章节7：随机变量的条件；随机变量的独立性 Lec. 7: Conditioni
数学大学
章节7：随机变量的条件；
概率论——不确定性的科学 · 单元4：离散随机变量 Unit 4: Discrete 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7：随机变量的条件；
概率论——不确定性的科学 · 单元4：离散随机变量 Unit 4: Discrete random variables
BA3737610F9235789C33DC59
本节习题课示范条件 PMF 与独立性类问题的求解套路。
求解框架
先条件化缩小空间，再检验独立
自查
条件 PMF 归一化后必须和为一
Conditional PMFs
条件 PMF：已知另一变量取值后，本变量的概率质量重新分配。
定义
p_{X|Y}(x|y)=p_{XY}(x,y)/p_Y(y)
归一
对固定 y，对全体 x 求和为 1
Independence of random v
随机变量独立：联合 PMF 等于边际 PMF 的乘积。
判据
p_{XY}(x,y)=p_X(x)p_Y(y) 对所有取值
推论
独立则任何条件分布等于无条件分布
Example
例题：给定联合 PMF 表，判断独立性并计算条件分布。
判独立
逐一验证乘积式是否成立
算条件
按行或列归一化即得条件 PMF
Independence and expecta
独立与期望：独立时乘积期望等于期望乘积 E[XY]=E[X]E[Y]。
乘积期望
独立使联合求和可分离因子
协方差
独立时 Cov(X,Y)=0
The hat problem
帽子问题：n 人随机取帽，猜中自己帽子人数的期望恒为 1。
指示变量
每人一个指示变量，期望各为 1/n
线性性
n×(1/n)=1，无需依赖独立性
本节要点
- ✓条件 PMF = 联合除以边际
- ✓独立 ⇔ 联合 = 边际乘积
- ✓帽子问题：线性性给出期望恒 1
延伸主题：做一个联合表独立性判断复述帽子问题的解法
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帽子问题的期望为什么与 n 无关恒为 1？
参考答案每人猜中自己帽子的概率都是 1/n，n 个指示变量之和的期望为 n×(1/n)=1。线性性不要求指示变量独立——这正是它比直接分析匹配结构简洁的地方。
2两变量不相关（协方差为零）与独立在离散情形的差异举例？
参考答案取 X∈{−1,0,1} 等概率、Y=X²：Cov(X,Y)=E[XY]−E[X]E[Y]=0，但 Y 完全由 X 决定，显然不独立。协方差只捕捉线性相关，独立性必须查联合 PMF。
3条件 PMF 什么时候就是无条件 PMF？
参考答案当两变量独立时，任何条件下 Y 的分布都与边际一致。反过来看，若每个条件分布都等于边际，则两变量独立——条件分布是检验独立性的显微镜。