概率统计第3章知识点小结.doc.docVIP

第三章 二维随机变量及其分布 第一节 基本概念 1、概念网络图 2、重要公式和结论 （1）联合分布离散型如果二维随机向量（X，Y）的所有可能取值为至多可列个有序对（x,y），则称为离散型随机量。 设=（X，Y）的所有可能取值为，且事件{=}的概率为pij,,称 为=（X，Y）的分布律或称为X和Y的联合分布律。联合分布有时也用下面的概率分布表来表示： Y Xy1y2…yj…x1p11p12…p1j…x2p21p22…p2j…xipi1……这里pij具有下面两个性质： （1）pij≥0（i,j=1,2,…）； （2）连续型对于二维随机向量，如果存在非负函数，使对任意一个其邻边分别平行于坐标轴的矩形区域D，即D={(X,Y)|axb,cyd}有 则称为连续型随机向量；并称f(x,y)为=（X，Y）的分布密度或称为X和Y的联合分布密度。 分布密度f(x,y)具有下面两个性质： f(x,y)≥0; （2） （2）二维随机变量的本质（3）联合分布函数设（X，Y）为二维随机变量，对于任意实数x,y,二元函数 称为二维随机向量（X，Y）的分布函数，或称为随机变量X和Y的联合分布函数。 分布函数是一个以全平面为其定义域，以事件的概率为函数值的一个实值函数。分布函数F(x,y)具有以下的基本性质： （1） （2）F（x,y）分别对x和y是非减的，即 当x2x1时，有F（x2,y）≥F(x1,y);当y2y1时，有F(x,y2) ≥F(x,y1); （3）F（x,y）分别对x和y是右连续的，即 （4） （5）对于 .（4）离散型与连续型的关系（5）边缘分布离散型X的边缘分布为 ； Y的边缘分布为 。连续型X的边缘分布密度为 Y的边缘分布密度为 （6）条件分布离散型在已知X=xi的条件下，Y取值的条件分布为 在已知Y=yj的条件下，X取值的条件分布为 连续型在已知Y=y的条件下，X的条件分布密度为 ； 在已知X=x的条件下，Y的条件分布密度为 （7）独立性一般型F(X,Y)=FX(x)FY(y)离散型 有零不独立连续型f(x,y)=fX(x)fY(y) 直接判断，充要条件： ①可分离变量 ②正概率密度区间为矩形二维正态分布 ＝0随机变量的函数若X1,X2,…Xm,Xm+1,…Xn相互独立， h,g为连续函数，则： h（X1，X2,…Xm）和g（Xm+1,…Xn）相互独立。 特例：若X与Y独立，则：h（X）和g（Y）独立。 例如：若X与Y独立，则：3X+1和5Y-2独立。（8）二维均匀分布设随机向量（X，Y）的分布密度函数为 其中SD为区域D的面积，则称（X，Y）服从D上的均匀分布，记为（X，Y）～U（D）。 例如图3.1、图3.2和图3.3。 y 1 D1 O 1 x 图3.1 y D2 1 1 O 2 x 图3.2 y D3 d c O a b x 图3.3 （9）二维正态分布设随机向量（X，Y）的分布密度函数为 其中是5个参数，则称（X，Y）服从二维正态分布， 记为（X，Y）～N（ 由边缘密度的计算公式，可以推出二维正态分布的两个边缘分布仍为正态分布， 即X～N（ 但是若X～N（，(X，Y)未必是二维正态分布。（10）函数分布Z=X+Y根据定义计算： 对于连续型，fZ(z)＝ 两个独立的正态分布的和仍为正态分布（）。 n个相互独立的正态分布的线性组合，仍服从正态分布。 ， Z=max,min(X1,X2,…Xn)若相互独立，其分布函数分别为，则Z=max,min(X1,X2,…Xn)的分布函数为： 分布设n个随机变量相互独立，且服从标准正态分布，可以证明它们的平方和 的分布密度为 我们称随机变量W服从自由度为n的分布，记为W～，其中 所谓自由度是指独立正态随机变量的个数，它是随机变量分布中的一个重要参数。 分布满足可加性：设 则 t分布设X，Y是两个相互独立的随机变量，且 可以证明函数 的概率密度为 我们称随机变量T服从自由度为t分布，记为T～t(n)。 F分布设，且X与Y独立，可以证明的概率密度函数为 我们称随机变量F服从第一个自由度为n1，第二个自由度为n2的F分布，记为F～f(n1, n2).  例3．1 二维随机向量（X，Y）共有六个取正概率的点，它们是：（1，-1），（2，-1），（2，0），2，2），（3，1），（3，2），并且（X，Y）取得它们的概率相同，则（X，Y）的联合分布及边缘分布为