边际分布课件精品.pptVIP

3.2 边际分布 一、离散型随机变量的边际分布 二、连续型随机变量的边际分布 * 一、离散型随机变量的边际分布 二、连续型随机变量的边际分布 二维随机变量(?，?)作为一个整体，其联合分布函数完整地描述了它的统计规律性，而?和?作为随机变量必定也有它自己的分布函数，现将它们分别记为F?(x)和F?(y)，分别称为二维随机变量(?，?)的关于?和关于?的边际分布函数或边缘分布函数。 下面就离散与连续两种情形逐一讨论 边际分布函数可以由(?，?)的分布函数F(x，y)唯一确定，事实上，对于二维随机变量(?，?) ，事件{? ≤x}等价于事件{? ≤x， ? +∞}，所以 设(?，?)为二维离散型随机变量，则 同理可得，关于?的边际分布也是离散型的，且它的 分布律为： 例1 把三个相同的球等可能地放入编号为1，2，3的三个盒子中，分别记落入第1号盒子中球的个数为? ，落入第2号盒子的球个数为? 。试求(?，?)的联合分布律和关于? 、?的边际分布律。 解 显然?，?的可能取值均为0、1、2、3，由条件概率的定义易知 pij = P{? =i，? =j}= P{? =j}P{? =i ?? =j}，0≤i+j≤3。 这时显然有 于是 而当 i+j3时显然有pij =0。对i，j=0、1、2、3把上面的计算结果列表汇总如下： ? 0 1 2 3 pi? 0 1/27 1/9 1/9 1/27 8/27 1 1/9 2/9 1/9 0 4/9 2 1/9 1/9 0 0 2/9 3 1/27 0 0 0 1/27 p?j 8/27 4/9 2/9 1/27 1 ? ? 例2 一袋中放有红球4只，白球5只，从中取球两次，每次任取一只。设 试就有放回、无放回情形考察(?，?)的分布。 无放回情形 1 1 0 1 0 ? ? ?的分布 ?的分布 1 0 1 0 ? ? 有放回情形 ?的分布 ?的分布 1 由以上例子可以看出，如果知道了二维随机变量(?，?)的联合分布律，那么?和?的边际分布律即可由联合分布律求出，这个事实直观上是容易理解的，因为(?，?)的总体规律性（即联合分布律）如果确定了，那么它的个别分量的规律性（即边际分布律）当然也确定了。 反之，知道(?，?)的边际分布，则不一定能求出它的联合分布律。事实上，今后将会看到，只有当?，?相互独立时，才能由(?，?)的边际分布求出它的联合分布律。 练习：将一枚硬币连续投掷三次，设?为前两次投掷中 正面向上的次数， ?为第三次投掷中正面向上的次数。 试求(?，?)的联合分布律，并求关于?、?的边际分布 律。 ? ? 0 1 pi? 0 1/8 1/8 1/4 1 1/4 1/4 1/2 2 1/8 1/8 1/4 p?j 1/2 1/2 1 参考答案： 设二维连续型随机变量(?，?)的联合概率密度为 f(x，y)，由 可见，关于?的边际分布也是连续型的，它的边际分布概率密度为 同理可得，关于?的边际分布也是连续型的，其边际分布函数和概率密度分别为： 例3 设二维随机变量(?，?)的联合概率密度为 （?∞ x +∞，?∞ y +∞） 其中?1，?2，?1，? 2, ?都是常数，且?1 0, ?2 0, ｜ ? ｜1。我们称(?，?)为服从参数?1，?2，?1，?2, ?的二维正态分布，通常记为(?，?) ～N(?1，?2，?12，?22, ?)。试求二维正态随机变量的边际概率密度。 由此可知f?(x)是一维正态分布N(?1， ?1 2)的概率 密度函数，由对称性还可得： 因而二维正态分布N(?1，?2，σ12,，σ22，ρ)的两个边际概率密度都是一维正态分布，分别为N(?1，σ12)和N(?2，σ22)，且不依赖于参数ρ，也即，如果ρ1≠ρ2，则两个二维正态分布：N (?1，?2，σ12，σ22 ，ρ1)、 N(?1，?2，σ12，σ22 ，ρ2)是不相同的。 但由上例知它们有完全相同的两个边际概率密度，由此可知，由边际分布不能唯一确定联合分布。 事实上，二维随机变量(?，?)的联合分布的确含有比边际分布更多的内容，因而对单个随机变量?和?的研究并不能代替对二维随机变量(?，?)整体的研究。 例4 设二维随机变量(?，?)的联合概率密度为 想一想：这两个边际分布都是什么分布? 0 y x y=x