第3章 多维随机变量与其分布.ppt

这一讲，我们介绍了条件分布与随机变量独立性的概念和计算，并举例说明对离散型和连续型随机变量如何计算条件分布及判断随机变量是否独立. 请课下通过练习进一步掌握. 需要指出的是，当X1,…,Xn相互独立且具有相同分布函数F(x)时, 常称 M=max(X1,…,Xn)，N=min(X1,…,Xn) 为极值 . 由于一些灾害性的自然现象，如地震、洪水等等都是极值，研究极值分布具有重要的意义和实用价值. 下面我们再举一例，说明当X1,X2为离散型r.v时，如何求Y=max(X1,X2)的分布. 那么要问，若我们需要求Y=min(X1,X2)的分布，应如何分析？ 留作课下思考 解一： P(| X-Y| 5) =P( -5 X -Y 5) =1/6 =1/2 P(XY) 解二： P(X Y) =1/6 =1/2 被积函数为常数， 直接求面积 =P(X Y) P(| X-Y| 5) 类似的问题如： 甲、乙两船同日欲靠同一码头，设两船各自独立地到达，并且每艘船在一昼夜间到达是等可能的 . 若甲船需停泊1小时，乙船需停泊2小时，而该码头只能停泊一艘船，试求其中一艘船要等待码头空出的概率. 在某一分钟的任何时刻，信号进入收音机是等可能的. 若收到两个互相独立的这种信号的时间间隔小于0.5秒，则信号将产生互相干扰. 求发生两信号互相干扰的概率. 把长度为a的线段在任意两点折断成为三线段，求它们可以构成三角形的概率. 长度为a 随机变量独立性的概念不难推广到两个以上r.v的情形. 1. 分布函数 设 为n维随机变量， 为任意实数，则n元函数 称为 的分布函数。 2. 概率密度 设 为n维随机变量 的分布函数，若存在非负函数 对 任意实数 有 则称 为连续型随机变量， 称为n维随机变量的概率密度。 3. n个随机变量的独立性 设 为n维随机变量 的分布函数， 的分布函数（一维边缘分布函数），若对任意实数 有 则称 是相互独立的。 对连续型随机变量，设 的概率 密度分别为 ，则 相互独立的充要条件是： 定理1 若连续型随机向量（X1, …,Xn）的概率密度函数f(x1, …,xn)可表示为n个函数g1, …,gn之积，其中gi只依赖于xi，即 f(x1, …,xn)= g1(x1) …gn(xn) 则X1, …,Xn相互独立,且Xi的边缘密度fi(xi)与gi(xi)只相差一个常数因子. 最后我们给出有关独立性的两个结果： 第三讲 二维随机变量函数的分布 在第三章中，我们讨论了一维随机变量函数 Y=g(X)的分布，现在我们进一步讨论二维随机变 量函数Z=g(X, Y)的分布。 具体说，已知( X, Y )的分布，求Z=g(X, Y) 的分布。 例1 若X、Y独立，P(X=k)=ak , k=0,1,2,…, P(Y=k)=bk , k=0,1,2,… ,求Z=X+Y的分布列. 解: =a0br+a1br-1+…+arb0 由独立性 此即离散 卷积公式 r=0,1,2, … . 离散型随机变量和的分布Z=X+Y 依题意 例2 若X和Y相互独立,它们分别服从参数为 的泊松分布, 证明Z=X+Y服从参数为 的泊松分布. 由卷积公式 i=0,1,2,… j=0,1,2,… 解： 由卷积公式 即Z服从参数为 的泊松分布. r =0,1，… 例3 设X和Y相互独立，X~B(n1,p),Y~B(n2,p),求Z=X+Y 的分布. 回