03随机变量.pptVIP

概率论与数理统计 第3章 随 机 向 量 3.1 随机向量的联合分布 3.2 边缘分布与随机变量的独立性 3.3 两个随机变量的函数的分布 第3章 随 机 向 量 在有些随机现象中，随机试验的结果不能只用一个随机变量来描述。例如考察射手打靶命中点的位置用到两个随机变量的值来描述命中点的位置；在研究分子运动的速度时，就需要用三个随机变量来刻画速度的三个分量；考察人体健康状况，需要考虑到身高、体重、视力、听力、肺活量、血压等，就要用到更多的随机变量。一般地，把n个随机变量 构成的n元数组叫n维随机向量 。 3.1 随机向量的联合分布 对于二维随机向量(X，Y)，把它当成两个一维随机变量和Y分别研究是不够的，因为X和Y常常不是相互割裂的，而是相互关联的，例如人的身高X和体重Y，两者是关联的。把(X，Y)当成一个整体来研究，则不仅能研究每个分量的性质，还可以考察两个随机变量之间的关系。 3.1.1 联合分布函数 定义 设 是二维随机向量， 是任意实数，则称二元函数 为二维随机向量(X,Y)的联合分布函数。 联合分布函数的性质 性质1 是变量x或y的不减函数，即对于任意固定的y，当 时， ；对于任意固定的，当 时， 性质2， 且对于任意固定的y， 对于任意固定的x， ， ， 。 联合分布函数的性质 联合分布函数的性质 性质3 关于x右连续，关于也y右连续； 性质4 对于任意 ， ， ， 有 关于前三条性质，可类同于一维随机变量分布函数的性质去解释。对于第4条性质，不等式的左边就是概率 ，所以显然成立。 3.1.2 二维离散型随机向量及其联合分布列 如果二维随机向量(X,Y)只能取有限对或者无穷可列对值，则称(X,Y)是离散型随机向量。并称 为二维离散型随机向量(X,Y)的联合分布列或联合概率分布。 由概率的性质可知 3.1.3 二维连续型随机向量及其联合密度函数 定义 设 是二维随机向量的分布函数，如果存在一个非负函数f(x,y) ，使对任意实数x,y都有 则称为(x,y)二维连续型随机向量，并称函数f(x,y)为(x,y)的联合概率密度函数，简称为联合密度函数。 联合密度函数的基本性质 由定义知道联合密度函数具有以下基本性质： 性质1 性质2 性质3 若f(x,y)在点(x,y)连续，则有 性质4 点(x,y)落入区域D中的概率为 联合密度函数的基本性质 例 设随机向量的联合概率密度函数为 (1) 求常数K； (2) 计算概率 联合密度函数的基本性质 解 (1) 由密度函数的性质知 故有 由此求得 K=3 。 (2) 因为f(x,y)在矩形区域 之外恒为零，若记D表示矩形区域中满足 的那部分区域，如下图所示，则 联合密度函数的基本性质 平面区域上的均匀分布 下面介绍两个常用的二维连续型随机向量的分布。 (1) 平面区域上的均匀分布 设D为有界的平面闭区域，其面积为S。若随机向量(X,Y)的概率密度函数为 则称(X,Y)服从平面区域D上的均匀分布。 二维正态分布 (2) 二维正态分布 如果二维随机向量(X,Y)的概率密度为 其中 都是常数,则称(X,Y)服从二维正态分布 3.2 边缘分布与随机变量的独立性 3.2.1 边缘分布 二维随机向量具有联合分布函数 ，而其分量X和Y都是随机变量，它们也有各自的分布函数，称 为二维随机向量关于X的边缘分布函数，而称 为(X,Y)关于Y的边缘分布函数。 边缘分布函数可由联合分布函数完全确定。 3.2.1 边缘分布 1．离散型随机向量的边缘分布列 由二维离散型随机向量(X,Y)的联合分布列 可以完全确定其两个分量和的边缘分布列。 3.2.1 边缘分布 2．连续型随机向量的边缘密度函数 设二维连续型随机向量(X,Y)的联合密度函数分别为f(x,y),则(x,y)关于x和y的边缘密度函数分别为 对于连续型随机向量，也可由其边缘密度函数出发确定边缘分布函数。 3.2