离散分布的分布函数_条件分布与条件期望
这一节我们讲条件分布与条件期望。同之前的文章一样,先给出理论,后给出习题和解答。
所谓条件分布就是对于二维随机变量
条件概率给出。同样地,分为离散型和连续型两种情况分别讨论:
离散型随机变量的条件分布
设二维随机变量
仿照条件概率,给出离散型随机变量的条件分布:
给定
的
为在
。
同理,在
的条件下
的条件分布列:
也许式子不好记,但是还是比较容易理解的。
连续型随机变量的条件分布
我们知道对于连续型随机变量,讨论其在单点的概率是没有意义的,其条件分布的给出过程利用了极限的思想,具体参见教材。下面直接给出条件密度函数和条件分布函数:
设二维随机变量
在
:
在
的条件下,
的条件分布函数:
在
的条件下,
的条件密度函数:
在
的条件下,
的条件分布函数:
要注意的是,条件密度函数
,即他们都依赖于
条件密度函数
和条件分布函数
都是关于
的二元函数。
连续场合下的全概率公式和贝叶斯公式
将(1)和(3)分别改写为:
上面两式说明由边际分布和条件分布可以得到联合分布。
对上面两式分别求
连续场合下的全概率公式:
再分别将(5)和(7)带入(1),将(6)(8)带入(2),即得连续场合下的贝叶斯公式:
公式确实不好记,但只要熟练过后,就知道怎么推导了。尤其是贝叶斯公式的推导过程,先算出边际分布,再结合条件概率的定义,导出贝叶斯公式。实则体现了贝叶斯统计的修正思想。
这里可以结合离散场合下的贝叶斯公式加以理解和记忆:
条件期望
顾名思义,条件期望就是条件分布的数学期望。定义如下:
在
在
的条件下,
的期望:
要特别注意的是,与条件密度函数和条件分布函数不同,条件期望是只依赖于一个变元的函数,且与惯性思维不同的是,
条件期望的本质是期望,因而具有期望的一切性质。
重期望公式
设二维随机变量
证明:
1.连续场合
我们首先看
再利用
2.离散场合
重期望公式是概率论中较为深刻的一个结论,一句话概括:全部的平均等于各部分平均的平均。在实际中很有用,譬如,当我们要算在一个取值于很大范围内的指标
重期望公式的具体使用如下:
1.若
1.若
引申:条件方差
依据方差和条件分布的定义,不难得到给定
条件方差公式
证明:
从而:
条件方差可参考:条件方差公式的直观解释?、https://www.jianshu.com/p/e4c0a6db8a86
e.g.1
设随机变量
解:
因为泊松分布具有可加性,则
易见在
e.g.2
设在一段时间内进入某商店的顾客人数
从而
e.g.3
设随机变量
解:
因
从而:
e.g.4
设随机变量
证明:
在
则
设
当
当
则
从而
e.g.5
设
解:
要求条件期望,我们先求条件分布。
由 e.g.1 知在
从而:
e.g.6(重期望公式的应用)
一矿工被困在有三个门的矿井里。第一个门通往一个坑道,沿此坑道走3小时可到达安全区;第二个门通往一个坑道,沿此坑道走5小时又回到原处;第三个门通往一个坑道,沿此坑道走7小时也回到原处。假定此矿工总是等可能地在三个门中选择一个,试求他平均要用多少时间才能到达安全区。
解:
设该矿工需要
选第一个门后三小时可到达安全区,则:
选第二个门后五小时回到原处,则:
选第三个门后七小时回到原处,则:
再由重期望公式:
解得:
即该矿工平均需要15小时到达安全区。
离散分布的分布函数_条件分布与条件期望相关推荐
- 概率论-3.5 条件分布与条件期望
离散随机变量的条件分布: 二位随机变量(X,Y)的联合分布列:pij=P(X=xi,Y=yj) P(Y=yj)=Sum(P(X=xi,Y=yj)),对xi累加 P(X=xi)=Sum(P(X=xi,Y ...
- 泊松分布的分布函数_常见概率分布汇总
注:本篇内容均摘自<商务与经济统计学>,目的是方便个人查阅相关基本概念. 随机变量是对实验结果的数值描述,分为离散型随机变量和连续型随机变量.下面列举常见的离散型概率分布和连续型概率分布. ...
- 泊松分布的分布函数_《可靠性设计》——常用的概率分布
超几何分布: 在总数为N.不合格品率为p的一批产品中随机抽取n个样品,且样品中r个不合格品的概率为 则称x服从超几何分布. 当N很大时,上式计算相当烦琐,此时可以用二项分布或泊松分布来近似. 二项分布 ...
- 正态分布是离散分布还是连续分布_高中就开始学的正态分布,原来如此重要
我们从高中就开始学正态分布,现在做数据分析.机器学习还是离不开它,那你有没有想过正态分布有什么特别之处?为什么那么多关于数据科学和机器学习的文章都围绕正态分布展开?本文作者专门写了一篇文章,试着用易于 ...
- 泊松分布的分布函数_第114讲 SAS泊松分布与泊松回归
西莫恩·德尼·泊松(Simeon-Denis Poisson 1781-1840)法国数学家.几何学家和物理学家.主要成就有统计学发现泊松分布与物理光学发现与发展--泊松亮斑等. 泊松分布的参数λ是单 ...
- c# 标准正太分布函数_机器学习中常见的几种概率分布
1.均匀分布 均匀分布是关于定义在区间[a,b](a<b)上连续变量的简单概率分布,其概率密度函数如下图所示. 均匀分布的概率密度函数 若变量x服从均匀分布U(x | 0,1)且a<b,则 ...
- c# 标准正太分布函数_数据标准化处理中的min-max和zscore
数据标准化就是把有量纲的数据变成无量纲的数据,把量级不同的数据处理到一个层级,从而让不同的数据之间具有可比性.比如收入和体重两个解释变量,收入的单位是元,体重的单位是kg,10000元的收入要和45k ...
- 累积分布函数_正态累积分布函数的上下界和两个近似初等函数
综合这两个不等式得N(x)的一个近似表达式: 从另一个角度思考得出N(x)的又一个近似表达式: 详细思路及推导过程见期刊:https://www.hanspub.org/journal/PaperIn ...
- python 概率分布函数_如何在Python中实现这五类强大的概率分布
匿名用户 1级 2016-04-25 回答 首页 所有文章 观点与动态 基础知识 系列教程 实践项目 工具与框架应用 工具资源 伯乐在线 > Python - 伯乐在线 > 所有文章 &g ...
- python 概率分布函数_用Python计算累积分布函数(CDF)
假设您知道数据是如何分布的(即您知道数据的pdf),那么scipy在计算cdf时支持离散数据import numpy as np import scipy import matplotlib.pypl ...
最新文章
- php管理txt文件系统,PHP文件系统管理详解
- Andrid 图片被挤压
- DELL optiplex 解决改回 AHCI蓝屏问题
- 最详细的CISCO路由器配置命令及方法
- 交叉编译mysql客户端libmysql
- nginx1.9基于端口的四层负载均衡实践,基于端口的转的负载均衡
- 英特尔SVT-AV1 0.8 AV1视频编码基准发布
- OSI各层相关的协议
- 【dfs】通行证(jzoj 2013)
- java中访问修饰符_Java中的非访问修饰符是什么?
- 关于团队项目的一些感想——刘宇翔
- 解决:关于Git无法提交 index.lock File exists的问题
- latex中report目录_在 LaTeX 中将不编号的章节列入目录
- 显示器尺寸对照表_求解显示器屏幕尺寸对照表一般是多少?
- edge里bing必应搜索不了解决办法
- java 唐胡子_长沙.NET社区之光
- nyoj 779 兰州烧饼
- 使用Python实现批量PPT转图片,格式支持PNG、JPG,转后图片后批量重命名
- 全面了解风控策略体系
- 【Python与数据分析实验报告】Pandas数据分析基础应用
热门文章
- java 定义泛型方法_Java泛型类与泛型方法的定义详解
- HTML知识-CSS部分
- wpa_supplicant交叉编译
- 小记: 程序设计注意保持逻辑清晰
- 股市预测python代码<循环神经网络>
- 第11章 Java枚举与泛型总结
- 数学常用特殊符号读音
- 红蜘蛛多媒体网络教室安装步骤:
- error: Microsoft Visual C++ 14.0 or greater is required. Get it with Microsoft C++ Build Tools终极方案
- 最新的紫猫编程学院从零开始学脚本值得学习吗