二维随机变量及其联合分布;32边缘分布;33条件分布;.pptVIP

第三章 多维随机变量及其分布 3.1.1 多维随机变量 定义 若X, Y是两个定义在同一个样本空间?上的 随机变量，则称(X, Y) 是 二维随机变量(向量). 3.1.3 联合分布列 二维离散随机变量 二维离散分布的联合分布列 联合分布列的基本性质 3.1.4 联合密度函数 设二维随机变量(X, Y) 的分布函数为 F(x, y)，若存在非负可积函数 f(x, y)，使得 联合密度函数的基本性质 例3.1.5 1. 二维均匀分布 2. 二维正态分布 §3.2 边缘分布 3.2.1 边缘 (际)分布函数 3.2.2 边缘 (际) 分布律（列） 由(X,Y)的联合分布律P{X＝xi,Y＝yj}＝pij，i,j＝1,2,… 3.2.3 边缘（际）概率密度 注 意 点 由联合分布可以求出边缘分布. 但由边缘分布一般无法求出联合分布. 因为联合分布包含更多的信息. §3.3 条件分布 对二维随机变量 (X, Y), 在给定 Y 取某个值的条件下, X 的分布; 在给定 X 取某个值的条件下, Y 的分布. 小 结 §3.4 随机变量的独立性 若满足以下之一: i) F(x, y) = FX(x)FY(y) ii) pij = pi· p·j iii) f(x, y) = fX(x) fY(y) 则称 X 与Y 是独立的， 注 意 点 (1) 随机变量X 与 Y 相互独立本质上还是随机事件的相互独立. 例3.4.1 例3.4.2 例3.4.3 §3.5 两个随机变量函数的分布 3.5.1 Z=X+Y 的分布 离散型卷积公式 正态分布的可加性 独立正态变量的线性组合仍为正态变量 3.5.2 最大值与最小值分布 多维离散随机变量函数的分布 (1) 设(X1, X2, ……, Xn) 是 n 维离散随机变量， 则 Z = g(X1, ……, Xn) 是一维离散随机变量. 小结 Xi ~ N(?i, ?i2), i =1, 2, ... n. 且 Xi 间相互独立, 实数 a1, a2, ..., an 不全为零, 则 例3.5.5 设(X,Y)的联合概率密度为 求 Z= 3X+2Y 的概率密度. 例3.5.6 设 X 与 Y 独立，且概率密度分别为 求随机变量 Z=2X + Y 的概率密度 . 例3.5.7 设X与Y 独立，且 X, Y 等可能地取值 0和1. 求 Z = max(X, Y) 的分布列. 解: X 0 1 P 1/2 1/2 Y 0 1 P 1/2 1/2 Z = max(X, Y) 的取值为: 0, 1 P(Z=0) = P(X=0, Y=0) = P(X=0)P(Y=0) =1/4 P(Z=1) = P(X=0, Y=1) + P(X=1, Y=0) + P(X=1, Y=1) = 3/4 则有 故有 M= max(X, Y) N= min(X, Y) 推广 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. 例3.5.8 (2) 多维离散随机变量函数的分布是容易求的： i) 对(X1, X2, ……, Xn)的各种可能取值对， 写出 Z 相应的取值. ii) 对 Z 的 相同的取值，合并其对应的概率. 定义 设 X 和 Y 的联合概率密度为 f (x,y), 边缘概率密度为 ，则对一切使 的x , 定义已知 X = x下，Y 的条 件密度函数为 同样，对一切使 的 y, 定义 为已知 Y=y下，X的条件密度函数 . [注] 仅是 x 的函数, 此时y是常数. 条件概率密度满足概率密度的充要条件: 联合分布、边缘分布、条件分布的关系 联合分布 边缘分布 条件分布 联合分布 运用条件概率密度，我们可以在已知某一随机变量值的条件下，定义与另一随机变量有关的事件的条件概率. 定义在已知 Y = y下，X 的条件分布函数为 特别，取 即: 若(X,Y) 是