概率统计第二章课件.ppt

第三章 多维随机变量及其分布 3.1 二维随机变量及其分布函数 3.2 边缘分布 3.3 条件分布与独立性 3.4 二维随机变量函数的分布 第一节 二维随机变量 一、二维随机变量的概念 四、二维连续型随机变量 五、小结 第二节 边缘分布 一、边缘分布函数 三、连续型随机变量的边缘分布 四、小结 第三节 条件分布与独立性 一、离散型随机变量的条件分布 三、随机变量的独立性 四、小结 又X和Y相互独立，所以 (2)二次方程x2+2Xx+Y=0有实根，必须4X2-4Y≥0，设 (3) 设 ，则 解 由于X 与Y 相互独立, 例4 因为 X 与 Y 相互独立, 解 所以 求随机变量 ( X, Y ) 的分布律. 例5 设两个独立的随机变量 X 与Y 的分布律为 例6 设二维随机变量(X，Y) ~ N(?1, ?2, σ12, σ22, ?)，试证X与Y相互独立的充要条件是参数? =0。 证：由于 而 反之, 若?=0 ，则对任意的x, y 有 因此，X与Y相互独立。 以上讨论的关于二维随机变量的一些概念，不难推广到n维随机变量的情形。例如，对n(n≥2)维随机变量的独立性，就可有下述定义。 定义 设n维随机变量(X1 ， X2 ，… ，Xn)的联合分布函数及边缘分布函数分别为 特别地，如果(X1， X2，…，Xn)是n维连续型随机变量，相应的边缘概率密度为 则上式的等价形式为 如果对任意的(x1，x2，…，xn)，均有 成立，则称X1， X2，…，Xn是n个相互独立的随机变量。 定理 若(X1，X2，…，Xn)和(Y1，Y2，…，Y m)相互独立，则Xi与Yj相互独立。又若f(x1，x2，…，xn) ，g (y1，y2，…，ym)是连续函数，则f (X1，X2，…，Xn)与g (Y1，Y2，…，Y m)也相互独立。 例7 已知服从二维正态分布的(X，Y)，其联合密度为 试求待定系数k、边缘分布密度并考察X与Y独立性。 请同学们思考一下： 边缘分布均为正态分布的随机变量,其联合分 布一定是二维正态分布吗? 不一定. 下面通过一反例来说明. 答 因此边缘分布均为正态分布的随机变量，其联合分布不一定是二维正态分布. 联合分布 边缘分布 一、离散型随机变量的条件分布 二、连续型随机变量的条件分布 四、小结 三、随机变量相互独立的定义和性质 问题 定义 例1 解 由上述分布律的表格可得 例2 一射手进行射击,击中目标的概率为p(0p1),射击到击中目标两次为止.设以X 表示首次击中目标所进行的射击次数, 以Y 表示总共进行的的射击次数.试求 X 和 Y 的联合分布律及条件分布律. 解 现在求条件分布律． 由于 定义 二、连续型随机变量的条件分布 答 思考 说明 联合分布、边缘分布、条件分布的关系如下 联合分布 条件分布函数与条件密度函数的关系 边缘分布 条件分布 联合分布 解 例3 又知边缘概率密度为 解 例4 例5 设二维随机变量(X，Y)～ 即 试求条件概率密度 和 。 解 由于 故 由对称性还可得 可以看到二维正态分布的两个条件分布也都是正态分布。 另外，我们已经知道，一般说来，仅由边际分布无法确定联合分布。但能否对二维随机变量(X，Y)添加某些条件，从而由边际分布来确定联合分布呢 ? 下面讨论这个问题。 在第一章，我们讨论了事件的相互独立性，现在的问题是：什么是二维随机变量的独立性呢？ 1、定义 2、说明 (1) 若离散型随机变量 ( X,Y )的联合分布律为 例1 设(X，Y)联合分布律如下表，证明：X与Y相互独立。 证： 首先求得(X，Y)的边缘分布律如下： Y -1 0 2 1/2 2/20 1/20 2/20 1 2/20 1/20 2/20 2 4/20 2/20 4/20 X X 1/2 1 2 pi? 1/4 1/4 2/4 Y -1 0 2 p?j 2/5 1/5 2/5 解 例2 (1)由分布律的性质知 特别有 又 (2) 因为 X 与 Y 相互独立, 所以有 例3 设X和Y是两个独立的随机变量，X在[0，1]上服从均匀分布，Y的概率密度为 (1)求X和Y的联合概率密度； (2)