双变量随机变数.ppt

本章綜覽 介紹同時有兩個隨機變數存在時的機率性質 雙變量離散隨機變數的機率分配函數的特性 雙變量連續隨機變數的機率分配函數的特性 條件分配與條件動差 簡介 在真實世界中，可能必須面對兩個甚至更多個隨機變數，而這些變數之間可能互相影響。因此，不能只針對個別變數加以分析，而必須適當地刻劃變數間的聯合行為，再據此探討變數的個別行為及變數之間的關係。 兩個隨機變數合併起來也稱作雙變量隨機變數(bivariate random variable) 。 離散隨機變數的聯合分配 若 X 和 Y 為離散隨機變數，其實現值分別為 a1, a2,…, 和 b1, b2,…。X 和 Y 的聯合機率密度函數 (joint probability function) 又稱之為雙變量機率函數 (bivariate probability function)，其函數值為 f X,Y (ai, bj ) = P({X = ai 且 Y = bj}), i, j = 1, 2, . . . 例 5.1：X = 1,2,3 分別代表所得高低的顧客，Y =1,2,3,4 分別代表想投資的標的。則兩者的聯合隨機行為可 用下表的聯合機率加以描述。 離散隨機變數的累積機率函數 兩個隨機變數 X 和 Y 的聯合累積分配函數稱為雙變量累積分配函數(Bivariate cumulative distribution function)。這個函數由二維的實數平面 R2 映射到 [0,1]，其函數值為： FX,Y(a,b) = P({X ? a 且 Y ? b }) 當 X 和 Y 具有離散的聯合分配 (discrete joint distribution)時，其雙變量累積分配函數值為 雙變量累積分配函數來自機率的加總，此函數會隨著 ai (或 bj) 的增加而呈現非遞減的特性。 離散隨機變數的累積機率函數 可藉著雙變量累積分配函數相減以算出雙變量機率函數。因此，雙變量累積分配函數也代表這兩個隨機變數的聯合隨機機制。 例 5.2：可以利用例 5.1 中的聯合機率表來求得聯合累積機率。 FX,Y(2,2) = P({X ? 2 且 Y ? 2 }) = 0.4。 FX,Y(2,3) = P({X ? 2 且 Y ? 3 }) = 0.6。 FX,Y(3,2) = P({X ? 3 且 Y ? 2 }) = 0.5。 離散隨機變數的邊際分配 雙變量累積分配函數描述的是兩個隨機變數的聯合隨機行為，而邊際分配則是這兩個隨機變數中任一個變數的個別隨機行為。 X 和 Y 具有離散的聯合分配，X 的邊際機率函數為 而 X 為其他值時，fx 為 0。 Y 的邊際機率函數 fY 為 而 Y 為其他值時，fY 為 0。 離散隨機變數的邊際分配 聯合機率函數可以決定邊際機率函數。邊際機率函數和前一章討論的機率函數其實並無不同，它代表個別隨機變數的隨機機制，但無法描述變數之間的關係。 根據邊際機率函數也可以計算邊際累積分配函數 (marginal cumulative distribution function) ，其函數值為 Fx(r) 就是不限制變數 Y 可能產生的數值之下， 的機率 離散隨機變數的邊際分配 -- 實例 例 5.3：根據例 5.1 中的資料，可以求算其邊際機率如下： 離散隨機變數的邊際分配 -- 實例 對所有的實數 a 和 b，若 則 X 和 Y 是獨立的；否則它們是相依的。 隨機變數若相互獨立，則其聯合機率可由個別變數的邊際機率所決定。但在一般情況下，聯合機率並無法由邊際機率決定。 離散隨機變數的動差 若隨機變數 X 和 Y 具有離散的聯合分配，其實現值分別為 a1, a2,…和 b1, b2…,則 X 的期望值 (均數、第一階動差) 為 令X 和 Y 代表兩個隨機變數。則對任意實數 a 和 b， E(aX+bY) = aE(X) + bE(Y)。 X 和 Y 的變異數 (第二階中央動差) 為 var(X) = E(X2) – [E(X)]2, var(Y) = E(Y2) – [E(Y)]2 離散隨機變數的動差 例 5.6：由例 5.3, E(X) = 1 ? 0.1 + 2 ? 0.5 + 3 ? 0.4 = 2.3。 E(X2) = 1 ? 0.1 +22 ? 0.5 +32 ? 0.4 = 5.7。 var(X) = 5.7 ? (2.3)2 = 0.41。 E(Y) = 1 ? 0.4 + 2 ? 0.1 + 3 ? 0.3 + 4 ?