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 和 。当已知 后,原来的样本空间被缩小到所有满足 的结果。在这个较小范围内,需要重新计算 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。

离散型条件分布
若 ,则 在条件 下的条件概率质量函数为:
继续使用下面的联合概率表:
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 0.10 | 0.20 | 0.10 |
| 1 | 0.15 | 0.25 | 0.20 |
要求 。先计算条件事件的概率:
再将 这一列中的每个联合概率除以 0.45:
| 0 | 1 | |
|---|---|---|
| 结果 |
条件概率之和为 ,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 ,则 在给定 时的条件密度为:
其中 由联合密度对 积分得到:
连续型随机变量中,事件 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:
条件分布与独立性
若 与 独立,则知道 不会改变 的分布,因此:
连续情形同样满足 。反过来,如果对所有有效的 、,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 时,分母必须是 ,因为条件是 。
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。