章节9 一个事件上的条件；多元随机变量 Lec. 9: Conditioning
数学大学
章节9 一个事件上的条件；
概率论——不确定性的科学 · 单元5:连续随机变量 Unit 5: Continuous random variables
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
数学大学
章节9 一个事件上的条件；
概率论——不确定性的科学 · 单元5:连续随机变量 Unit 5: Continuous random variables
Conditioning example
条件化例题：已知某事件发生，连续随机变量的密度按比例重新归一。
重归一
截取密度在条件区间内的部分并归一
图形直观
密度曲线被「切下一段」再放大约定面积
Memorylessness of the ex
指数分布的无记忆性：已等待 t，剩余等待仍服从同参数指数分布。
公式表达
P(X>t+s|X>t)=P(X>s)
推论
历史等待时长对未来完全无用
Mixed random variables
混合随机变量：既含连续区间又含离散跳跃点的概率描述。
组成
概率质量分配给离散点，其余用密度
处理方式
CDF 统一描述，两部分分别计算
Joint PDFs
联合密度描述两个连续随机变量的共同分布：体积才是概率。
定义
P((X,Y)∈区域)=区域上二重积分
归一化
全平面二重积分为 1
From the joint to the ma
从联合密度到边际密度：对另一变量积分「积掉」。
边际公式
f_X(x)=∫f(x,y)dy
单向性
边际丢失相关性，由边际无法还原联合
Continuous analogs of va
离散结论的连续版本：期望线性、条件期望、全期望公式逐一平移。
求和换积分
离散的 Σ 全部换成 ∫
不变的性质
线性性、单调性、全期望照常成立
Joint CDFs
联合累积分布 F(x,y)=P(X≤x,Y≤y)：对连续离散都适用的统一描述。
定义
左下角矩形区域的双随机积累
与联合密度
连续情形二阶混合偏导还原密度
本节要点
- ✓条件化 = 密度截段重归一
- ✓指数分布无记忆
- ✓联合密度体积即概率，积分得边际
- ✓CDF 是离散连续的统一语言
延伸主题：推一次指数无记忆的证明由联合密度算边际
课后思考
先自己回答，再展开参考答案——能讲出来才算真懂。
1为什么指数分布是唯一无记忆的连续分布？
参考答案无记忆性等价于函数方程 S(t+s)=S(t)S(s)（生存函数可乘），连续解只有指数函数 S(t)=e^(−λt)。几何分布是它的离散对应，两者是「无记忆」仅有的两类非平凡解。
2由边际为什么不能还原联合分布？
参考答案不同的联合密度可以挤出完全相同的边际——边际只保留各自的变化，丢掉了两变量之间的相关结构。还原需要额外的相关假设（如独立时联合=边际乘积）。
3混合随机变量在实际中如何出现？
参考答案典型如保险赔付：小额损失连续分布，大额部分常有封顶值（概率质量集中在封顶点）。处理时分段：连续部分用密度、跳跃点用质量，CDF 把两者统一。