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

84 lines
2.5 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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**"