医学概率优秀培训书.pptVIP

* 1.2.2 多维随机变量及其分布 1）多维随机变量及其分布 定义 设 是同一个样本空间S上的随 的一个n维随机向量或n 维随机变量． 对于任意的实数x1, x2, …, x，称n 元函数 机变量，则n 维向量 称为样本空间S上 是n 维随机变量 也简称为联合分布或分布． 的联合分布函数， 我们主要讨论二维随机变量(X, Y ), 其联合分布 函数为 二维联合分布函数的几何意义： 联合分布函数就表示二维随机变量(X, Y )落在下图 如果(x, y )表示笛卡尔坐标平面上的点的坐标， 阴影部分的概率. 　　 (x,y) 0 图1.4 这时，点(X, Y )落入任一矩形 下图中的概率为 x1 x2 y1 y2 联合分布函数 的边际分布函数. 如果已知二维随机变量(X ,Y )的联合分布函数为 那么它的两个分量X 和Y 的分布函数即可求得 X 的分布函数 Y 的分布函数 是联合分布F(x, y)的边际分布函数，或 边际分布. 下面从几何意义上来看边际分布函数. 注意：由 不能唯一确定 F(x, y). (X, Y) 随机点(X,Y )落在直线X=x左方的无穷区域内的概率 随机点(X,Y )落在直线Y=y下方的无穷区域内的概率 随机点(X,Y )落在以点(x,y)为顶点而位于该点左下方的无穷矩形域G内的概率. 平面上的随机点 边际分布函数的几何意义 y 0 x (xi, yj) 则称(X, Y )是二维离散型随机变量. P(X=xi Y=yj )= pi j （i，j =1, 2,…） pi j 称为(X, Y)的分布律，或X和Y的联合分布律. 是有限对或无限可列对(xi , yj) ( i, j =1, 2,… ), 2）多维随机变量的概率分布 其相应的概率为: 表格形式： Y X y1 y2　 y3　 ．．． p11 p12 p13 ．．． p21 p22 p23 ．．． x１ x２ 定义1.7 若二维随机变量(X, Y)的所有可能的取值 (X, Y )的联合分布律具有下列性质. 1） pi j ?0， 二维离散型随机变量的联合分布列及边际分布列表: 设二维离散型随机变量(X, Y ) 的分布律为： P(X=xi , Y=yj )= pi j （i，j =1, 2,… ） 随机变量X 和Y 各自的分布律称作(X, Y)的边缘 由联合分布律求边缘分布律 问题：随机变量X和Y各自的分布律是什么？如何求？ 设 X 可能的取值为： 分布律. 同理 P (Y= yj） 由联合分布律求联合分布函数 F(x, y)= P{ X? x, Y? y } 也就是把X 取值中小于等于x的xi , 同时Y 取值中小于等于y的 yj 所对应的所有的 pi j 都加起来！ （xi,yj) (x,y) x y 补例1 将一枚均匀的硬币抛掷4次，X 表示正面向上的次数，Y表示反面朝上次数. 求 (X, Y) 的联合分布列. X Y 0 4 1 3 2 2 3 1 4 0 P(X=0, Y=4)= P(X=2, Y=2)= =1/4 =6/16 P(X=3, Y=1)= =1/4 P(X=4, Y=0)= 0.54 =1/16 P(X=1, Y=3)= 0.54=1/16 解：概率非零的(X, Y) 可能取值对为: 其对应的概率分别为： 列表为： X 0 1 2 3 4 Y 0 1 2 3 4 0 0 0 0 1/16 0 0 0 1/4 0 0 0 6/16 0 0 0 1/4 0 0 0 1/16 0 0 0 0 补例2 设随机变量X在1, 2, 3, 4中等可能地取值， 另一个随机变量Y 在1~X中等可能地取一整数值，求 (X, Y )的概率分布及边缘概率分布. 解 所以当j i 时， 当j≤i 时， 由乘法公式得 (X, Y )的概率分布 P (X=i, Y=j )=0， 列表如下： X 1 2 3 4 1 2 3 4 1/4 0 0 0