# 题型四:随机变量的独立性判定 ## 识别特征 - 已知联合分布(律或密度) - 问 $X, Y$ 是否独立 - 验证 $p_{ij} = p_{i\cdot} p_{\cdot j}$ 或 $f(x, y) = f_X(x) f_Y(y)$ ## 解法决策 | 情形 | 判定方法 | |------|---------| | 已知联合密度 $f(x,y)$ | 求边缘后验证乘积 | | 已知联合分布律 $p_{ij}$ | 求边缘后验证乘积 | | 已知"独立"信息 | 直接用 $f(x,y) = f_X f_Y$ | | 二维正态 | 检查 $\rho$ | ## 通法步骤 ### 一、连续型 1. 求 $f_X(x), f_Y(y)$ 2. 计算 $f_X(x) f_Y(y)$ 3. 比较 $f(x,y) \stackrel{?}{=} f_X(x) f_Y(y)$(**所有 $(x,y)$ 处**) ### 二、离散型 1. 求 $p_{i\cdot}, p_{\cdot j}$ 2. 检查 $p_{ij} = p_{i\cdot} p_{\cdot j}$(**所有 $(i,j)$ 处**) > **快捷判定**:只需找一个 $(i, j)$ 使 $p_{ij} \ne p_{i\cdot} p_{\cdot j}$(或一个 $(x, y)$ 使 $f \ne f_X f_Y$)即可否定独立。 ## 经典母题 > **题目 1**:$f(x, y) = \begin{cases} 6 e^{-(2x+3y)}, & x \ge 0, y \ge 0 \\ 0, & \text{其他} \end{cases}$。判定 $X, Y$ 独立性。 **解析**: - $f_X(x) = \int_0^\infty 6 e^{-(2x+3y)} dy = 6 e^{-2x} \cdot \frac{1}{3} = 2 e^{-2x}$($x \ge 0$) - $f_Y(y) = 3 e^{-3y}$($y \ge 0$) - $f_X(x) f_Y(y) = 6 e^{-(2x+3y)} = f(x, y)$ ✓ - **结论:$X, Y$ 独立** --- > **题目 2**:$f(x, y) = \begin{cases} \frac{1}{2\pi} e^{-\sqrt{x^2+y^2}/2}, & \text{其他} \\ 0, & \text{其他} \end{cases}$(二维拉普拉斯型)。 判定 $X, Y$ 独立性。 **解析**: - 该密度是圆对称的 $f(r) = \frac{r}{2\pi} e^{-r/2}$ 的扩展形式 - 因密度不能分离为 $f_X(x) f_Y(y)$ → **$X, Y$ 不独立** > **常见错误**:以为"圆对称 = 独立"是错的!实际上二维正态的圆对称情形才独立。 --- > **题目 3**:$(X, Y)$ 的联合分布律 | X\Y | 1 | 2 | |-----|---| | 1 | 1/6 | 1/3 | | 2 | 1/3 | 1/6 | 判定 $X, Y$ 独立性。 **解析**: - $P(X=1) = 1/6 + 1/3 = 1/2$ - $P(Y=1) = 1/6 + 1/3 = 1/2$ - $P(X=1)P(Y=1) = 1/4$ - $p_{11} = 1/6 \ne 1/4$ - **结论:$X, Y$ 不独立** --- > **题目 4**:二维正态 $(X, Y) \sim N(\mu_1, \mu_2, \sigma_1^2, \sigma_2^2, \rho)$。求 $X, Y$ 独立的充要条件。 **答案**:$\rho = 0$ > **跨章节衔接**:独立性的概念贯穿全章。它是 Ch04 协方差 $\text{Cov} = 0$ 的充分条件,是 Ch05 中心极限定理中"独立同分布"的前提。 > **口诀速记**: > - "**独立 = 联合可分解为边缘之积**" > - "**二维正态独立 $\iff \rho = 0$**" > - "**否定独立只需一个反例**"