Files
2026-10-04 11:44:56 +08:00

2.9 KiB
Raw Permalink Blame History

题型二:联合密度与边缘密度(连续型)

识别特征

  • 已知联合密度 $f(x, y)$(连续型)
  • 求边缘密度 f_X(x), f_Y(y)
  • 求条件密度 f_{X|Y}(x|y)
  • 求概率 P((X, Y) \in D)

解题流程

flowchart TD
    A[识别:连续型联合] --> B[求边缘: 对另一变量积分]
    B --> C[求条件: 联合/边缘]
    C --> D{求什么?}
    D -->|独立性| E[验证 f x,y = f_X f_Y]
    D -->|区域概率| F[二重积分]

通法步骤

一、边缘密度


f_X(x) = \int_{-\infty}^{+\infty} f(x, y) \, dy, \qquad f_Y(y) = \int_{-\infty}^{+\infty} f(x, y) \, dx

二、概率计算


P((X,Y) \in D) = \iint_D f(x, y) \, dx \, dy

三、条件密度


f_{X|Y}(x | y) = \frac{f(x, y)}{f_Y(y)}, \quad \text{要求 } f_Y(y) > 0

常见陷阱

  • 积分限错误(忘记考虑 f 的支撑集)
  • 边缘密度归一性 \int f_X(x) dx = 1 不验证
  • 条件密度方向错误(分子分母颠倒)

经典母题

题目:(X, Y) 的联合密度 f(x, y) = \begin{cases} 2(x+y), & 0 \le x \le y \le 1 \\ 0, & \text{其他} \end{cases}

求:(1) 边缘密度 $f_X(x), f_Y(y)$;(2) 条件密度 $f_{X|Y}(x|y)$;(3) $P(X+Y \le 1)$。

解析:

(1) 边缘密度

f_X(x) = \int_{-\infty}^{+\infty} f(x, y) dy

  • $0 \le x \le 1$:积分区间 y \in [x, 1]
f_X(x) = \int_x^1 2(x+y) dy = 2[xy + y^2/2]_x^1 = 2[x + 1/2 - x^2 - x^2/2] = 1 + 2x - 3x^2

$f_Y(y) = \int_0^y 2(x+y) dx = [x^2 + 2xy]_0^y = y^2 + 2y^2 = 3y^2$($0 \le y \le 1$)

(2) 条件密度

$f_{X|Y}(x|y) = \dfrac{f(x,y)}{f_Y(y)} = \dfrac{2(x+y)}{3y^2}$($0 \le x \le y$)

(3) $P(X+Y \le 1)$

区域 D: 0 \le x \le y \le 1 与 x+y \le 1 的交集。 由 x \le y 和 x+y \le 1 得 $x \le 1/2$(否则 y \ge x > 1/2 但 $x+y > 1$)。

P = \int_0^{1/2} \int_x^{1-x} 2(x+y) dy dx = \int_0^{1/2} 2[xy + y^2/2]_x^{1-x} dx = \int_0^{1/2} 2[x(1-2x) + (1-x)^2/2 - x^2/2] dx = \int_0^{1/2} 2[x - 2x^2 + (1-2x+x^2)/2 - x^2/2] dx = \int_0^{1/2} 2[x - 2x^2 + 1/2 - x + x^2/2 - x^2/2] dx = \int_0^{1/2} 2[1/2 - 2x^2] dx = \int_0^{1/2} (1 - 4x^2) dx = [x - 4x^3/3]_0^{1/2} = 1/2 - 4(1/8)/3 = 1/2 - 1/6 = 1/3

复盘:

  • 积分域不规则时,先画图确定积分限
  • 联合密度积分 \iint f = 1 可用于验证正确性

变式:f(x, y) = \dfrac{1}{2\pi \sigma_1 \sigma_2 \sqrt{1-\rho^2}} \exp\left(-\dfrac{1}{2(1-\rho^2)}\left[\dfrac{(x-\mu_1)^2}{\sigma_1^2} - \dfrac{2\rho(x-\mu_1)(y-\mu_2)}{\sigma_1\sigma_2} + \dfrac{(y-\mu_2)^2}{\sigma_2^2}\right]\right)

求 $f_X(x)$。

解:利用矩阵化或配方技巧可得 $f_X(x) = \dfrac{1}{\sqrt{2\pi}\sigma_1} e^{-(x-\mu_1)^2/(2\sigma_1^2)}$(正态 $N(\mu_1, \sigma_1^2)$)

口诀速记:

  • "求边缘:对另一变量积分到无穷"
  • "求条件:联合除以边缘"
  • "求概率:在区域上二重积分"