概率论34.pptVIP

第三章 随机向量及其分布 目的： 将多个随机变量放在一起讨论。 重点： 讨论两个随机变量间的关系。 四、二维正态分布 随机变量的独立性 性质：X与Y独立，若满足以下之一: i) F(x, y) = FX(x)FY(y) （总体原则） ii) Pij=Pi.P.j (离散型) iii) p(x, y) = pX(x)pY(y) （连续型） 离散分布之例 连续分布之例 随机变量函数的独立性 二维正态分布的定义 定义:如果(X,Y)的联合密度函数为 定理 二元正态分布的边缘分布为一元正态分布. 定理的证明(续) 二维正态分布独立的充要条件 定理 服从二元正态分布的随机变量(X , Y),它们独立的充要条件是X与Y的相关系数ρ=0. 多维离散随机变量函数的分布 (1) 设(X1, X2, ……, Xn) 是n维离散随机变量， 则 Z = g(X1, ……, Xn) 是一维离散随机变量。 最大值与最小值分布 一般情况 设 X1, X2, …… Xn, 独立同分布，其分布函数和密度函数分别为 FX(x) 和 pX(x)。 卷积公式 离散场合的卷积公式 卷积公式的应用 分布的可加性 二项分布的可加性 泊松分布的可加性 正态分布的可加性 独立正态变量的线性组合仍为正态变量 若 X ? P(?1) ，Y ? P(?2)， 注意： X ?Y 不服从泊松分布。 且独立， 则 Z = X+ Y ? P(? 1+? 2)。 若 X ? N( )，Y ? N( ) ， 注意： X ?Y 不服从 N( )。 且独立， 则 Z = X ? Y ? N( )。 X ?Y ? N( )。 独立正态变量的线性组合仍为正态变量。 Xi ~ N(?i, ?i2), i =1, 2, ... n. 且 Xi 间相互独立, 实数 a1, a2, ..., an 不全为零, 则 设X和Y独立同标准正态分布N(0,1), (1)求Z=X+Y的概率密度; (2)求Z=X-Y的概率密度. 解(1)Z=X+Y~N(0,2),所以 Z=X+Y~fZ(z)= (2)同理可得 Z=X-Y~N(0,2) Z=X-Y~fZ(z)= 练习 例 设 X 与 Y 独立，X～U(0, 1), Y～Exp(1). 试求 Z = X+Y 的密度函数. 解: 被积函数的非零区域为： 0x1 且 z?x0 用卷积公式： (见下图) x z 1 z = x 因此有 (1) z 0 时 pZ(z) = 0 ; (2) 0 z 1 时 pZ(z) = (3) 1 z 时 pZ(z) = 1 第三章 随机向量及其分布 * 第*页 若二维连续随机变量 (X, Y) 的联合密度为： 则称 (X, Y) 服从二维正态分布， 记为 (X, Y) ? N ( ) . 例：设二维随机向量(X,Y)的联合概率密度为 求(X,Y)关于X,Y的边缘概率密度. 解 即 同理可得 X,Y的边缘概率密度为一维正态分布. 所以,边缘概率密度为一维正态分布的二维随机向量不一定是二维正态分布. 定义：Pr(X∈A,Y∈B)=Pr(X∈A)Pr(Y∈B) 则称 X 与Y 是独立的 (X, Y) 的联合分布列为: X 0 1 Y 0 1 0.3 0.4 0.2 0.1 问 X与Y 是否独立？ 解: 边际分布列分别为: X 0 1 P 0.7 0.3 Y 0 1 P 0.5 0.5 因为 所以不独立 已知 (X, Y) 的联合密度为 问 X 与Y 是否独立？ 所以X 与Y 独立。 注意：p(x, y) 可分离变量。 解: 边际分布密度分别为: 设(X,Y)服从区域D上的均匀分布,判断X,Y的独立性,其中： (1)D={(x,y),|x|≤1,|y|≤1}; (2)D={(x,y),x2+y2≤1} 课堂练习 f1(x)= |x|≤1 |x|1 0 f2(y)= 解:(1) 同理, 所以,X,Y独立. (2) 所以,X,Y不独立. （1）X与Y相互独立，则f（X）