3第三章多维随机变量及其分布.pptVIP

第三章 多维随机变量及其分布 例2 设X和Y相互独立，且分别服从参数为?1和?2的泊松分布，求Z=X+Y的分布. P{Z=n}=P{X+Y=n} 解： Z的可能取值为0, 1, 2, ... n=0, 1, 2, ... 此式说明，两个独立的且均服从泊松分布的随机变量，其和也服从泊松分布. Z=X+Y~ P(?1+?2) 根据概率连续性定理，令 x1 ?x2 , y1 ? y2 则有 再根据x2 , y2的任意性，可得③式成立 P{X = x2 , Y = y2} = P{X = x2 } P{Y = y2} 2 二维连续型随机变量的独立性 设二维连续型随机变量(X, Y)的概率密度为 f(x, y), fX(x), fY(y)分别为 (X, Y)关于X和Y的边缘概率密 ④ 证： 若②式成立， 即F(x, y)= FX(x) FY(y) 对上式两端关于x, y求导，得 度，则X与Y相互独立的充要条件是 反之，若④式成立， 则有 ④ ③ F(x, y) = FX(x) FY(y) ② ① 注：1 实际应用中， ③ ④式较常用， ① ②式 较少用。 2 若X，Y 独立，则由它们的边沿分布可以 确定联合分布。 3 若X，Y 不独立，则称它们是相依的。 例1 设(X, Y)的联合密度为 证： 证明X、Y相互独立. 当x 0时 当x ?0时 即 同理 因此，有 所以，X、Y相互独立 例2 设X和Y的分布列为 且X, Y相互独立，求（X, Y）的联合分布列. 解: X 1 3 2 4 Y 0.18 0.42 0.12 0.28 X p 1 3 0.3 0.7 2 4 Y 0.6 0.4 p Y 0.6 0.4 p p 0.6 0.4 0.6 0.4 a ＋b= 例3 设(X, Y)的分布律为 解：先求出边沿分布（如上表） 且X与Y相互独立, 求常数a, b之值. Y X 1 2 3 1 2 a b 可得 根据 P{X=2}= P{Y=2}= b= a= 另一解法： 再根据 X与Y相互独立, 得 P{X=2} P{Y=2}= P{X=2，Y=2} 即 所以 a= b= 根据 X与Y相互独立, 得 所以 例4 设(X, Y)在以原点为圆心、半径为1的单位圆上服从均匀分布, 问X与Y是否相互独立? 解: (X, Y)的概率密度为 当|x|?1时 当|x|1时 关于X的边缘密度为 同理关于Y的边缘密度为 易见, 当|x|?1, |y|?1时, 例5 设(X, Y)~ 证明：(X, Y)的概率密度为 先证充分性, 设?=0， 此时 证明X与Y 相互独立的充分必要条件是?=0 若X与Y相互独立, 则对任意的x, y有 再证必要性, 令 代入上式有 从而知 即 例6 设 (X, Y)的联合分布函数为 (1) (X, Y)的联合密度函数 求: (2) X, Y的边沿分布函数和边沿密度函数 (3) X, Y是否独立？ 解： （2）边缘分布 (X, Y)的联合概率密度函数为 （1） 因为f (x,y)=fX(x)fY(y) 因此X与Y 相互独立. ( 或F(x,y)=FX(x)FY(y) ) (3) 例7 设(X, Y) 的联合分布函数为 求 (1) (X, Y) 的联合密度 (2) X, Y 的边沿分布函数和边沿密度 (3) X和Y是否独立? 解： (1) (2) FX (x)= F(x, +?) FY (y)= F(+?, y) (3) f(x, y)? fX(x) fY(y), 不独立 我们在前面曾讨论了联合分布与边缘分布的关系： 是不能确定联合分布的. 然而由随机变量相互独立 的定义及充要条件可知,当X与Y独立时, (X, Y)的分布 可由它的两个边缘分布完全确定. 联合分布可确定边缘分布, 但一般情形下, 边缘分布 解： 由已知条件得X, Y的概率密度分别为 例8 设X与Y为相互独立的随机变量, X在[?1, 1 ]上服从均匀分布, Y 服从参数?=2的指数分布, 求： (X, Y)的概率密度. 因为X与Y相互独立, 所以(X, Y)的概率密度为 最后需要说明的是，根据X和Y相互独立的定义，还可以得出 fX|Y(x|y)= fX(x)或 fY|X (y|x)= fY(y) P{X?x|Y=y} = P{X?x} P{a1?X?b1, a2?Y?b2} = P{a1?X?b1}P{a2?Y?b2} 等等 ( 即FX|Y (x|y)= FX (x) ) 在实际问题中, 判断两个随机变