一、条件分布的定义

F(x∣A)=P{X≤x∣A}F(x|A) = P\{X≤x|A\}F(x∣A)=P{X≤x∣A}
至于这个定义，其实就是条件概率嘛：P{X≤x∣A}=P{X≤x,A}P(A)P\{X≤x|A\} = \frac{P\{X ≤ x, A\}}{P(A)}P{X≤x∣A}=P(A)P{X≤x,A}

二、二维离散型条件分布的计算

我们直接上具体的例子，难度其实是不大的：已知 X, Y 的联合分布表如下：

X\Y	0	1
0	0.1	0.3
1	0.3	0.3

需要计算各种条件分布。

因为是离散型的随机变量，X 或者 Y 的取值被限定在了那几个值里面。所以各种条件概率就可以表示为：P{X=0∣Y=0};P{X=1∣Y=0};P{X=0∣Y=1};P{X=1∣Y=1}P{Y=0∣X=0};P{Y=1∣X=0};P{Y=0∣X=1};P{Y=1∣X=1}P\{X=0|Y=0\};P\{X=1|Y=0\};P\{X=0|Y=1\};P\{X=1|Y=1\}\\ P\{Y=0|X=0\};P\{Y=1|X=0\};P\{Y=0|X=1\};P\{Y=1|X=1\}P{X=0∣Y=0};P{X=1∣Y=0};P{X=0∣Y=1};P{X=1∣Y=1}P{Y=0∣X=0};P{Y=1∣X=0};P{Y=0∣X=1};P{Y=1∣X=1}

这种题目有固定解法：
【1】先把 X, Y 的边缘分布求出来（这在上一篇 BlogBlogBlog 里面涉及了）也就是说，通过这一步，我们可以计算得到：P{X=0},P{X=1},P{Y=0},P{Y=1}P\{X=0\}, P\{X=1\}, P\{Y=0\}, P\{Y=1\}P{X=0},P{X=1},P{Y=0},P{Y=1}

【2】我们举一个例子说明：如果要求的是 P{X=1∣Y=0}P\{X=1|Y=0\}P{X=1∣Y=0}，那么根据定义可以表示为：P{X=1∣Y=0}=P{X=1,Y=0}P{Y=0}P\{X=1|Y=0\} = \frac{P\{X=1,Y=0\}}{P\{Y=0\}}P{X=1∣Y=0}=P{Y=0}P{X=1,Y=0}
我们发现：P{X=1,Y=0}P\{X=1,Y=0\}P{X=1,Y=0} 就是联合分布表里面 X = 1, Y = 0 的概率嘛，直接从上表找到即可（为0.3）

【3】除一下秒得结果

三、连续型随机变量的条件分布和条件密度

同样，我们先简单给出定义：
对于 X, Y 两个随机变量，其联合密度函数已知：f(x,y)f(x,y)f(x,y)，又已知了它们的边缘密度函数 fX(x),fY(y)f_X(x), f_Y(y)fX(x),fY(y)
如果 fY(y)>0f_Y(y)>0fY(y)>0，那么在 Y = y 的条件下 X 的条件分布函数即为：F(x∣y)=∫−∞xf(u,y)fY(y)duF(x|y) = \int_{-∞}^x\frac{f(u, y)}{f_Y(y)}duF(x∣y)=∫−∞xfY(y)f(u,y)du
两边一同时求导就可以得到 X 的条件密度函数了（值得一提的是，对等式右边是一个变上限积分的求导）得到f(x∣y)=F′(x∣y)=f(x,y)fY(y)(1)f(x|y) = F'(x|y) = \frac{f(x,y)}{f_Y(y)}\tag{1}f(x∣y)=F′(x∣y)=fY(y)f(x,y)(1)
同理，Y 的条件密度函数也是一样的：f(y∣x)=f(x,y)fX(x)(2)f(y|x) = \frac{f(x,y)}{f_X(x)}\tag{2}f(y∣x)=fX(x)f(x,y)(2)

不过大家在计算的时候要注意一点：如果题目是这样问的：求 f(y∣x=2)f(y|x = 2)f(y∣x=2)，那么我们的计算公式就应该变成：f(2,y)fX(2)\frac{f(2, y)}{f_X(2)}fX(2)f(2,y)

好啦，这就是本次 BlogBlogBlog 的全部内容，下一篇 BlogBlogBlog 我们将会学习二维随机变量函数的分布和分布密度（包括离散型和连续型）

【概率论与数理统计 Probability and Statistics 9】——二维随机变量的条件分布（离散+连续）与条件密度（连续）相关推荐

【概率论与数理统计 Probability and Statistics 8】—— 深入地理解二维随机变量及其分布函数、分布密度函数的意义
文章目录一.为什么是二维随机变量二.二维随机变量的分布函数 2.1 二维随机变量分布函数的性质 2.2 二维随机变量的边缘分布函数三.二维离散型随机变量的联合分布和边缘分布求法四.二维连续型随 ...
【概率论与数理统计 Probability and Statistics 1】—— 必需夯实的几个概念以及几个重要的概率模型，蒙特卡洛方法介绍
这是<概率论与数理统计>网上授课的第一次笔记,记录一下这门课基本的几个概念.概率论是相当重要的一门课,在许多领域,例如深度学习,机器学习,数据挖掘等都广泛地运用了概率论的知识文章目录一 ...
概率论基础 —— 5.离散型二维随机变量
在本系列前4章节,我们快速的过了一遍概率论对于一维随机变量的定义与分类. 从最原始直观的经典概率类型出发,我们引申到了条件概率,以及针对条件概率,扩展得到的全概率.贝叶斯概率. 在对概率建立起一定概念 ...
概率论与数理统计(Probability Statistics I)
Table of Contents 概率论的基本概念(The Basic Concept of Probability Theory) 随机变量及其分布(Random Variable and Its ...
概率论与数理统计(3):二维随机变量及其分布
概率论与数理统计(3):二维随机变量及其分布文章目录概率论与数理统计(3):二维随机变量及其分布一.多维随机变量定义: 二.二维随机变量及其分布函数 1.联合分布函数 ①定义 ②性质 (1) ...
【概率论基础进阶】多维随机变量及其分布-二维随机变量及其分布
文章目录一.二维随机变量分布函数F(x,y)F(x,y)F(x,y)的性质二.二维离散型随机变量分布律pijp_{ij}pij的性质三.二维连续型随机变量概率密度f(x,y)f(x,y) ...
【概率论】二维随机变量：联合分布律、边缘分布律和条件分布律之间的关系
摘要:本文主要介绍二维随机变量的联合分布律.边缘分布律和条件分布律之间的关系,并以矿山事故为例,强化对三者关系的认识. 一.联合分布律.边缘分布律和条件分布律之间的关系 1.若已知(X, Y)的联合分 ...
二维随机变量函数卷积公式的推导
二维随机变量函数卷积公式的推导 @(概率论) 给定Z=g(x,y)Z = g(x,y) 通常需要求FZ(z),fZ(z)F_Z(z),f_Z(z) 这里是由两个变元依据关系映射到一个变元,因此,求得F ...
3.5 二维随机变量函数的分布
学习目标: 要学习二维随机变量的分布,我可能会遵循以下步骤: 了解基本概念:我会开始学习二维随机变量.联合概率密度函数.边缘概率密度函数.条件概率密度函数.期望值和方差等基本概念,以确保我对这些概念有 ...

【概率论与数理统计 Probability and Statistics 9】——二维随机变量的条件分布（离散+连续）与条件密度（连续）

文章目录

一、条件分布的定义

二、二维离散型条件分布的计算

三、连续型随机变量的条件分布和条件密度

【概率论与数理统计 Probability and Statistics 9】——二维随机变量的条件分布（离散+连续）与条件密度（连续）相关推荐

最新文章

热门文章