概论第讲培训教案.pptVIP

例 已知随机变量 ( X , Y ) 在 D上服从均匀分布, 试求( X , Y )的联合密度及联合分布函数,其中D为 矩形区域：a?x?b,c?y?d. y x o a b c d D y x o a b c d D (1) 当xa或yc时 f(x,y)=0 , 则 F(x,y)=0 , (2) 当a≤x≤b,c≤y≤d 时 y x o a b c d D (3) 当 xb, c≤y≤d 时 y x o a b c d D (4) 当 a≤x≤b, yd, 时 (5) 当 xb, yd时 所以( X ,Y ) 的分布函数为 若二维随机向量(X,Y)有联合密度 2 二维正态分布 正态分布(X,Y)的概率密度函数 f(x,y)满足: (1). (2). 二维正态分布的图形 习题3.1 2.4 备用 设二维随机变量(X, Y)的概率密度为 (1) 确定常数c (2)计算(X,Y)落入 的概率 解　联合概率密度的性质可知： * * * * * 第3章多维随机变量及其分布 第*页 概率论与数理统计 第八讲 淮阴工学院数理学院 §3.1多维随机变量及联合其分布 从本讲起，我们开始第三章的学习. 一维随机变量及其分布 多维随机向量及其分布 由于从二维推广到多维一般无实质性的 困难，我们重点讨论二维随机变量 . 它是第二章内容的推广. 到现在为止，我们只讨论了一维随机变量及其分布. 但有些随机现象用一个随机变量来描述还不够，而需要用几个随机变量来描述. 在打靶时,命中点的位置是由一对随机变量 (两个坐标)来确定的. 飞机的重心在空中的位置是由三个随机变量(三个坐标)来确定的等等. §3.1多维随机变量及联合其分布 一般地, 设 X1 (ω), X2 (ω) , …, Xn (ω)是定义在同一样本空间Ω上的随机变量 ，则这n 个随机量构成的n 维向量(X1, X2 , …, Xn )称 n 维随机向量 (或变量)。， 由于从二维随机向量推广到多维随机向量并无实质性困难，所以，我们着重讨论二维随机向量。 一 多维随机变量 X的分布函数 一维随机变量 二、二维随机变量的分布函数 定义 设(X,Y) 是一个二维的随机变量，对于一对任意实数(x,y), 二元函数 称为二维随机变量(X,Y) 的分布函数 （随机变量X和Y的联合分布函数） Joint distribution function 如果把(X,Y)看成平面上随机点的坐标. 取定x0,y0? R1， F(x0,y0)就是点(X,Y)落在平面上的以(x0,y0)为顶点而位于该点左下方的无限矩形区域内的概率. 随机点(X, Y)落在如图所示矩形域内的概率： 求概率 利用分布函数 y x o x1 x2 y1 y2 (X, Y ) (x2 , y2) (x2 , y1) (x1 , y2) (x1 , y1) = X Y x1 y1 (x1,y1) x2 y2 (x2,y2) (x1,y2) (x2,y1) F(x, y)是变量 x,y 的非减函数； 即 ? y?R 给定，当 x1 x2 时， F(x1, y)≤F(x2, y). 同样, ?x?R 给定，当y1≤y2时, F(x, y1)≤F(x, y2). (1)非减性 二维分布函数F(x, y)的四条基本性质 (2)边界极端性 ?x, y?R, 有 0≤F(x, y)≤1； ? y?R, F(-∞, y)=0， ? x?R, F(x, -∞)=0， F(-∞, -∞)=0，F(＋∞, ＋ ∞)=1. 其中 x y (x, y) x y 边界极端性的几何意义 x y x y （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. y x o x1 x2 y1 y2 (X, Y ) (x2 , y2) (x2 , y1) (x1 , y2) (x1 , y1) 说 明 上述四条性质是二维随机变量分布函数的最基本的 性质，即任何二维随机变量的分布函数都具有这四 条性质； 更进一步地，我们还可以证明：如果某一个二元函数 具有这四条性质，那么，它一定是某一二维随机变 量的分布函数（证明略）． 例1 设 讨论F (x, y)能否成为二维r.v.的分布函数？ 解 x y x