第三章 连续型机变量part1.pptVIP

? 边际密度函数 设(? , ? )～ p(x , y ), (x , y )?R2, 则称 F ?(x)＝ P{? x }; F ?( y)＝ P{? y } 为(? , ? )关于?的边际密度函数； 同理，称 为(? , ? )关于?的边际密度函数。 例 已知二元 r.v.(? , ?)的概率密度函数为： 求边际概率密度函数。 例 已知二元 r.v.(? , ?)的概率密度函数为： 求边际概率密度函数。 故二维正态分布的边际分布也是正态分布。 即若(? , ? ) ~ N( )， 则? ~ N( )， ? ~ N( )。 求边际概率密度函数。 例 已知二元 r.v.(? , ? ) ~ N( ) ? 随机变量的独立性 1. 随机变量相互独立的一般定义 设? , ? 为二个随机变量，若对任意( x, y )，有 P{? x, ? y }＝P{? x}·P{? y } 即 F(x, y)＝F ?(x)F ?( y), 则称? , ?相互独立。 设?1，?2，···，?n为n 个随机变量，若对任意( x1, x2, ···, xn )?Rn，有 P{? 1 x1, ···, ? n xn }＝P{? 1 x1}···P{? n xn } 即 F(x1, x2, ···, xn)＝F?1(x1)F?2(x2)···F?n(xn ), 则称?1，?2，···，?n 相互独立。 2. 随机变量相互独立的等价定义 定理 设?1,?2,···,?n 为一个n维离散型随机变量， 若对任意的 x1，x2，··· , xn 有: P{?1= x1 , ?2= x2 , ··· , ?n = xn } = P{?1= x1}P{?2= x2 } ··· P{?n = xn } 则称随机变量?1，?2，··· ，?n相互独立。 若对任意的 i、j，有 pij ＝ pi . ·p. j， 则称随机变量?与?相互独立。 定理 设(? , ?)～ p(x, y), (x, y)?R2, p?(x), p?( y)分别为? 与? 的边缘密度，则?与?相互独立等价于 p(x, y) ＝ p?(x) p?(y)，对任意(x, y)?R2 几乎处处成立。 例 已知二元 r.v.(? , ?)的概率密度函数为： 证明?与?不相互独立。 例 设?和?为二个相互独立的 r.v.， ?~U(0, 1)， ?的密度函数为： （1）求?和?的联合密度函数； （2）设含有a的二次方程为a2+2 ?a+? =0，求a有实根的概率。 例 已知二元 r.v.(? , ?) ~ N( ) 判断?与?是否独立? 定理 若(? , ?)~N( )，则?与?相互独立 上述可以推广到 n维连续型随机变量的情形: 设?1，?2，···，?n为n 个连续型随机变量，若对任意的( x1, x2, ···, xn )?Rn， p(x1, x2, ···, xn )＝ p?1(x1) p?2(x2) ··· p?n(xn ) 几乎处处成立，则称?1，?2，···，?n相互独立。 定理 设(?1, ?2, ···, ?m )与(?1, ?2, ···, ?n )相互独立，则?i (i=1, 2, ···, m )与?j ( j=1, 2, ···, n )相互独立；又若h , g是连续函数，则 h(?1, ?2, ···, ?m ) 与 g(?1,?2, ···,?n )相互独立。 ? 连续型随机变量函数的密度函数 1. 一维变量的情形 (1) 一般方法 若? ~ p(x), -? x +?, ?= g(?)为随机变量?的函数 , 则可先求?的分布函数: F ? ( y ) ＝P{? y}＝ 然后再求?的密度函数： p?( y)＝ 此法也叫“分布函数法”。 =P { g(?) y}= (2) 公式法 若? ～ p(x), x?R, y = g(x)是单调可导函数，则 ?＝g(?)~??( y )＝ 其中h( y )为y＝g(x)的反函数， ?＝min{g(-?), g(+?)}，?＝max{ g(-?), g(+?)}. Notes：只有当?是?的单调可导函数时，才可用以上公式推求?的密度函数。 例 设 r.v. ?的密度函数为 p(x)，求?=a+b?