《概率论与数理统计》第3章 多维随机变量及其分布.pptVIP

定义. 设n维随机变量(X1,X2,...Xn)的分布函数为F(x1,x2,...xn), (X1,X2,...Xn)的k（1?kn)维边缘分布函数就随之确定，如关于(X1,X2)的边缘分布函数是 FX1,X2（x1,x2,)=F(x1,x2,??,?...?) 若Xk 的边缘分布函数为FXk(xk),k=1,2,…,n, n维随机变量的边缘分布与独立性 则称X1,X2,...Xn 相互独立，或称(X1,X2,...Xn)是独立的。 对于离散型随机变量的情形，若对任意整数i1, i2, …, in及实数 有 则称离散型随机变量X1, X2, …, Xn相互独立。 设X1，X2，…，Xn为n 个连续型随机变量，若对任意的(x1, x2, …, xn)?Rn， f (x1, x2, …, xn)＝fX1(x1)fX2(x2)…fXn(xn) 几乎处处成立，则称X1，X2，…，Xn相互独立。 定义: 设n维随机变量(X1,X2,...Xn)的分布函数为FX(x1,x2,...xn)；m维随机变量(Y1,Y2,…Ym)的分布函数为FY(y1,y2,…ym), n+m维随机变量(X1,X2,...Xn ,Y1,Y2,…Ym)的分布函数为F（x1,x2,...xn, y1,y2,…ym).如果 F（x1,x2,...xn, y1,y2,…ym)= FX(x1,x2,...xn) FY(y1,y2,…ym) 则称n维随机变量(X1,X2,...Xn)与m维随机变量(Y1,Y2,…Ym)独立。 定理: 设(X1,,X2, …, Xn )与(Y1, Y2,…， Ym )相互独立，则Xi (i=1, 2, …, n))与Yi (i=1, 2, …, m)相互独立；又若h, g是连续函数，则h(X1,,X2, …, Xn) 与g(Y1, Y2,…， Ym )相互独立. 设随机变量X与Y的联合分布律为 (X, Y)～ P{X＝xi, Y＝ yj,}＝ pij ，(i, j＝1, 2, … )， X和Y的边缘分布律分别为 一. 离散型随机变量的条件分布律 3.3 条件分布 为Y＝ yj的条件下，X的条件分布律; 若对固定的j, p.j0, 则称 同理，对固定的i, pi. 0, 称 为X＝ xi的条件下，Y的条件分布律; 例1.设某昆虫的产卵数X服从参数为50的泊松分布，又设一个虫卵能孵化成虫的概率为0.8,且各卵的孵化是相互独立的，求此昆虫产卵数X与下一代只数Y的联合分布律. 二. 连续型随机变量的条件概率密度 定义. 给定y，设对任意固定的正数?0，极限 存在，则称此极限为在条件条件下X的条件分布函数. 记作 可证当 时 若记 为在Y=y条件下X的条件概率密度，则当 时， 类似定义，当 时 例2.已知(X,Y)的概率密度为 (1)求条件概率密度 (2)求条件概率 x y 1 解: =… 3.5 多维随机变量函数的分布 设二维离散型随机变量（X，Y）， (X, Y)～P(X＝xi, Y＝yj)＝pij ，i, j＝1, 2, … 则 Z＝g(X, Y)～P{Z＝zk}＝ ＝pk , k＝1, 2, … (X,Y) (x1,y1) (x1,y2) … (xi,yj) … pij p12 p13 p14 Z=g(X,Y) g(x1,y1) g(x1,y2) g(xi,yj) 或 一、二维离散型随机变量函数的分布律 例1.设随机变量X与Y独立，且均服从0-1 分布，其分布律均为 X 0 1 P q p (1) 求W＝X＋Y的分布律； (2) 求V＝max(X, Y)的分布律； (3) 求U＝min(X, Y)的分布律； (4) 求w与V的联合分布律。 (X,Y) (0,0) (0,1) (1,0) (1,1) pij W＝X＋Y V＝max(X, Y) U＝min(X, Y) 0 1 1 2 0 1 1 1 0 0 0 1 V W 0 1 0 1