概率论的基础--chapter 3_1.PPTVIP

Probability Theory 3.1 二维随机变量及其分布 * 多 维 随 机 变 量 第 三 章 杨宇明 youngym@126.com 多维随机变量的概念 §3.1二维随机变量及其分布 一.联合分布函数 定义： 设随机试验E的样本空间为?，对于每一 样本点? ?? ，有两个实数 X ( ? ) ,Y ( ? ) 与之对应，称它们构成的有序数组 ( X , Y ) 为二维随机变量。 注： X，Y 都是定义在?上的随机变量. 定义： 对任意实数对 ( x , y ) ∈R2 记 { X ≤ x , Y ≤ y } = { X ≤ x } ∩{ Y ≤ y } 称二元函数 F ( x , y ) = P { X ≤ x , Y ≤ y } 为( X , Y ) 的联合分布函数。 一维随机变量 X、Y 的分布函数FX(x)与 FY(y)称为( X, Y ) 的边缘分布函数。 联合分布函数的几何意义： ( x , y ) o y x 1.由联合分布函数可确定边缘分布函数 x y x1 x2 y2 y1 0 练习： 联合分布函数的性质： 1：单调不减性：F(x,y)分别对x ,y单调不减。 2：有界性： 0≤F(x ,y) ≤1 3：右连续性：F(x, y) 分别关于x 或 y为右连续。 4：相容性：对任意 x1 x2 , y1 y2 , 有： x y x1 x2 y2 y1 0 注： 如果二元函数 F( x , y ) 满足上述4个性质，则必存在二维随机变量( X ,Y )以F( x , y ) 为分布函数。 n维随机变量( X1 ,X2 , … , Xn )的联合分布函数 定义： x1 , x2 ,…, xn 为n个任意实数。 由( X1 ,X2 , … , Xn )的联合分布函数，可确定其中任意k 个分量的联合分布函数，称为k维边缘分布函数.例如： 思考：一维分布函数与二维分布函数 的联系与区别？ 二.联合分布律 定义： 设二维随机变量( X , Y )至多取可列对数值： 称( X , Y )为二维离散型随机变量，称式( *)为( X , Y )的联合分布律。 由联合分布律可得随机变量 X , Y 的分布律。 用表格表示联合分布律和边缘分布律 例3.1.1：在1,2,3,4 中随机取出一数 X ,再随机地从1~X 中取 一数Y ，求( X , Y )的联合分布律。 解： X , Y 的所有可能取值均为1，2，3，4 4 3 2 1 X P{ X ＝ x } i , j =1,2,3,4 X 的分布律为: 1 1/16 7/48 13/48 25/48 1/4 1/16 1/16 1/16 1/16 4 1/4 0 1/12 1/12 1/12 3 1/4 0 0 1/8 1/8 2 1/4 0 0 0 1/4 1 4 3 2 1 Y X 例 ：( 两点分布) 用一细绳将一小球悬挂于空中,现用一剪刀随机的去剪细绳一次.剪中的概率为p . 设剪中的次数为X ,小球下落的次数为Y,试写出( X, Y)的联合分布律. 1 0 Y X 1 0 0 0 p 1-p 称( X, Y)服从 二维两点分布. 思考：能否用边缘分布律来确定联合分布律，原因是什么？ 多维随机变量的联合分布不仅与每个分量的边缘分布有关，而且还与每个分量之间的联系有关！ 三.联合概率密度 定义： 二维随机变量( X , Y )的联合分布函数为F( x , y ) 如果存在非负的函数f ( x , y )使得对任意实数对( x , y ) 有 称(X ,Y )是连续型随机变量， f ( x , y )称为( X , Y )的联合概率密度。 性质： 例3.1.3 : 试写出( X , Y )的联合分布函数。 X Y 0 1 1 解： F ( x ,y )=0 2 ) 当 0≤x ≤1 , 0 ≤ y ≤1 时 3 ) 当 0≤x ≤1 , y≥1 时 f(x,y)的非零区域 1 ) 当 x 0 或 y 0 时 已知二维随机变量( X , Y )的联合概率密度为 5 ) 当 x, y 1 时 综上所述得： 4 ) 当 0≤y ≤1 , x≥1 时 X Y 0 1 1 例3.1.4 : X 0 Y 求关于Y 的边缘概率密度 fY ( y ) xy =1 x =1 分析： 求Y的边缘概率密度，就是固定 y 对 x 求积分。 实质上是求含参变量的积分。 对于 y 取不同的值，f Y