随机变量的独立性判断方法

发布网友发布时间：2023-05-30 09:31

共1个回答

热心网友时间：2024-04-18 08:59

随机变量的独立性判断方法为：通过联合分布函数和边缘分布函数，或者联合概率密度和边缘概率密度来进行判断。

两个随机变量的独立性只能通过联合分布函数和边缘分布函数，或者联合概率密度和边缘概率密度来进行判断。随机变量X， Y相互独立可以推出E(XY)=E(X)E(Y) ，也就是可以推导出两者不线性相关，但不能排除其它非线性相关性，也就不能说明两者相互独立。可见，两个随机变量不相关并非一定能推得两者相互独立的结论。

随机变量（random variable）表示随机试验各种结果的实值单值函数。随机事件不论与数量是否直接有关，都可以数量化，即都能用数量化的方式表达。随机事件数量化的好处是可以用数学分析的方法来研究随机现象。例如某一时间内公共汽车站等车乘客人数，电话交换台在一定时间内收到的呼叫次数，灯泡的寿命等等，都是随机变量的实例。

随机变量的基本类型：

1、离散型。

离散型（discrete）随机变量即在一定区间内变量取值为有限个或可数个。例如某地区某年人口的出生数、死亡数，某药治疗某病病人的有效数、无效数等。离散型随机变量通常依据概率质量函数分类，主要分为：伯努利随机变量、二项随机变量、几何随机变量和泊松随机变量。

2、连续型。

连续型（continuous）随机变量即在一定区间内变量取值有无限个，或数值无法一一列举出来。例如某地区男性健康*的身长值、体重值，一批传染性肝炎患者的血清转氨酶测定值等。有几个重要的连续随机变量常常出现在概率论中，如：均匀随机变量、指数随机变量、伽马随机变量和正态随机变量。