【概率论】五分钟搞懂概率论联合密度函数与概率之间的计算

article/2025/9/19 23:24:07

【例题】

设X和Y的联合密度函数为:
f ( x , y ) = { 2 0 < x < ∞ , 0 < y < ∞ 0 其 他 区 域 f(x,y)=\left\{ \begin{array}{rcl} 2 && {0<x<\infty,0<y<\infty}\\ 0 && 其他区域 \end{array} \right. f(x,y)={200<x<,0<y<
计算(1)P{X>1,Y<1} (2)P{X<Y}

类型题概述

这类给联合密度函数求概率的题实质上就是二重积分被积函数是联合密度函数,积分区域是两个给出区域的交集:联合密度函数有意义的区域(即不为零的区域)与所求概率花括号中表示的区域(没看懂?没关系,结合例题秒懂!)

例题解析

来看具体例题:

(1) P{x>1, Y<1}

首先联合密度函数不为零的区域是:(为零的区域没有意义不考虑)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-41bXHbrC-1590228919520)(C:\Users\Lenovo\AppData\Roaming\Typora\typora-user-images\image-20200523175806901.png)]

然后第(1)题的所求概率区域是:x>1, Y<1(P{x>1, Y<1}) 即最后的积分区域D是两区域的交集——图中黄色部分

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-dyesg0Kz-1590228919527)(C:\Users\Lenovo\AppData\Roaming\Typora\typora-user-images\image-20200523175713599.png)]

对图中黄色区域D求联合密度的二重积分就可以了。(再次:联合密度为0的部分不考虑)

(1) P{x>1, Y<1}

= ∬ 2 e − x e − 2 y d x d y =\displaystyle\iint2e^{-x}e^{-2y}dxdy =2exe2ydxdy

= ∫ 1 + ∞ d x ∫ 0 1 2 e − x e − 2 y d y =\displaystyle\int_1^{+\infty}dx\int_0^12e^{-x}e^{-2y}dy =1+dx012exe2ydy

= ( 1 − e − 2 ) ∫ 1 + ∞ e − x d x =(1-e^{-2})\displaystyle\int_1^{+\infty}e^{-x}dx =(1e2)1+exdx

= e − 1 − e − 3 =e^{-1} - e^{-3} =e1e3

(计算可能存在错误。你看看方法就行)

同理,(2)的联合密度函数没有变,所以它的被积函数与有效区域(紫色)也没有变。但求的概率不一样(P{x<y})所以二者交叠的黄色区域如图所示:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-faapjIDY-1590228919530)(C:\Users\Lenovo\AppData\Roaming\Typora\typora-user-images\image-20200523180817189.png)]

P{x<y}

= ∬ 2 e − x e − 2 y d x d y =\displaystyle\iint2e^{-x}e^{-2y}dxdy =2exe2ydxdy

= ∫ 0 + ∞ d x ∫ 0 x 2 e − x e − 2 y d y =\displaystyle\int_0^{+\infty}dx\int_0^x2e^{-x}e^{-2y}dy =0+dx0x2exe2ydy

= ∫ 1 + ∞ e − x − e − 3 x d x =\displaystyle\int_1^{+\infty}e^{-x}-e^{-3x}dx =1+exe3xdx

= e − 1 − e − 3 =e^{-1} - e^{-3} =e1e3

小结

再来看这句话:这类给联合密度函数求概率的题实质上就是二重积分被积函数是联合密度函数,积分区域是两个给出区域的交集:联合密度函数有意义的区域(即不为零的区域)与所求概率花括号中表示的区域

是不是很easy!恭喜你学会了!

(啊今天居然有人问我概率论的题那我随便写一下吧。啊既然写了不如水一篇博客叭。顺带一提这里计算结果不一定是正确的因为博主我实在是口算笔算二重渣) 不重要大家掌握方法就好啦。希望对你有帮助!做错了请一定要告诉俺一声。。溜了溜了。。。


http://chatgpt.dhexx.cn/article/pbgbyHG2.shtml

相关文章

python3 联合概率,边缘概率,贝叶斯定理(含详细推导)

1、贝叶斯原理 假设有两个随机变量X&#xff1b;Y&#xff08;下方左图&#xff09;&#xff1b; X的取值为 {}&#xff0c;其中 i1,...,M(M个特征&#xff09;&#xff1b; Y的取值为 {}&#xff0c;&#xff0c;其中 j1,...,L&#xff08;L个类&#xff09;&#xff0c;如…

条件概率、联合概率

条件概率的条件已经发生了&#xff0c;而联合概率的两个事件不一定发生。 图中可以看出 等式左边是联合概率&#xff0c;联合概率是指两个事件同时发生的概率&#xff0c;与条件概率不是一回事&#xff0c;条件概率的条件已经发生。 万普尼克理论&#xff1a;

贝叶斯网络的联合概率到底有什么用:贝叶斯理论(4)

上篇博客我们描述了如何计算贝叶斯网络联合概率的方法。这里再举一个例子&#xff1a; 上图这个例子中&#xff0c;事件a导致了b和c的发生。假设a有、、三种状态&#xff0c;b有、两种状态&#xff0c;c有、&#xff0c;a的每个状态的先验概率是&#xff1a; 0.30.50.2 b对a的…

机器学习之条件概率,联合概率,贝叶斯定理详解

文章目录 前言边缘概率联合概率定义分析 条件概率定义问条件概率能举个例子吗问条件概率在图中表示的是哪一块呢&#xff1f;条件概率习题&#xff1a; 全概率定义推导全概率习题 贝叶斯公式定义推导贝叶斯定理习题 结束语 前言 条件概率&#xff0c;边缘概率&#xff0c;联合…

概率论中的联合概率理解

最近在看信息论中的概念&#xff0c;对于联合熵的概念比较混乱&#xff0c;从而引发出对联合概率的思考&#xff0c; 当提到联合概率的时候大家都会看到这么一个图&#xff1a; 学习概率论是这样理解还可以&#xff0c;还能解释条件概率&#xff0c;总体挺好的&#xff1b; 但…

5分钟理解边缘概率,联合概率,条件概率,随机事件独立,随机事件依赖

在隐马尔可夫&#xff08;HMM&#xff09;和条件随机场&#xff08;CRF&#xff09;中有很多概率计算问题&#xff0c;要想理解他们&#xff0c;必须先把概率的一些概念及计算公式搞清楚。本文旨在用形象的图形和具体事例来讲解这些概念和公式&#xff0c;以帮助理解。这里讲的…

联合概率和条件概率的区别和联系

联合概率P(A∩B) 两个事件一起&#xff08;或依次&#xff09;发生的概率。 例如&#xff1a;掷硬币的概率是 ⁄₂ 50%&#xff0c;翻转 2 个公平硬币的概率是 ⁄₂ ⁄₂ ⁄₄ 25%&#xff08;这也可以理解为 50% 的 50%&#xff09; P(A ∩ B) P(A) ⋅ P(B) 对于 2 个硬…

联合概率和条件概率区别

为什么从定义上看&#xff0c;觉得联合概率和条件概率是一个意思&#xff1f; P(A|B) 和 P(AB) 这俩真的不是一个东西吗&#xff1f;&#xff1f; 碎碎念开始&#xff0c;正文请跳往第2分割线 虽然我产生了这种疑问&#xff0c;但我的直觉告诉我&#xff1a;大概是个傻逼。于…

联合概率(joint probability)、分布函数(distribution function)

0. PMF 与 PDF 的记号 PMF&#xff1a; PX(x) PDF&#xff1a; fX(x) 1. 联合概率 联合概率&#xff1a;是指两个事件同时发生的概率。 P(A,B)P(B|A)⋅P(A)⇒P(B|A)P(A,B)P(A) P(A,B)=P(B|A)\cdot P(A) ⇒ P(B|A)=\frac{P(A,B)}{P(A)}因此当两事件独立时&#xff0c; P(A,B)P…

条件概率和联合概率

表示两个事件共同发生百的概率。 A与B的联合概率表示为 P(AB) 或者P(A,B)&#xff0c;或者P(A∩B)。 在概率论中&#xff0c;联合概率是指在多元的概率分布中多个随机变量分别满足各自条件的概率。 举例说明&#xff1a;假设X和Y都服从正态分布&#xff0c;那么P{X<4,Y&l…

联合概率

在机器学习经常出现联合概率&#xff0c;总是困扰者我。因此记录一下 联合概率分布简称联合分布&#xff0c;是两个及以上随机变量组成的随机向量的概率分布。根据随机变量的不同&#xff0c;联合概率分布的表示形式也不同。 对于离散型随机变量&#xff0c;联合概率分布可以以…

条件联合分布的分解

前言 有挺长一段时间没有更新博客了&#xff0c;一方面是学校期末考试&#xff0c;后来又看了一些很基础的编程数学思想的东西&#xff08;《程序员的数学》第一卷&#xff09;&#xff0c;大多数东西都在之前的学习和使用中都有注意到&#xff0c;所以没有什么特别值得更新的…

概率统计篇:概率基础(联合概率、条件概率和贝叶斯法则)[第二天]

联合概率&#xff1a;由多个随机变量决定的概率我们就叫联合概率&#xff0c;它的概率分布就是联合概率分布。 边缘概率&#xff1a;对于离散型随机变量&#xff0c;我们可以通过联合概率 P(x, y) 在 y 上求和&#xff0c;就可以得到 P(x)。对于连续型随机变量&#xff0c;我们…

什么是联合概率分布?

联合概率分布简称联合分布&#xff0c;是两个及以上随机变量组成的随机向量的概率分布。根据随机变量的不同&#xff0c;联合概率分布的表示形式也不同。对于离散型随机变量&#xff0c;联合概率分布可以以列表的形式表示&#xff0c;也可以以函数的形式表示&#xff1b;对于连…

强迫症有哪些表现呢?

不知道大家有没有过这样的经历呢~ 明明自己已经把全部的电源开关都关了&#xff0c;可是当要出门的时候还是再检查很多遍。 有时候&#xff0c;已经出门了&#xff0c;还是忍不住回去检查很多次。 手已经洗干净了&#xff0c;但还是得再洗几遍&#xff0c;甚至洗破皮。 其实…

强迫症,是仅次于抑郁症、酒精依赖和恐惧症的第4个常见病

出门时总是当心门阀没锁、炉灶没关、狗狗没喂; 整理东西时经常纠结一些没用的东西该不该扔掉; 常常过度害怕细菌、化学物质&#xff0c;频繁地洗漱、清洁; 或者是在一件事情上需要重复多次检查...... 若出现这些情况&#xff0c;通常和你是什么星座没有关系&#xff0c;而是强迫…

疫情是否给你留下了强迫症

来源&#xff1a;中国数字科技馆 随着防疫进入常态化&#xff0c;人们的生活也趋于正常&#xff0c;但疫情期间养成的一些习惯并没有消除&#xff0c;比如&#xff0c;每隔一段时间就必须洗手&#xff0c;而且洗得特别仔细;随身携带消毒湿巾&#xff0c;无论接触什么都要先用湿…

被强迫症困扰十几年,如今它已没有机会折磨我

小行星的力量太渺小了&#xff0c;根本躲不过黑洞的引力。在强迫的黑洞面前&#xff0c;我只是沧海一粟的小行星。 01 时刻紧绷的神经 儿时的我是个较同龄人认真严肃许多的人。我会在睡前反反复复检查书包有没有收拾好&#xff0c;一遍遍翻作业本看有没有都写完&#xff0c;…

程序员的强迫症–如何让电脑桌面变得非常干净?

强迫症的程序员 朋友们&#xff0c;电脑桌面是不是一天比一天乱&#xff0c;很多人都喜欢在电脑桌面上放置好多文件和应用的快捷方式&#xff0c;一般电脑桌面的文件都是占用系统盘C盘的空间&#xff0c;如果电脑桌面文件越来越多会影响电脑的性能。因此尽量不要把大文件放在C盘…

如何克服熬夜强迫症,早睡早起

解除拖延症&#xff1a;如何克服熬夜&#xff0c;早睡早起 1、与睡眠相关的理论 睡眠阶段理论&#xff1a;入睡期间——轻度睡眠——深度睡眠——眼动期间有消耗才需要补充&#xff0c;消耗少则无需补充&#xff0c;不要一困就睡睡眠时长的相关理论&#xff1a;并不是睡眠时间…