第四章多维随机变量及其分布解析.ppt

此分布称为瑞利分布。 三、M max X,Y 及N min X,Y 的分布 设X，Y是两个相互独立的随机变量，它们的分布函数分别为FX x 和FY y ,我们来求M max X,Y 及N min X,Y 的分布函数. 又由于X和Y 相互独立,于是得到M max X,Y 的分布函数为: 即有 FM z FX z FY z FM z P M≤z P X≤z P Y≤z P X≤z,Y≤z 由于M max X,Y 不大于z等价于X和Y都不大于z，故有 分析： P M≤z P X≤z,Y≤z 类似地，可得N min X,Y 的分布函数是 下面进行推广: 即有 FN z 1-[1-FX z ][1-FY z ] 1-P X z,Y z FN z P N≤z 1-P N z 1- P X z P Y z 设X1,…,Xn是n个相互独立的随机变量,它们的分布函数分别为 我们来求 M max X1,…,Xn 和N min X1,…,Xn 的分布函数. i 0,1，…, n 用与二维时完全类似的方法，可得 特别，当X1,…,Xn相互独立且具有相同分布函数F x 时，有 N min X1,…,Xn 的分布函数是 M max X1,…,Xn 的分布函数为: FM z [F z ] n FN z 1-[1-F z ] n … … 若X1,…,Xn是连续型随机变量，在求得M max X1,…,Xn 和N min X1,…,Xn 的分布函数后，不难求得M和N的密度函数. 留作课下练习. 当X1,…,Xn相互独立且具有相同分布函数F x 时，有 FM z [F z ] n FN z 1-[1-F z ] n 需要指出的是，当X1,…,Xn相互独立且具有相同分布函数F x 时, 常称 M max X1,…,Xn ，N min X1,…,Xn 为极值 . 由于一些灾害性的自然现象，如地震、洪水等等都是极值，研究极值分布具有重要的意义和实用价值. 在求连续型 r.v 的边缘密度时，往往要求联合密度在某区域上的积分. 当联合密度函数是分片表示的时候，在计算积分时应特别注意积分限 . 下面我们介绍两个常见的二维分布. 设G是平面上的有界区域，其面积为A.若二维随机变量（ X,Y）具有概率密度 则称（X,Y）在G上服从均匀分布. 向平面上有界区域G上任投一质点，若质点落在G内任一小区域B的概率与小区域的面积成正比，而与B的形状及位置无关. 则质点的坐标（ X,Y）在G上服从均匀分布. 例 均匀分布 例3. 二维r.v X,Y 在由y 1/x, y 0, x 1和x e2所 形成的区域D上服从均匀分布，求 X,Y 的 边缘概率密度。 如图 解： x o y e2 1 1 随机变量的独立性是概率论中的一个重要概念 两事件A,B独立的定义是： 若P AB P A P B 则称事件A,B独立 . 设 X,Y是两个r.v，若对任意的x,y,有 则称X,Y相互独立 . 两随机变量独立的定义是： 第四讲 随机变量的独立性 用分布函数表示,即 设 X,Y是两个r.v，若对任意的x,y,有 则称X,Y相互独立 . 它表明，两个r.v相互独立时，它们的联合 分布函数等于两个边缘分布函数的乘积 . 其中 是X,Y的联合密度， 则称X,Y相互独立 . 对任意的 x, y, 有 若 X,Y 是连续型r.v ，则上述独立性的定义等价于： 分别是X的 边缘密度和Y 的边缘密度 . 若 X,Y 是离散型r.v ，则上述独立性的定义等价于： 则称X和Y相互独立. 对 X,Y 的所有可能取值 xi, yj ,有 即 例1 设 X,Y 的概率密度为 问X和Y是否独立？ 解： x 0 即： 对一切x, y, 均有： 故X,Y 独立 y 0 若 X,Y 的概率密度为 情况又怎样？ 解： 0 x 1 0 y 1 由于存在面积不为0的区域， 故X和Y不独立 . 随机变量独立性的概念不难推广到两个以上r.v的情形. 1. 分布函数 设 为n维随机变量， 为任意实数，则n元函数 称为 的分布函数。 2. 概率密度 设 为n维随机变量 的分布函数，若存在非负函数 对 任意实数 有 则称 为连续型随机变量， 称为n维随机变量的概率密度。 3. n个随机变量的独立性 设 为n维随机变量 的分布函数， 的分布函数（一维边缘分布函数），若对任意实数 有 则称 是相互独立的。 第五讲 二维随机变量 函数的分布 在第三章中，我们讨论了一维随机变量函数 Y g X 的分布，现在我们进一步讨论二维随机变 量函数Z g X, Y 的分布。 具体说，已知 X, Y 的分布，求Z g X, Y