概率论第三章浙江大学盛骤.pptVIP

结论: (二) M=max(X,Y)及m=min(X, Y)的分布: 设X,Y相互独立, 分布函数分别为FX(x)和FY(y). 首先求M=max(X,Y)的分布. 推广: 设X1,X2,…,Xn相互独立,分布函数分别为F1(x), F2(x),…,Fn(x),则M=max(X1,X2,…,Xn)的分布函数为 FM(z)=F1(z)· F2(z)…Fn(z) N=min(X1,X2,…,Xn)的分布函数为 FN(z)=1-(1-F1(z))·(1-F2(z))…(1-Fn(z)) 特别地, 当X1,X2,…,Xni.i.d.时, 设分布函数为F(x), (四) 利用“分布函数法”导出两r.v.的和,商等的分布 函数或密度函数的公式, 其要点为: (三) 对于离散型r.v. 的函数的分布: 设X,Y是离散型r.v.且相互独立, 其分布律分别为: P{X=i}=pi,i=0,1,2,3,…, P{Y=j}=qj,j=0,1,2,3,…, 求Z=X+Y的分布律. 解: P{Z=i} =P{X+Y=i} (X与Y相互独立) 于是有: 这就是Z=X+Y的分布律. 例 设X,Y是相互独立的r.v., 分别服从参数为?1,?2的 泊松分布, 证明Z=X+Y服从参数为?1+?2泊松分布. 证明: 已知 由上式知, 从而证明Z=X+Y也服泊松分布. * * 第三章 多维随机变量及其分布 §1 二维随机变量 在某些实际问题中, 往往需要同时用两个或两个以上的 随机变量来描述试验的结果, 例如某地区对儿童进行抽查 身体, 测量被抽儿童的身高H和体重W, 这里样本空间S= {e} ={某地区的全部儿童}, 而H(e)和W(e)是定义在S上的两 个随机变量. 1. 二维r.v.定义: 设E是一个随机试验, 样本空间是 S={e},设X=X(e)和Y=Y(e)是定义在S上的r.v., 由 它们构成的一个向量(X, Y), 叫做二维r.v. 注: 二维r.v. (X, Y)的性质不仅与X和Y有关, 而且还 依赖于这两个r.v.的相互关系. 如何描述二维r.v.(X, Y)的统计规律? 首先可用分布函数. 2. 二维r.v.(联合)分布函数: 图2 二维r.v.的分布函数的基本性质与一维r.v.的分布函 数F(x)的性质类似. 若将(X, Y)看成平面上随机点的坐标, 则分布函数F(x,y)的值为(X,Y)落在阴影部分的概率(如图1) 图1 3. 下面分别讨论二维离散型和连续型r.v. (一) 二维离散型r.v. 例1. 设r.v. X在1, 2, 3, 4四个整数中等可能地取值, r.v. Y则在1~X中等可能地取一整数, 试求(X, Y)的 分布律. Y 1 2 3 4 1 1/4 1/8 1/12 1/16 2 0 1/8 1/12 1/16 3 0 0 1/12 1/16 4 0 0 0 1/16 X (二) 二维连续型r.v. 注: 关于二维r.v.的定义, 分布函 数及其性质, 二维离散型r.v.连续 型r.v.等概念不难推广到n(n2) 维r.v.的情况. §2. 边缘分布 一、边缘分布函数： 二、边缘分布律： 例1(续) Y 1 2 3 4 p?j 1 1/4 1/8 1/12 1/16 2 0 1/8 1/12 1/16 3 0 0 1/12 1/16 4 0 0 0 1/16 pi? X 1/4 1/4 1/4 1/4 25/48 13/48 7/48 3/48 1 三、边缘概率密度: 注: 由二维