概率论与数理统计-第五章二维随机变量及其分布.pptVIP

因此负责人与其秘书到达办公室的时间相差不超过5分钟的概率为1/48 二维随机变量的概念可以推广到n维随机变量 若X1,X2,…,Xn是定义在样本空间上的n个随机变量，则由其构成的联合变量(X1,X2,…,Xn)称为n维随机变量。 则称随机变量X1,X2,…,Xn相互独立。 当(X1,X2,…,Xn)为n维离散型随机变量时，X1,X2,…,Xn相互独立等价于 当(X1,X2,…,Xn)为n维连续型随机变量时，X1,X2,…,Xn相互独立等价于 定 义 联 合 分 布 函 数 联 合 分 布 律 联 合 概 率 密 度 边 缘 分 布 随 机 变 量 的 相 互 独 立 性 定 义 性 质 二 维 随 机 变 量 推 广 小 结 表明介于曲面Z=f(x,y)与XOY面之间的空间区域的体积为1。 (3)若f(x,y)在点(x,y)处连续，则 表明分布函数F(x,y)与密度函数f(x,y)可以相互确定。 D 即随机点(X,Y)落在平面区域D内的概率等于以D为底，以曲面Z=f(x,y)为顶的曲顶柱体的体积。 (4)随机点(X,Y)落在平面区域D内的概率为 例3.2 已知随机变量X和Y的联合概率密度为 试求: (1) C的值; (2) P{XY} 3、常见二维连续分布 (1)二维均匀分布 若(X,Y)具有概率密度 其中G为平面上某个区域, 则称二维连续型随机变量(X,Y)在区域G上服从二维均匀分布。 例3.3 设(X,Y)服从G上的均匀分布, G={(x,y)|0?y?x, 0?x?1} 求: (1) f(x,y); (2) P(YX2)。 y=x 1 0 x y 1 G y=x2 (2)二维正态分布 若二维随机变量(X,Y)的概率密度函数为 则称(X,Y)服从参数为?1,?2,?12,?22,?的正态分布, 记作(X,Y)~N(?1,?2,?12,?22,?), 其中?1,?20, –1?1。 二维正态分布图 二维正态分布剖面图 第四节 边缘分布 1、边缘分布函数 关于Y的边缘分布函数为：FY(y)=P(Y?y)=P(X+?,Y?y)=F(+?,y) 已知(X,Y)的分布函数F(x,y)，则关于X的边缘分布函数为： FX(x)=P(X?x)=P(X?x,Y+?)=F(x,+?) 例4.1 设二维随机变量(X,Y)的分布函数为 求关于X, 关于Y的边缘分布函数。 解： 2、边缘分布律 联合分布律及边缘分布律 X Y y1 y2 … yj … pi. x1 p11 p12 … p1j … p1. x2 p21 p22 … p2j … p2. … … … … … … … xi pi1 pi2 … pij … pi. … … … … … … … p.j p.1 p.2 … p.j … 1 例4.2 一口袋中有四个球, 其上分别标有1, 2, 2, 3, 从中任取一球后, 不放回袋中, 再从袋中任取一球, 依次用X, Y表示第一、二次取得的球上标有的数字, 试求X, Y的边缘分布律。 解：由例2.3知， 表中横行相加即得X的边缘分布律 表中纵行相加即得Y的边缘分布律 X Y 1 2 3 pi. 1 0 1/6 1/12 1/4 2 1/6 1/6 1/6 1/2 3 1/12 1/6 0 1/4 p.j 1/4 1/2 1/4 1 X 1 2 3 pi. 1/4 1/2 1/4 Y 1 2 3 p.j 1/4 1/2 1/4 3、边缘概率密度 已知(X,Y)的概率密度为f(x,y)，其分布函数为F(x,y)，则关于X的边缘分布函数为： 故X的边缘概率密度为： 故Y的边缘概率密度为： 关于Y的边缘分布函数为： 例4.3 设二维随机变量(X,Y)的密度函数为 求关于X, 关于Y的边缘密度函数。 第五节 随机变量的独立性 1、随机变量的相互独立性的定义 定义5.1 设F(x,y)及FX(x), FY(y)分别为二维随机变量(X,Y)的分布函数及边缘分布函数, 若对任意的实数x, y, 有 P(X?x,Y?y)=P(X?x)P(Y?y) 即 F(x,y)=FX(x)FY(y) 则称随机变量X与Y是相互独立的。 2、离散型随机变量的独立性 定理5.1 离散型随机变量X和Y相互独立的充要条件是它们的联合分布律等于二者边缘分布律的乘积，即 例5.1 设离散型随机变量X和Y的联合分布律如下表，试问?，?为什么数值时X和Y才是相互独立的？ X Y 1 2 3 1 2 1/6 1