概率论和数理统计 多维随机变量及其分布培训教案.pptVIP

* * * 在研究某些随机现象时，仅研究一个随机变量是不够的。 如：天气预报，需要同时预报某地某日最高气温、最低气温、风力、湿度、空气污染程度等。 因此，必须从整体上，从各个分量的相依关系上加以讨论，这就是多维随机变量。一般地，我们称n个随机变量的整体X=(X1, X2, …，Xn)为n维随机变量或随机向量. 三 多维随机变量及其分布 1、多维随机变量及其分布函数 (1)、问题背景 (2)、定义：设X、Y为定义在同一样本空间S上的随机变量，则称向量（X，Y）为S上的一个二维随机变量。 X(e) Y(e) e S 多维随机变量及其分布 {(X,Y)=(a,b)}, {(X,Y)? D}等 用二维r.v表示随机事件： D 二维r.v(X,Y)的取值可看作平面上的点 对于任意实数x、y, 定义二元函数 为二维r.v(X,Y)的分布函数,也称为r.v X和Y的联合分布函数。 (3)、(X,Y)的分布函数 (4)、(X,Y)的边缘分布函数 二维r.v（X，Y）中的X和Y分别都是一维r.v，它们的分布函数分别记为FX(x)和FY(y)， 分别称之为二维r.v(X,Y)关于X、Y的边缘分布函数。 (x,y) 2、二维离散型随机变量 (1)、定义 y 0 x (xi,yj) 则称(X,Y)是二维离散型随机变量。 P{X=xi，Y=yj}= pij （i，j=1,2,…） pij称为(X,Y)的分布律，或X和Y的联合分布律。 若二维r.v(X,Y)的所有可能的取值是有限对或无限可列对(xi,yj)(i,j=1,2,…),其相应的概率为: 表格形式： Y X y1 y2　 y3　 ．．． p11 p12 p13 ．．． p21 p22 p23 ．．． x１ x２ (2)性质: 1）pij?0 设二维离散型r.v(X，Y）的分布律为： (3)、由分布律求边缘分布律 问题：r.vX和Y各自的分 布律是什么？ X可能的取值为： 概率 可加性 同理 P{Y=yj} Y y1 y2　 y3 ．．． x１ p11 p12 p13 ．．． x２ p21 p22 p23 ．．． 　 X 关于X的边缘分布律 关于Y的边缘分布律 Y y1 y2　 y3 ．．． pi． x１ p11 p12 p13 ．．． p1． x２ p21 p22 p23 ．．． p2． 　 p.j p.１ p.2 p.3 ．．． X 注意这两个分布正好 是表的行和与列和. 对于二维r.v(X,Y)的分布函数F(x,y) ，如果存在 非负函数f(x,y)，使得对任意实数x、y，有 则称(X,Y)是连续型二维r.v，f(x,y)称为二维r.v(X,Y)的概率密度函数，也称为r.vX和Y的联合概率密度函数。 这是一个广义 的二次积分！ 3、二维连续型随机变量 (1)、定义 3）在f(x,y)连续点处， x y z G 1）非负； (2)、f(x,y)的性质： (X,Y)落在平面区域G内的概率等于以平面区域G为底，以空间中的曲面 z= f(x,y)为顶面的曲顶柱体体积。 z= f(x,y) 例2 设二维连续型随机变量(X,Y)的概率密度 求：（1）系数A 解 （1）由 知 可求得 (2) （3） 设连续型r.v(X,Y)的概率密度函数为f (x, y). Fx(x)=P{ X?x }=P{X ?x,Y+∞}=F(x, +∞) 同理 (3)、由概率密度求边缘概率密度函数 常用手段 分布函数法 定义域： 固定x，对 y 积分得 fX(x). 均匀分布： 其中A是区域G的面积 正态分布： 记为 (4)、常见的分布： 其中 均为常数,且 注: (1) (2)边缘分布是不能唯一确定随机变量(X,Y)的分布的 (?不同) 即? x,y , F(x,y)? FX(x).FY(y) 特别，对于离散型和连续型r.v，该定义分别等价于 f(x,y)? fX(x).fY(y) P{X=xi,Y=yj}? P{X= xi}.P{Y= yj} 定义 则称r.vX与Y相互独立