概率论与随机过程培训教案.pptVIP

* 几何概型中讨论的概率计算问题,其假定的实质就是一个均匀分布. * 多维正态分布是一种重要的分布,它在概率论,数理统计,随机过程中占有重要地位,有关它的许多重要性质,我们将在后面陆续介绍。 第3章 多维随机变量及其分布 3.1 二维随机变量及其分布 3.2 边缘分布与随机变量的独立性 3.3 条件分布 3.4 两个随机变量函数的分布 1．定义： 设X1(ω),…,Xn(ω)为定义在样本空间Ω上的随机变量,由它们构成的一个向量(X1, …,Xn)叫做n维随机变量或n维随机向量。  对于多维随机变量, 需要考虑①n维随机变量作为一个整体的概率分布或称联合分布； ②还要研究每个分量的概率分布； ③并且还要考察各分量之间的联系。 3.1 二维随机变量及其分布 3.1.1 二维随机变量及其分布函数 二维随机变量（X,Y） X和Y的联合分布函数 X的分布函数 一维随机变量X 定义：若对任意xk∈R,k=1,2,…n,称ｎ元函数 为随机向量(X1, …,Xn)的(联合)分布函数。 注释 (1) 事件{X1≤x1, …,Xn≤xn}是n个事件{Xk≤xk}同时发生的概率，故称为联合分布函数。 (2) F(x1,x2,…,xn)是普通的n元函数，这样，我们就把对随机向量的研究转化为对普通n元函数的研究。 (3) 二维随机向量(X,Y)可以看成平面上随机点的坐标。则(X,Y)分布函数F(x,y)=P{X ? x,Y ? y}在(x,y)处的函数值就是随机点(x,y)落在如图所示的以点(x,y)为顶点而位于该点左下方的无穷矩形闭区域上的概率。 (1).F(x,y)是变量x 和y的不减函数,即对于任意固定的y, 当x2x1时，F(x2, y)≥F(x1, y)；对于任意固定的x, 当y2y1时，F(x, y2)≥F(x, y1)且 0≤F(x, y)≤1。 因为{X≤x1,Y≤y}?{X≤x2,Y≤y}. (2).对于任意固定的y, F(-∞,y)=0；  对于任意固定的x, F(x,-∞)=0； F(-∞,-∞)=0，F(+∞,+∞)=1。 2.二维分布函数的性质 证：只证F(-∞,y)=0。因为  0≤P{X≤x,Y≤ y}≤P{X≤ x,Y+∞}, 所以0≤F(x, y)≤FX(x),令x →-∞,于是F(-∞,y)=0。 (3).F(x, y)=F(x +0, y), F(x, y)=F(x, y +0), 即F(x, y)关于x右连续,关于y也右连续. 证：只证 F(x, y)=F(x +0, y)。 因为 F(x +△x, y)= F(x, y)+P{x X≤ x +△x,Y≤ y}, 而 P{x X≤ x +△ x,Y≤ y}=F (x +△ x, y) - F (x, y) ≤ P{x X≤ x +△ x} →0 (△ x →0). 故所证结论成立。 (4).对于任意(x1, y1),(x2, y2)， x1x 2, y1 y2,下述不等式成立: F(x2, y2)-F(x2, y1)-F(x1,y2)+F(x1, y1)≥0, 事实上，因为P{x1X ? x2, y1Y ? y2}= F(x2, y2)-F(x2, y1)-F(x1, y2)+F(x1, y1)≥0,如图 0 x1 x2 x y1 y2 y 1．定义：  若二维随机向量(X,Y)的可能取值只有有限个或可列个,则称(X,Y)是离散型二维随机向量. 若二维离散型随机向量(X,Y)的所有可能取值为 (xi , yj), i, j=1, 2, … 记P{X=xi ,Y=yj}=pij , i, j=1,2,… 则称下列一组等式 P{X=xi ,Y=yj}=pij , i , j=1,2,…为随机向量(X,Y)的(联合)分布律. 3.1.2 二维离散型随机变量及其分布律 常用表格表示(X,Y)的分布律： Y X y1 y2 … yj … x1 p11 p12 … p1j …x2 p21