概率论讲义第3章多维随机变量及其分布.docVIP

PAGE  PAGE 45 第三章 多维随机变量及其分布 在很多随机现象中, 只用一个随机变量来描述往往不够, 而要涉及到多个随机变量. 如炮弹命中点的位置要用一对随机变量(横坐标与纵坐标)来描述, 正弦交流电压要用振幅、频率和相位三个随机变量来描述等等. 要研究这些随机变量之间的联系, 就应当同时考虑若干个随机变量即多维随机变量及其取值规律——多维分布. 本章将介绍有关这方面的内容, 为简明起见, 主要介绍二维情形, 有关内容可以类推到多于二维的情形. 第一节 二维随机变量 一、二维随机变量的分布函数 设E是一个随机试验, 它的样本空间是S. 设X、Y是定义在S上的随机变量, 则由它们构成的一个向量(X, Y)称为二维随机向量或二维随机变量. 一般地, (X, Y)的性质不仅与X有关, 与Y有关, 而且还依赖于X、Y的相互关系, 因此必须把(X, Y)作为一个整体来研究. 首先引入(X, Y)的分布函数的概念. 定义 设(X, Y)为二维随机变量, 对于任意实数x、y, 二元函数 F(x, y) = P{(X ? x)∩(Y ? y)}= P{X ? x, Y ? y} 称为二维随机变量(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F(x, y)表示事件(X ? x)与事件(Y ? y)同时发生的概率. 如果把(X, Y)看成平面上具有随机坐标(X, Y)的点, 则分布函数F(x, y)在(x, y)处的函数值就是随机点(X, Y)落在平面上的以(x, y)为顶点而位于该点左下方的无限矩形内的概率.. 由上面的几何解释, 容易得到随机点(X, Y)落在矩形区域{x1 X ? x2, y1 Y ? y2}的概率为 P{x1 X ? x2, y1 Y ? y2} = F(x2, y2) ? F(x2, y1) ? F(x1, y2) + F(x1, y1) (1) 与二元函数类似, 二元分布函数F(x, y)也具有如下一些性质: 1? F(x, y)是变量x和y的单调不减函数, 即 当x1 x2时, F(x1, y) ? F(x2, y); 当y1 y2时, F(x, y1) ? F(x, y2). 2? 0 ? F(x, y) ? 1, 且F(??, y) = 0, F(x, ??) = 0, F(??,??) = 0, F(+?,+?) = 1. 3? F(x, y)关于x和y都是右连续的, 即F(x + 0, y) = F(x, y), F(x, y + 0) = F(x, y). 4? 对任意的(x1, y1)、(x2, y2), x1 x2, y1 y2, 有F(x2, y2) ? F(x2, y1) ? F(x1, y2) + F(x1, y1) ? 0. 注: 二元分布函数具有性质1?~ 4?, 其逆也成立(2?中0 ? F(x, y) ? 1可去), 即若二元实值函数F(x, y)(x ? R, y ? R)满足1?~ 4?, 则F(x, y)必是某二维随机变量的(X, Y)的分布函数. 其中4?是必不可少的, 即它不能由1?~ 3?推出(除去0 ? F(x, y) ? 1). 二、二维离散型随机变量 如果二维随机变量(X, Y)的所有可能取的值是有限对或可列无限多对, 则称(X, Y)是二维离散型随机变量. 设二维离散型随机变量(X, Y)所有可能取的值为(xi, yj) (i , j= 1, 2, 3, …). 记 P{X = xi, Y = yj} = pij (i , j= 1, 2, 3, …) 则由概率定义有 pij ? 0; . 我们称P{X = xi, Y = yj} = pij (i , j= 1, 2, 3, …)为二维离散型随机变量(X, Y)的分布律(概率分布)或随机变量X和Y的联合分布律, (X, Y)的分布律也可用表格表示. 其分布函数为 = 这里表示对一切xi ? x, yj ? y的那些指标i、j求和. 例1 一个口袋中有三个球, 依次标有1、2、2, 从中任取一个, 不放回袋中, 再任取一个. 设每次取球时, 各球被取到的可能性相等, 以X、Y分别记第一次和第二次取到的球上标有的数字, 求X、Y的联合分布律与分布函数.. 解: (X, Y)的可能取值为(1, 2)、(2, 1)、(2, 2). P{X = 1, Y = 2}= P{X = 1}P{Y = 2 / X = 1}=. 同理, 有 P{X = 2, Y = 1}= , P{X = 2, Y = 2}=. 即(X, Y)的分布律如右表所示. 当x 1, 或y 1时, F{x, y} = 0; 当1 ? x 2, 1 ? y