哈尔滨工业大学概率论与数理统计第四章多维随机变量及其分布课件.pptVIP

我们已经知道， 设 (X,Y)是连续型r.v，若对任意的x,y,有 则称X,Y相互独立. 由条件密度的定义： 可知，当X与Y相互独立时， 也可用此条件判别二维连续型r.v(X,Y)的两个分量X与Y是否相互独立. 对离散型r.v有类似的结论，请同学们 自行给出. 这一讲，我们介绍了条件分布的概念和计算，并举例说明对离散型和连续型随机变量如何计算条件分布. 请课下通过练习进一步掌握. 第四章内容总框图 多维随机变量及其分布 多维随机变量 随机变量函数的分布 多个r.v的独立性、条件分布 离散型 联合分布列 边缘 分布列 二维随机变量 连续型 联合概率密度边缘概率密度 联合分布与边缘分布的关系 两个r.v的独立性、 条件分布 条件分布列 条件分布列 条件概率密度 关系 联合分布函数 边缘分布函数 * * 此分布称为瑞利分布。 三、M=max(X,Y)及N=min(X,Y)的分布 设X，Y是两个相互独立的随机变量，它们的分布函数分别为FX(x)和FY(y),我们来求M=max(X,Y)及N=min(X,Y)的分布函数. 又由于X和Y 相互独立,于是得到M=max(X,Y)的分布函数为: 即有 FM(z)= FX(z)FY(z) FM(z)=P(M≤z) =P(X≤z)P(Y≤z) =P(X≤z,Y≤z) 由于M=max(X,Y)不大于z等价于X和Y都不大于z，故有 分析： P(M≤z)=P(X≤z,Y≤z) 类似地，可得N=min(X,Y)的分布函数是 下面进行推广: 即有 FN(z)= 1-[1-FX(z)][1-FY(z)] =1-P(Xz,Yz) FN(z)=P(N≤z) =1-P(Nz) =1- P(Xz)P(Yz) 设X1,…,Xn是n个相互独立的随机变量,它们的分布函数分别为 我们来求 M=max(X1,…,Xn)和N=min(X1,…,Xn)的分布函数. (i =0,1，…, n) 用与二维时完全类似的方法，可得 特别，当X1,…,Xn相互独立且具有相同分布函数F(x)时，有 N=min(X1,…,Xn)的分布函数是 M=max(X1,…,Xn)的分布函数为: FM(z)=[F(z)] n FN(z)=1-[1-F(z)] n … … 若X1,…,Xn是连续型随机变量，在求得M=max(X1,…,Xn)和N=min(X1,…,Xn)的分布函数后，不难求得M和N的密度函数. 留作课下练习. 当X1,…,Xn相互独立且具有相同分布函数F(x)时，有 FM(z)=[F(z)] n FN(z)=1-[1-F(z)] n 需要指出的是，当X1,…,Xn相互独立且具有相同分布函数F(x)时, 常称 M=max(X1,…,Xn)，N=min(X1,…,Xn) 为极值 . 由于一些灾害性的自然现象，如地震、洪水等等都是极值，研究极值分布具有重要的意义和实用价值. 下面我们再举一例，说明当X1,X2为离散型r.v时，如何求Y=max(X1,X2)的分布. 解一: P(Y=n)= P(max(X1,X2)=n) =P(X1=n, X2≤n)+P( X2 =n, X1 ≤n-1) 记1-p=q 例8 设随机变量X1,X2相互独立,并且有相同的几何分布: P(Xi=k)=p(1-p)k-1 , k=1,2, … ( i =1,2) 求Y=max(X1,X2)的分布 . n=0,1,2,… 解二: P(Y=n)=P(Y≤n)-P(Y≤n-1) =P(max(X1,X2) ≤ n )-P(max(X1,X2) ≤n-1) =P(X1≤ n, X2≤n)-P( X1 ≤ n-1, X2 ≤ n-1) n=1,2,… 那么要问，若我们需要求Y=min(X1,X2)的分布，应如何分析？ 留作课下思考 这一讲，我们介绍了求随机向量函数的分布的原理和方法，需重点掌握的是： 请通过练习熟练掌握. 1、已知两个随机变量的联合概率分布，会求其函数的概率分布； 2、会根据多个独立随机变量的概率分布求其函数的概率分布． 在第二章中，我们介绍了条件概率的概念 . 在事件B发生的条件下事件A发生的条件概率 推广到随机变量 设有两个r.v X,Y ， 在给定Y取某个或某些值的条件下，求X的概率分布. 这个分布就是条件分布. 第六讲 条件分布 例如，考虑某大学的全体学生，从其中随机抽取一个学生