高等数学 / 系统课时

条件分布

条件分布

条件分布描述“已知一个随机变量的信息后,另一个随机变量怎样分布”。本课将分别处理离散和连续情形,掌握条件概率的归一化过程,并理解条件分布与边缘分布的区别。

学习目标

  • 理解条件分布是在限定条件后的重新归一化
  • 会计算离散型随机变量的条件概率质量函数
  • 会计算连续型随机变量的条件密度函数

条件分布的核心含义

设随机变量为 XX 和 YY。当已知 Y=yY=y 后,原来的样本空间被缩小到所有满足 Y=yY=y 的结果。在这个较小范围内,需要重新计算 XX 各取值所占的比例。

因此,条件分布包含两个动作:先筛选满足条件的联合事件,再除以该条件本身的概率或密度,使剩余结果重新归一化为 1。

条件分布的筛选与重新归一化

离散型条件分布

若 P(Y=y)>0P(Y=y)>0,则 XX 在条件 Y=yY=y 下的条件概率质量函数为:

pX∣Y(x∣y)=pX,Y(x,y)pY(y)p_{X\mid Y}(x\mid y)=\frac{p_{X,Y}(x,y)}{p_Y(y)}

继续使用下面的联合概率表:

X\YX \backslash Y 0 1 2
0 0.10 0.20 0.10
1 0.15 0.25 0.20

要求 P(X=x∣Y=1)P(X=x\mid Y=1)。先计算条件事件的概率:

P(Y=1)=0.20+0.25=0.45P(Y=1)=0.20+0.25=0.45

再将 Y=1Y=1 这一列中的每个联合概率除以 0.45:

xx 0 1
P(X=x∣Y=1)P(X=x\mid Y=1) 0.20/0.450.20/0.45 0.25/0.450.25/0.45
结果 4/94/9 5/95/9

条件概率之和为 4/9+5/9=14/9+5/9=1,说明归一化正确。若条件事件概率为 0,则该条件分布按通常定义无法计算。

连续型条件分布

若边缘密度 fY(y)>0f_Y(y)>0,则 XX 在给定 Y=yY=y 时的条件密度为:

fX∣Y(x∣y)=fX,Y(x,y)fY(y)f_{X\mid Y}(x\mid y)=\frac{f_{X,Y}(x,y)}{f_Y(y)}

其中 fY(y)f_Y(y) 由联合密度对 xx 积分得到:

fY(y)=∫−∞∞fX,Y(x,y) dxf_Y(y)=\int_{-\infty}^{\infty} f_{X,Y}(x,y)\,dx

连续型随机变量中,事件 Y=yY=y 的概率通常为 0,但条件密度仍可通过联合密度与边缘密度之比定义。计算后还应验证:

∫−∞∞fX∣Y(x∣y) dx=1\int_{-\infty}^{\infty} f_{X\mid Y}(x\mid y)\,dx=1

条件分布与独立性

若 XX 与 YY 独立,则知道 Y=yY=y 不会改变 XX 的分布,因此:

pX∣Y(x∣y)=pX(x)p_{X\mid Y}(x\mid y)=p_X(x)

连续情形同样满足 fX∣Y(x∣y)=fX(x)f_{X\mid Y}(x\mid y)=f_X(x)。反过来,如果对所有有效的 xx、yy,条件分布始终等于对应边缘分布,就可以据此判断两个随机变量独立。

条件分布与边缘分布的区别在于:边缘分布忽略另一个变量,条件分布则明确利用另一个变量提供的信息。

常见错误

最常见的错误是分母使用了错误的边缘概率。计算 P(X=x∣Y=y)P(X=x\mid Y=y) 时,分母必须是 P(Y=y)P(Y=y),因为条件是 Y=yY=y。

另一个错误是只截取联合表中的一行或一列,却没有归一化。截取只是筛选,除以条件事件的概率后,结果才是合法的条件分布。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

条件分布

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通