chapter3随机向量 -3.pptVIP

第三章 随机向量 2、二维随机变量的联合分布函数 二、二维离散型随机变量及其分布 1、二维离散型随机变量 Def:若二维随机变量(X,Y)的所有可能取值是有限多对或可列无限多对，则称(X,Y)是二维离散型随机变量。 三、二维连续型随机变量及其密度函数 第二节 边缘分布 一、二维随机变量的边缘分布函数 二维随机变量(X,Y)作为一个整体，具有联合分布函数F(x,y)，而X和Y都是随机变量，各自也有它们的分布函数，记 X的分布函数为FX(x)，称为随机变量(X,Y)关于X的边缘分布函数； Y的分布函数为FY(y)，称为随机变量(X,Y)关于Y的边缘分布函数。 由分布函数的定义可得到联合分布函数和边缘分布函数的关系 二、二维离散型随机变量的边缘分布律 由(X,Y)的联合分布律P(X＝xi,Y＝yj}＝pij，i,j＝1,2,… 三、二维连续型随机变量的边缘密度函数 四、二维连续型随机变量的常用分布 第四节 随机变量的独立性 二、n维随机变量的独立性 第五节 两个随机变量的函数的分布 二、两个连续型随机变量的函数的分布 三、常用的随机变量的函数的分布 已知随机变量(X,Y)的分布，求Z=g(X,Y)的概律分布，其中z=g(x,y)是连续函数。 一、两个离散型随机变量的函数的分布举例 例1 已知随机变量(X,Y)的联合分布律为 试求Z1=X+Y，Z2=max(X,Y)的分布律。 1/5 1/5 3 1/5 0 2 1/5 1/5 1 2 1 Y X 解 Z1的所有可能取值为2,3,4,5 P(Z1=2)=P(X+Y=2)=P(X=1,Y=1)=1/5 P(Z1=3)=P(X+Y=3)=P(X=1,Y=2)+ P(X=2,Y=1) =1/5 P(Z1=4)=P(X+Y=4)=P(X=2,Y=2)+ P(X=3,Y=1) =2/5 P(Z1=5)=P(X+Y=5)=P(X=3,Y=2)=1/5 Z1的分布律为 1/5 2/5 1/5 1/5 P 5 4 3 2 Z1 1/5 1/5 3 1/5 0 2 1/5 1/5 1 2 1 Y X Z2=max(X,Y)的所有可能取值为1,2,3 P(Z2=1)=P(X=1,Y=1)=1/5 P(Z2=2)=P(X=1,Y=2)+P(X=2,Y=1)+P(X=2,Y=2) =1/5+0+1/5=2/5 P(Z2=3)=P(X=3,Y=1)+P(X=3,Y=2) =1/5+1/5=2/5 Z2的分布律为 2/5 2/5 1/5 P 3 2 1 Z2 例2 设随机变量X与Y相互独立，它们分别服从参数为λ1和λ2的泊松分布，证明Z=X+Y服从参数为λ1+λ2的泊松分布。 证 k1=0,1,2,… k2=0,1,2,… Z=X+Y的所有可能取值为0,1,2,3,… X~P(λ1) Y~P(λ2) 因此 Z~P(λ1+λ2) k=0,1,2,… 其中，?1、?2为实数，?10、?20、| ? |1，则称(X, Y) 服从参数为?1，?1，?2，?2，?的二维正态分布，记为 2、二维正态分布 若二维随机变量(X, Y)的联合密度函数为 二维正态分布的重要性质： 若(X,Y)服从二维正态分布， 则 联合密度函数f(x,y)的指数部分 则 即 同理可得 x∈(-∞,+∞) 由此性质看到，(X,Y)的边缘分布都与?无关，说明?不同，得到的二维正态分布也不同，但其边缘分布相同。因此边缘分布是不能唯一确定联合分布的，即使X,Y都是服从正态分布的随机变量， (X,Y)不一定是服从二维正态分布。 二维正态分布的边缘分布必为一维正态分布，反之不真。 例7 设二维随机变量 x∈(-∞,+∞)，y∈(-∞,+∞)，求fX(x)，fY(y)。 解 因此 同理可得 但 (X,Y)不服从二维正态分布。 分布函数的概念可推广到n维随机变量的情形。 事实上，对n维随机变量(X1, X2, … , Xn)， F(x1, x2, … , xn)＝P(X1? x1, X2 ?x2, … , Xn ?xn) 称为的n维随机变量(X1, X2, … , Xn)的分布函数， 或随机变量X1,X2,…,Xn的联合分布函数。 定义 若(X1, X2, … , Xn)的全部可能取值为Rn上的有限或可列无限多个点，称(X1, X2, … , Xn)为n维离散型随机变量，称 P(X1=x1,X2=x2,...Xn=xn)， 为n维随机变量(X1, X2, … , Xn)的联合分布律。 则称(X1, X2, … ,