.多维随机变量及其分布.pptVIP

2.2多维随机变量及其分布 2.2.1二维离散型随机变量 2.2.2二维连续性随机变量 边缘分布 条件分布 条件分布是条件概率的推广.本节主要讨论关于二维离散型随机变量的条件分布律和关于二维连续型随机变量的条件密度函数. 条件密度函数 二维随机变量（X，Y）概率密度函数为f(x, y）在a≤y≤b的条件下X的条件分布，有 P(X ≤x|a ≤Y ≤b) = P(X ≤x,a ≤Y ≤b) ∕ P(a ≤Y ≤b) 随机变量的独立性 两个随机变量函数的分布 例2.8，二维随机变量x=(x1,x2)服从均匀分布的联合密度函数为： 求随机变量x1,x2的边缘分布。 解：随机变量 x1、x2的边缘分布分别是R(a,b)、R(c,d) 例2.9 P68 边缘分布函数完全由联合分布函数确定. 若（X1, X2）的联合概率密度函数是 解 :(X,Y)关于X的边缘分布函数 例:设随机变量X和Y具有联合概率密度 求边缘概率密度pX(x)和pY(y). 解 边缘密度函数 边缘密度函数完全由联合密度函数所决定. 设连续型二维随机变量(X,Y)的概率密度函数为f(x,y)则 从而得到X和Y的概率密度函数分别为 解 （X，Y）的联合密度函数 则（X，Y）关于X的边缘密度函数 （X，Y）关于Y的边缘密度函数 （1）（X,Y）关于X的边缘密度函数 （2）（X，Y）关于Y的边缘密度函数 注意：边缘分布也可以不只是单个的；部分变量 的分布也可求其分布，也称边缘分布。 例如：X=(X1,X2,X3),(X1,X3)二维分布，也是X的 边缘分布。 在许多问题中有关的变量往往是彼此有影响的，即是变量之间的相互依附。 条件分布律 例3.1 P72 例3.2 P72 则在X=3的条件下Y的条件分布律 其中如 同理在Y=1的条件下X的条件分布律 于是一般的有如下定义： 如上定义中可把公式改变成如下形式： 与 公式相对应 条件概率乘法 解： 随机变量相互独立是概率论中非常重要的概念,它是随机事件相互独立的推广.本节主要讨论两个随机变量相互独立的一般性定义,然后对两个离散性随机变量和两个连续性随机变量相互独立进行不同的处理. 例: 袋中有2个黑球3个白球,从袋中随机取两次, 每次取一个球,取后不放回.令 证明X与Y相互不独立. 证 X与Y的联合分布律与边缘分布律如表所示: 因为 所以X与Y相互独立. 例:把3个白球和3个红球等可能地放入编号为1,2,3的三个盒子中.记落入第1号盒子的白球个数为X,落入第2号盒子的红球个数为Y.求(X,Y)的分布律,并判断随机变量X和Y是否相互独立. 解 显然有 又因为事件{X=i}与事件{Y=j}相互独立,所以X和Y是相互独立,且有 用表格可如下表示 解 (1) * 二维离散型随机变量及联合分布律 二维离散型随机向量(X,Y)的分布律表(概率分布) 解 (X,Y)的可能取值为(0,0),(0,1),(1,0),(1,1), 则(X,Y)的联合分布律为 二维离散型随机变量联合分布律的性质 性质1 证 因为 ,所以 性质2 证 证 解 P{X=i,Y=j}=P{X=i}P{Y=j|X=i}=(1/4)(1/i) (i≥j),于是(X,Y)的分布律为 为一 n维随机变量。 例：多项分布： 设 是某一试验之下的完备事件组，有如下 现将试验独立地重复N次，而以 记在这N次试验中事件 出现的次数,i=1,2,…n,则 它取值的范围是： 都是非负整数且起和为N.X的概率分布 就叫做 多项分布, 有时记为M(N, ) 事件 概率： 二维随机变量的联合分布函数 设二维离散型随机变量X和Y具有分布律 P{X= xi,Y= yj}=pij ,(i,j=1,2,...)，则二维离散型随机变量(X,Y)的联合分布函数为 其中和式是对一切满足xi≤x,yj≤y的来求和的. (x1,y1) (x1,y2) (x2,y2) (x2,y1) o Ⅰ Ⅲ Ⅱ Ⅳ x y 二维随机变量联合分布函数的性质 性质1 F(x,y)分别关于x和y单调不减. 证 对任意的 因为 所以 即 同理可证,对任意的 有 性质3 F(x,y)分别关于x和y右连续. 二维连续型随机变量 解 (1)由 得 所以 k=6 (2) 解 由 则 当x1,y1时, 所以(X,Y)的联合分布函数 例:设二维随机向量(X,Y)具有概率密度