二元离散型随机变量边际分布律与条件分布律

二元离散型随机变量边际分布律与条件分布律


边际分布


对于离散型随机变量 (X,Y),分布律为 P(X=x_i,Y=y_j)=p_{ij},i,j=1,2,\cdots

X,Y 的边际分布律为:

P(X=x_j)=P(X=x_i,\bigcup_{j=1}^{\infty}(Y=y_j))=\sum_{j=1}^{\infty}p_{ij}\overset{\text{记为}}{=}p_{i·}

同理,

P(Y=y_j)=P(\bigcup_{i=1}^{\infty}(X=x_j),Y=y_j)=\sum_{i=1}^{\infty}p_{ij}\overset{\text{记为}}{=}p_{·j}

注意: 记号 p_{i·} 表示是由 p_{ij} 关于 j 求和后得到的;

\quad\quad\,\,\, 同样 p_{·j} 是由 p_{ij} 关于 i 求和后得到的;

\begin{array}{c|ccccc|c} _X\bcancel{\quad^Y} & y_1 & y_2 & \cdots & y_j & \cdots & P(X=x_i) \\ \hline x_1 & p_{11} & p_{12} & \cdots & p_{1j} & \cdots & p_{1·} \\ x_2 & p_{21} & p_{22} & \cdots & p_{2j} & \cdots & p_{2·} \\ \vdots & \cdots & \cdots & \cdots & \cdots & \cdots & \vdots \\ x_i & p_{i1} & p_{i2} & \cdots & p_{ij} & \cdots & p_{i·} \\ \vdots & \cdots & \cdots & \cdots & \cdots & \cdots & \vdots \\ \hline P(Y=j) & p_{·1} & p_{·2} & \cdots & p_{·j} & \cdots & 1 \end{array}


例 1: 盒中装有 3 只红球,2 只白球,现分两从中任取 1 球,以 X、Y 分别表示第 1、2 次取到的红球数。采用不放回与放回抽样分别求:X,Y的联合分布律及边际分布律。

解:

X=\begin{cases} 0, & 第 1 次取到白球 \\ 1, & 第 1 次取到红球, \end{cases} Y=\begin{cases} 0, & 第 2 次取到白球 \\ 1, & 第 2 次取到红球 \end{cases}

先计算不放回抽样:

\begin{array}{c|cc|c} _X\bcancel{\quad^Y} & 0 & 1 & p_{i·} \\ \hline 0 & \cfrac{2}{5}·\cfrac{1}{4} & \cfrac{2}{5}·\cfrac{3}{4} & \cfrac{2}{5} \\ \\ 1 & \cfrac{3}{5}·\cfrac{2}{4} & \cfrac{3}{5}·\cfrac{2}{4} & \cfrac{3}{5} \\ \\ \hline p_{·j} & \cfrac{2}{5} & \cfrac{3}{5} & \end{array}

再计算放回抽样:

\begin{array}{c|cc|c} _X\bcancel{\quad^Y} & 0 & 1 & p_{i·} \\ \hline 0 & \cfrac{2}{5}·\cfrac{2}{5} & \cfrac{2}{5}·\cfrac{3}{5} & \cfrac{2}{5} \\ \\ 1 & \cfrac{3}{5}·\cfrac{2}{5} & \cfrac{3}{5}·\cfrac{3}{5} & \cfrac{3}{5} \\ \\ \hline p_{·j} & \cfrac{2}{5} & \cfrac{3}{5} & \end{array}

上面两表中,联合分布律不同,但它们的边际分布律相同;这说明,仅由边际分布一般不能得到联合分布。


例 2: 设一群体 80% 的人不吸烟, 15% 的人量吸烟,5% 的人吸烟较多,且已知近期他们患呼吸道疾病的概率分别为 5%,25%,70%。记

X=\begin{cases} 0, & \text{不吸烟} \\ 1, & \text{少量吸烟} \\ 2, & \text{吸烟较多} \end{cases}, Y=\begin{cases} 1, & \text{患病} \\ 0, & \text{不患病} \end{cases}

求:(1) (X,Y) 的联合分布和边际分布
\quad\,\,\,\,(2)求患者人中是吸烟者的概率。

解:(1)由题意可得:

\begin{array}{c|ccc} X & 0 & 1 & 2 \\ \hline P & 0.8 & 0.15 & 0.05 \end{array}

P\{Y=1|X=0\}=0.05,P\{Y=1|X=1\}=0.25,P\{Y=1|X=2\}=0.70

由乘法公式:P\{X=i,Y=j\}=P\{X=i\}P\{Y=j|X=i\}

\begin{array}{c|cc|c} _X\bcancel{\quad^Y} & 0 & 1 & P(X=i) \\ \hline 0 & 0.76 & 0.04 & 0.80 \\ 1 & 0.1125 & 0.0375 & 0.15 \\ 2 & 0.015 & 0.035 & 0.05 \\ \hline P(Y=j) & 0.8875 & 0.1125 & 1 \end{array}

解: (2)

\begin{aligned} & P(患病人中是吸烟者) \\ & = P\{(X=1)\bigcup(X=2)|Y=1\} \\ &\overset{\text{不相容 }}{=} P\{X=1|Y=1\} + P\{X=2|Y=1\} \\ \\ &= \cfrac{P\{X=1,Y=1\}}{P\{Y=1\}} + \cfrac{P\{X=2,Y=1\}}{P\{Y=1\}} \\ &= \cfrac{0.0375 + 0.035}{0.1125} = 0.6444 \end{aligned}


条件分布

对于两个事件 A,B ,若 P(A)>0 ,可以考虑条件概率 P(B|A),对于二元离散型随机变量 (X,Y),设其分布律为:
P(X=x_i,Y=y_j)=p_{ij}\quad i,j=1,2,\cdots

P(Y=y_j)=p_{·j}>0,考虑条件概率 P(X=x_i|Y=y_j)

由条件概率公式可得:

P(X=x_i|Y=y_j) = \cfrac{P(X=x_i,Y=y_j)}{P(Y=y_j)}=\cfrac{p_{ij}}{p_{·j}}

X 取遍所有可能的值,就得到了条件分布律。

定义:(X,Y) 是二元离散型随机变量,对于固定的 y_j,若 P(Y=y_j)>0,则称:

P(X=x_i|Y=y_j)=\cfrac{P(X=x_i,Y=y_j)}{P(Y=y_j)}=\cfrac{p_{ij}}{p_{·j}} \quad i=1,2,\cdots

为在 Y=y_j 条件下,随机变量 X 的条件分布律;

同样,对于固定的 x_i,若 P(X=x_i)>0,则称:

P(Y=y_j|X=x_i)=\cfrac{P(X=x_i,Y=y_j)}{P(X=x_i)}=\cfrac{p_{ij}}{p_{i·}} \quad j=1,2,\cdots

为在 X=x_i 条件下,随机变量 Y 的条件分布律。


例 3: 盒中装有 3 只红球, 4 只黑球, 3 只球,在其中不放回取 2 球,以 X 表示取到红球的只数, Y 表示取到黑球的只数。求(1)X,Y 的联合分布律;(2)X=1Y 的条件分布律.

解: (1) X,Y 的取值均为 0,1,2

P(X=0,Y=0)=\cfrac{C_{3}^{0}\,C_{4}^{0}\,C_{3}^{2}}{C_{10}^{2}}

P(X=i,Y=j)=\cfrac{C_{3}^{i}\,C_{4}^{j}\,C_{3}^{2-i-j}}{C_{10}^{2}}\quad i,j=0,1,2,i+j\leq2.

X,Y 的分布律为:

\begin{array}{c|ccc} _X\bcancel{\quad ^Y} & 0 & 1 & 2 \\ \hline 0 & 1/15 & 4/15 & 2/15 \\ 1 & 3/15 & 4/15 & 0 \\ 2 & 1/15 & 0 & 0 \end{array}

(2)由(1)可知, 由于 P(X=1)=7/15

故在 X=1 的条件下, Y 的分布律为:

P(Y=0|X=1)=\cfrac{P(X=1,Y=0)}{P(X=1)}=\cfrac{3}{7}

P(Y=1|X=1)=\cfrac{4}{7}

P(Y=2|X=1)=0.

\begin{array}{c|ccc} Y & 0 & 1 & 2 \\ \hline P(Y=j|X=1) & 3/7 & 4/7 & 0 \end{array}


例 4: (X,Y) 的联合分布律为:

\begin{array}{c|ccc} _X\bcancel{\quad ^Y} & -1 & 0 & 1 \\ \hline 1 & a & 0.2 & 0.2 \\ 2 & 0.1 & 0.1 & b \\ \end{array}

已知,P(Y\leq 0 | X < 2)=0.5

求:
(1) a,b 的值;
(2) \{X=2\} 条件下 Y 的条件分布律;
(3) \{X+y=2\} 条件下 X 的条件分布律;

解:考虑包含 a, b 的方程

\begin{cases} a+b+0.6 = 1 \\ P(Y\leq 0 | X < 2)=0.5 \end{cases}

\begin{aligned} 0.5 &= \cfrac{P(Y\leq 0|X<2)}{P(X<2)} = \cfrac{P(X=1,\{Y=-1\}\bigcup \{Y=0\})}{P(X=1)} \\ &= \cfrac{P(X=1,Y=-1)+P(X=1,Y=0)}{P(X=1)} \\ &= \cfrac{a+0.2}{a+0.4} \\ \\ &\implies a=0, \quad b=0.4 \end{aligned}

解:(2) P(X=2)=0.1+0.1+b=0.6

\begin{array}{c|ccc} _X\bcancel{\quad ^Y} & -1 & 0 & 1 \\ \hline 1 & 0 & 0.2 & 0.2 \\ 2 & 0.1 & 0.1 & 0.4 \\ \end{array}

\implies P(Y_j|X=2)=\cfrac{P(X=2,Y=j)}{P(X=2)}= \begin{cases} 1/6, & j=-1 \\ 1/6, & j=0 \\ 2/3, & j=1 \end{cases}

所以,\{X=2\} 条件下 Y 的条件分布律为:

\begin{array}{c|ccc} Y & -1 & 0 & 1 \\ \hline P(Y=j|X=2) & \cfrac{1}{6} & \cfrac{1}{6} & \cfrac{2}{3} \end{array}

解:(3) P(X+Y=2)=P(X=1,Y=1)+P(X=2,Y=0)=0.2+0.1=0.3

\begin{array}{c|ccc} _X\bcancel{\quad ^Y} & -1 & 0 & 1 \\ \hline 1 & 0 & 0.2 & 0.2 \\ 2 & 0.1 & 0.1 & 0.4 \\ \end{array}

P(X=i|X+Y=2)=\cfrac{P(X=i,Y=2-i)}{P(X+Y=2)}= \begin{cases} 2/3, & i = 1 \\ 1/3, & i = 2 \end{cases}

\{X+Y=2\} 条件下 X 的条件分布律为:

\begin{array}{c|cc} X & 1 & 2 \\ \hline P(X=i|X+Y=2) & \cfrac{2}{3} & \cfrac{1}{3} \end{array}

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,826评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,968评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,234评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,562评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,611评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,482评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,271评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,166评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,608评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,814评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,926评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,644评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,249评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,866评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,991评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,063评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,871评论 2 354

推荐阅读更多精彩内容