设X,Y是连续型随机变量,证明:若X与Y独立,则X^2与Y^2相互独立
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了设X,Y是连续型随机变量,证明:若X与Y独立,则X^2与Y^2相互独立相关的知识,希望对你有一定的参考价值。
额,不要太复杂,我数学是普通专业的大二水平
X^2,Y^2的联合累积密度函数。
即概率P(X^2<=x,Y^2<=y)
注意事件X^2<=x是和-√x<=X<=√x等价的,Y^2<=y是和-√y<=Y<=√y等价的,所以:
P(X^2<=x,Y^2<=y)=P(-√x<=X<=√x,-√y<=Y<=√y)
但是X,Y是独立的,所以,联合概率可以写成各自概率的乘积,即:
P(X^2<=x,Y^2<=y)=P(-√x<=X<=√x,-√y<=Y<=√y)=P(-√x<=X<=√x)P(-√y<=Y<=√y)
再利用事件等价变回来。
P(X^2<=x,Y^2<=y)=P(-√x<=X<=√x,-√y<=Y<=√y)=P(-√x<=X<=√x)P(-√y<=Y<=√y)
=P(X^2<=x)P(Y^2<=y)
这样,也就是X^2和Y^2独立。
连续型随机变量概念辨析:
能按一定次序一一列出,其值域为一个或若干个有限或无限区间,这样的随机变量称为离散型随机变量。离散型随机变量与连续型随机变量也是由随机变量取值范围(或说成取值的形式)确定,变量取值只能取离散型的自然数,就是离散型随机变量。
参考技术A 假定X,Y的联合分布为 f_(X,Y)(x,y), 则因为 X与Y独立,f_(X,Y)(x,y) = f_X(x) f_Y(y)
显然,随机向量(X^2, Y^2) 是 随机向量 (X, Y)的一个变换,则有:
f_(X^2,Y^2)(u,v) = f_(X,Y)(√u,√v) det A,
其中 A 为 (x, y) 到 (u, v)=(x^2, y^2) 的微分变换矩阵,因为 x^2只依赖于x, y^2只依赖于y,所以 A其实为对角矩阵,A11 = dx / du = 1/(2√u) , A22 = dy / dv = 1/(2√v),
所以 det A = A11 * A22 = 1/( 4√(uv) )
所以
f_(X^2,Y^2)(u,v) = f_(X,Y)(√u,√v) det A = f_X(√u) f_Y(√v) * 1/( 4√(uv) )
= 1/(2√u) f_X(√u) * 1/(2√v) f_Y(√v)
显然,这是两个函数的乘积,第一个函数只依赖于u,第二个函数只依赖于v,
所以 X^2与Y^2相互独立。
(矩阵A及其行列式被称为Jacobian,雅克比矩阵/行列式,如果想知道有关变换的话)
嗯,不要复杂。那就直接用一个结论。如果 X, Y独立,则 对于任意的函数 f 和 g,
f(X) ,g(Y)也都是独立的。 因为f(X) 只依赖于X,而g(Y)只依赖于Y。追问
能在简单一点吗?主要使用独立性知识,其他的适当外延一点。上边涉及范围太广了
追答呃,还要再简单。。。哈哈。就说
X, Y独立,X^2 只依赖于X,而Y^2只依赖于Y,所以X^2和Y^2独立。
或者你可以考虑X^2,Y^2的联合累积密度函数(cdf,嗯,还真不知道是不是这个翻译),
即概率 P(X^2<=x,Y^2<=y)
注意 事件 X^2<=x是和 -√x <=X<=√x 等价的,Y^2<=y是和 -√y <=Y<=√y 等价的,所以
P(X^2<=x,Y^2<=y)=P(-√x <=X<=√x,-√y <=Y<=√y)
但是X,Y是独立的,所以,联合概率可以写成各自概率的乘积,即
P(X^2<=x,Y^2<=y)=P(-√x <=X<=√x,-√y <=Y<=√y) = P(-√x <=X<=√x)P(-√y <=Y<=√y)
再利用事件等价变回来,
P(X^2<=x,Y^2<=y)=P(-√x <=X<=√x,-√y <=Y<=√y) = P(-√x <=X<=√x)P(-√y <=Y<=√y)
=P(X^2<=x)P(Y^2<=y)
这样,也就是X^2和Y^2独立。
概率论,X与Y独立,那么X与X-Y、XY、Y^2独立吗?
X与Y独立能推出哪些是独立的,拓展一下,谢谢
P[X(X-Y)]=P(X-Y)≠P(X)*p(X-Y),P[X(X+Y)]=P(X+Y)≠P(X)*P(X+Y),
所以X与X-Y,X+Y不独立。追问
与XY 独立吗?
参考技术A以上是关于设X,Y是连续型随机变量,证明:若X与Y独立,则X^2与Y^2相互独立的主要内容,如果未能解决你的问题,请参考以下文章
(弱智概率题)若两个随机变量X与Y相互独立,那X和X+Y独立么?