Files
MathNotesVersion1/公式笔记/概率论/Ch03_多维随机变量及其分布/题型4_随机变量的独立性判定.md
T
2026-10-04 11:44:56 +08:00

2.5 KiB
Raw Blame History

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"