网上有关“概率中相关和独立判别”话题很是火热，小编也是针对概率中相关和独立判别寻找了一些与之相关的一些信息进行分析，如果能碰巧解决你现在面临的问题，希望能够帮助到您。
(1)X的边缘分布律为：
X -2 -1 1 2
P 1/4 1/4 1/4 1/4
Y的边缘分布律为：
Y 1 4
P 1/2 1/2
易求得，E(X)=0，E(Y)=5/2，
E(XY)=-2·4·1/4+(-1)·1·1/4+1·1·1/4+2·1·1/4=0
∵Cov(X，Y)=E(XY)-E(X)·E(Y)=0
∴X与Y不相关。
(2)P(X=-2，Y=1)=0≠P(X=-2)·P(Y=1)
∴X与Y不相互独立。
根据随机变量的不同，联合概率分布的表示形式也不同。对于离散型随机变量，联合概率分布可以以列表的形式表示，也可以以函数的形式表示；对于连续型随机变量，联合概率分布通过非负函数的积分表示。
扩展资料：
如果X是由全部实数或者由一部分区间组成，则称X为连续随机变量，连续随机变量的值是不可数及无穷尽的。随机变量分为离散型随机变量和连续型随机变量，当要求随机变量的概率分布的时候，要分别处理。
如果将二维随机变量(X,Y)看成是平面上随机点的坐标，那么分布函数F(x,y)在(x,y)处的函数值就是随机点(X,Y)落在以点(x,y)为顶点而位于该点左下方的无穷矩形域内的概率。
类似地，对连续随机变量而言，联合分布概率密度函数为fX,Y(x, y)，其中fY|X(y|x)和fX|Y(x|y)分别代表X = x时Y的条件分布以及Y = y时X的条件分布；fX(x)和fY(y)分别代表X和Y的边缘分布。
百度百科——联合概率分布
独立的字面意义就是A，B事件的发生互不影响，概率中定义事件A，B独立是满足P（AB）=P（A）P（B），即事件的概率等于概率的积。
判断随机事件独立用P（AB）=P（A）P（B）随机变量X，Y独立的判定就比较多了，P{X=i，Y=j}=P{X=i}*{Y=j}
（离散型）分布函数F（X，Y）=F（x）*F（y）（离散连续都行）密度函数f（X，Y）=f（x）*f（y）
（连续型）上面即为联合分布等于边缘分布的乘积。
与相关性的关系
假设随机变量X、Y的相关系数存在。如果X和Y相互独立，那么X、Y不相关。反之，若X和Y不相关，X和Y却不一定相互独立。不相关只是就线性关系来说的，而相互独立是就一般关系而言的。
设A，B为随机事件，若同时发生的概率等于各自发生的概率的乘积，则A，B相互独立。一般地，设A1，A2，...，An是n(n≥2) 个事件，如果对于其中任意2个，任意3个，...，任意n个事件的积事件的概率，都等于各事件概率之积，则称A1，A2，...，An相互独立。
以上内容参考：百度百科-独立性
关于“概率中相关和独立判别”这个话题的介绍，今天小编就给大家分享完了，如果对你有所帮助请保持对本站的关注！
本文来自作者[造化活水]投稿，不代表潮生号立场，如若转载，请注明出处：https://ctrm.com.cn/weda/202601-120.html
评论列表（3条）
我是潮生号的签约作者“造化活水”
本文概览：网上有关“概率中相关和独立判别”话题很是火热，小编也是针对概率中相关和独立判别寻找了一些与之相关的一些信息进行分析，如果能碰巧解决你现在面临的问题，希望能够帮助到您。(1)X的...
文章不错《概率中相关和独立判别》内容很有帮助