取值范围

均为全体非负整数

所以随机变量X+Y的取值范围

也为全体非负整数

计算X+Y的分布列

对任意的非负整数n

计算X+Y=n的概率

X+Y等于n的概率

为k取遍0到n的所有整数

对X=k,Y=n-k的概率求和

因为X,Y相互独立

所以X=k,Y=n-k的联合概率

等于X=k的概率乘以Y=n-k的概率

代入X,Y的概率分布律

将e的负lamda1次幂

与e的负lamda2次幂提出

并将求和号内每项乘以n阶乘

求和号外除以n阶乘

则求和号内恰为lamda1

加lamda2的n次幂的展开式

得到X+Y=n的概率等于

e的负(lamda1加lamda2)次幂

乘以n阶乘分之lamda1加lamda2的n次幂

这就是参数为lamda1加

lamda2的泊松分布分布列

所以X+Y服从参数为

lamda1和lamda2的泊松分布

刚才的例题得到

若X,Y相互独立

且分别服从参数为

lamda1和lamda2泊松分布

则X+Y服从参数为

lamda1加lamda2的泊松分布

这一性质称为泊松分布的可加性

对于多个相互独立的

泊松分布随机变量也成立

随机变量X1,X2,直到Xm相互独立

且分别服从参数为lamda1,lamda2

直至lamda m的泊松分布

则X1加X2一直加到Xm

服从参数为lamda1加lamda2

一直加到lamda m的泊松分布

同样具有可加性的随机变量还有二项分布

设X1,X2,直到Xm相互独立

且分别服从参数为n1,p,n2,p

等等直到nm,p的二项分布

则X1加X2一直加到Xm

服从参数为n1加n2

一直加到nm和p的二项分布

二项分布的可加性有很明确的直观含义

参数为nk,p的二项随机变量Xk

表示成功概率为p的伯努利试验

独立重复nk次的成功次数

所以相互独立的服从参数为n1,p,n2,p

等等直到nm,p的二项分布随机变量

X1,X2,直到Xm相加

就等价于将成功概率为p伯努利试验

独立地重复n1加n2

一直加到nm次的总的成功次数

这个成功次数自然服从参数为n1加n2

一直加到nm和p的二项分布

概率论与数理统计课程列表:

第一周:随机事件及其概率运算

-随机试验与随机事件

--1.1 随机试验与随机事件

-古典概型

--1.2 古典概型

--第一周:古典概型

-事件间的关系与事件的运算

--1.3 事件间的关系与事件的运算

--第一周:事件间的关系与事件的运算

-两个著名的例子

--1.4 两个著名的例子

--第一周:两个著名的例子

-讲义

第二周:条件概率和独立性

-条件概率

--2.1 条件概率

--第二周:条件概率

-有关条件概率的三个重要计算公式

--2.2 条件概率的三个重要计算公式

--第二周:有关条件概率的三个重要计算公式

-事件的独立性

--2.3 事件的独立性

--第二周:事件的独立性

-应用实例

--2.4 应用实例

--第二周:应用实例

-网球比赛胜率的计算

--Video

-讲义

第三周:随机变量

-随机变量及分布函数

--3.1.随机变量及分布函数

--第三周:随机变量及分布函数

-离散型与连续型随机变量

--3.2 离散型随机变量

--第三周:离散型与连续型随机变量

-分布函数的性质与特殊的例子

--3.3 分布函数的性质与特殊的例子

--第三周:分布函数的性质与特殊的例子

-概率论所需微积分要点回顾

--3.4 概率论所需微积分要点回顾

--第三周:概率论所需微积分要点回顾

-讲义

第四周:常见随机变量

-二项分布与负二项分布

--4.1 二项分布与负二项分布

--第四周:二项分布与负二项分布

-泊松分布

--4.2 泊松分布

--第四周:泊松分布

-几何分布与指数分布

--4.3 几何分布与指数分布

--第四周:几何分布与指数分布

-正态分布

--4.4 正态分布

--第四周:正态分布

-讲义

第五周:随机变量函数的分布及随机变量的数字特征

-随机变量函数的分布

--5.1 随机变量函数的分布

--第五周:随机变量函数的分布

-随机变量的数学期望

--5.2 随机变量的数学期望

--第五周:随机变量的数学期望

-随机变量的方差

--5.3 随机变量的方差

--第五周:随机变量的方差

-原点矩与中心矩

--5.4 原点矩与中心矩

--第五周:原点矩与中心矩

-期望和方差的一些补充性质

--5.5 期望和方差的一些补充性质

--第五周:期望和方差的一些补充性质

-讲义

第六周:常见随机变量的期望方差和应用实例

-二项分布与泊松分布的期望与方差

--6.1二项分布与泊松分布的期望与方差

--第六周:二项分布与泊松分布的期望与方差

-几何分布的期望与方差

--6.2 几何分布的期望与方差

--第六周:几何分布的期望与方差

-均匀、指数和正态分布的期望与方差

--6.3 均匀、指数和正态分布的期望与方差

--第六周:均匀、指数和正态分布的期望与方差

-随机变量数学期望的应用实例

--6.4 随机变量数学期望的应用实例

--第六周:随机变量数学期望的应用实例

-快速排序算法的平均计算量分析

--Video

-讲义

第七周:多维随机变量,独立性

-多维随机变量

--7.1. 多维随机变量

-第七周:多维随机变量

-常见多维随机变量举例

--7.2. 常见多维随机变量举例

--第七周:常见多维随机变量举例

-随机变量的独立性

--7.3 随机变量的独立性

--第七周:随机变量的独立性

-独立随机变量期望和方差的性质

--7.4 独立随机变量期望和方差的性质

--第七周:独立随机变量期望和方差的性质

-讲义

第八周:条件分布与条件期望

-条件分布

--8.1条件分布

--第八周:条件分布

-条件期望

--8.2 条件期望

--第八周:条件期望

-全期望公式(上)

--8.3 全期望公式(上)

--第八周:全期望公式(上)

-全期望公式(下)

--8.4 全期望公式(下)

--第八周:全期望公式(下)

-讲义

第九周 协方差与相关系数

-随机变量函数的期望

--9.1. 随机变量函数的期望

--第九周:随机变量函数的期望

-协方差

--9.2 协方差

--第九周:协方差

-相关系数

-- 9.3 相关系数

--第九周:相关系数

-相关与独立

--9.4 相关与独立

--第九周:相关与独立

-讲义

第十周 独立随机变量和的分布与顺序统计量

-独立随机变量和的分布

--10.1. 独立随机变量和的分布

--第十周:独立随机变量和的分布

-独立正态分布和的分布

--10.2 独立正态分布和的分布

--第十周:独立正态分布和的分布

-最大值、最小值分布

--10.3 最大值、最小值分布

--第十周:最大值、最小值分布

-顺序统计量

--10.4 顺序统计量

--第十周:顺序统计量

-讲义

第十一周 正态分布专题

-正态分布的相关与独立

--11.1 正态分布的相关与独立

--第十一周:正态分布的相关与独立

-边缘密度均为正态,联合分布不是二元正态的例子

--11.2 边缘密度均为正态,联合分布不是二元正态的例子

--第十一周:边缘密度均为正态,联合分布不是二元正态的例子

-二项分布的正态近似

--11.3 二项分布的正态近似

--第十一周:二项分布的正态近似

-正态近似计算实例

--11.4 正态近似计算实例

--第十一周:正态近似计算实例

-讲义

第十二周 大数定律和中心极限定理

-大数定律

--12.1大数定律

--第十二周:大数定律

-中心极限定理

--12.2 中心极限定理

--第十二周:中心极限定理

-蒙特卡洛(Monte Carlo)算法

--12.3 蒙特卡洛(Monte Carlo)算法

-伪随机数和随机模拟

--12.4 伪随机数和随机模拟

-讲义

第十三周 统计学基本概念

-统计学实例

--13.1 统计学实例

-总体与样本

--13.2.总体与样本

-常用统计量

--13.3 常用统计量

--第十三周:常用统计量

-三种重要的统计分布和分位数

--13.4 三种重要的统计分布和分位数

--第十三周:三种重要的统计分布和分位数

-讲义

第十四周 参数点估计

-参数的矩估计

--14.1参数的矩估计法

--第十四周:参数的矩估计

-参数的极大似然估计

--14.2参数的极大似然估计法

--第十四周:参数的极大似然估计

-参数点估计的无偏性和有效性

--14.3 参数点估计的无偏性和有效性

--第十四周:参数点估计的无偏性和有效性

-参数点估计应用实例

--14.4 参数点估计应用实例

--第十四周:参数点估计应用实例

-讲义

第十五周 参数的区间估计

-区间估计的基本思想

--15.1 区间估计的基本思想

--第十五周:区间估计的基本思想

-区间估计的构造方法

--15.2 区间估计的构造方法

--第十五周:区间估计的构造方法

-两个正态总体的区间估计

--15.3 两个正态总体的区间估计

--第十五周:两个正态总体的区间估计

-大样本置信区间

--15.4 大样本置信区间

--第十五周:大样本置信区间

-讲义

第十六周 假设检验

-假设检验问题的提示和标准步骤

--16.1假设检验问题的提示和标准步骤

--第十六周:假设检验问题的提示和标准步骤

-假设检验问题的两类错误和P值

--16.2假设检验问题的两类错误和P值

--第十六周:假设检验问题的两类错误和P值

-单个正态总体参数的假设检验

--16.3 单个正态总体参数的假设检验

--第十六周:单个正态总体参数的假设检验

-拟合优度检验

--16.4拟合优度检验

--第十六周:拟合优度检验

-讲义

应用实例

-利用条件概率计算网球比赛胜率

--利用条件概率计算网球比赛胜率

-利用期望的计算性质分析快速排序算法的平均计算量

--利用期望的计算性质分析快速排序算法的平均计算量

-讲义

习题课一

-事件

--事件

-分布函数

--分布函数

-正态

--正态

-指数与二项

--指数与二项

习题课二

-随机变量函数的分布

--随机变量函数的分布

-指数分布期望

--指数分布期望

-切比雪夫不等式

--切比雪夫

-二元离散

--二元离散

-协方差

--协方差

-二元特征

--二元特征

习题课三

-统计量

--统计量

-无偏估计

--无偏估计

-点估计

--点估计

-假设检验

--假设检验

习题课四

-选择

--选择

-填空

--填空

-大题

--大题

7.3 随机变量的独立性笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。