三维随机变量及其分布.ppt

前面我们讨论的是随机实验中单独的一个随机变量，又称为一维随机变量；然而在许多实际问题中，常常需要同时研究一个试验中的两个甚至更多个随机变量。 二维随机变量的联合分布函数 若（X，Y）是随机变量， 对于任意的实数x,y. 二维离散型随机变量 若二维 随机变量 （X，Y）的所有可能取值只有限对或可列对，则称（X，Y）为二维离散型随机变量。 若存在非负函数 f（x，y），使对任意实数x，y，二元随机变量(X,Y)的分布函数可表示成如下形式 随机变量的相互独立性 1 1 3 所以，关于X的边缘分布密度为 所以，关于Y的边缘分布密度为 当 时 当 时 关于Y的边缘分布密度为 例2. 设二维随机变量（X，Y）的概率密度为 ⑴ 求随机变量X的密度函数； ⑵ 求概率P{X+Y≤1}. 解 (1)x≤0时,fx(x)=0; x0时,fx(x)= 所以, ⑵ P{X+Y≤1}= y=x x+y=1 1/2 边缘分布密度和概率的计算 例3 设（X, Y) 的联合分布密度为 （1）求k值 (2) 求关于X和Y的边缘密度 （3）求概率P(X+Y1) 和 P(X1/2) 解 (1) 由 得 均匀分布 (2) 当 时 -1 1 当 时 所以，关于X的边缘分布密度函数为 -1 1 当 时 所以，关于Y的边缘 分布密度函数为 -1 1 均匀分布的边缘密度不再是一维均匀分布 当 时 解 （3）求概率P(X+Y1) 和 P(X1/2) 如果二维随机变量（X，Y）服从正态分布 则两个边缘分布分别服从正态分布 与相关系数 无关 可见，联合分布可以确定边缘分布，但边缘分布不能确定联合分布 即 二维正态分布(X,Y)的边缘概率密度是一维正态分布. 由此可知随机向量的联合概率密度完全决定了它的边缘概率密度,反之不一定成立. 例4 设（X，Y）的联合分布密度函数为 求关于X，Y的边缘分布密度函数 解 关于X的分布密度函数为 所以， 同理可得 边缘概率密度为一维正态分布的二维随机向量不一定是二维正态分布.不同的联合分布，可有相同的边缘分布。 可见，联合分布可以确定边缘分布，但边缘分布不能确定联合分布 特别，对于离散型和连续型的随机变量，该定义分别等价于 ★ ★ 定义 设（X，Y）的联合分布函数为F(x,y)，两个边缘分布函数分别为FX(x),FY(y)，如果对于任意的x,y都有 F(x,y)= FX(x) FY(y)， 则称随机变量X，Y相互独立。 对任意i,j 对任意x,y 随机变量X,Y相互独立,若对任意ab,cd有: 在实际问题或应用中，当X的取值与Y的取值互不影响时，我们就认为X与Y是相互独立的，进而把上述定义式当公式运用. ? 在X与Y是相互独立的前提下， 边缘分布可确定联合分布！ 实际意义 补充说明 若X与Y相互独立，则它们的连续函数g(X )与h(Y)也相互独立。 特别有 aX+b与cY+d相互独立. 定理 设（X，Y）的概率分布（律）为 证明：X、Y相互独立。 例1 2/5 1/5 2/5 p .j 2/4 4/20 2/20 4/20 2 1/4 2/20 1/20 2/20 1 1/4 2/20 1/20 2/20 1/2 pi. 2 0 -1 y x 逐个验证等式 例2 设（X，Y)的概率密度为 求 (1) P（0≤X≤1 ，0≤Y≤1）(2) (X,Y)的边缘密度， （3）判断X、Y是否独立。 解 ① 设A={（x，y）：0≤x≤1 ，0≤y≤1）} 1 1 ② 边缘密度函数分别为 当 时 当 时 所以， 同理可得 ③ 所以 X 与 Y 相互独立。 例3 已知二维随机变量（X，Y）服从区域D上的均匀分布，D为x轴，y轴及直线y=2x+1所围成的三角形区域。判断X，Y是否独立。 解 （X,Y）的密度函数为 关于X的边缘分布密度为 当 或 时 当 时， 所以，关于X的边缘分布密度为