第三章二维随机变量及其分布.docVIP

第三章 二维随机变量及其分布 （1）联合分布 离散型 如果二维随机向量（X，Y）的所有可能取值为至多可列个有序对（x,y），则称为离散型随机量。 设=（X，Y）的所有可能取值为，且事件{=}的概率为pij,,称 为=（X，Y）的分布律或称为X和Y的联合分布律。联合分布有时也用下面的概率分布表来表示： Y X y1 y2 … yj … x1 p11 p12 … p1j … x2 p21 p22 … p2j … xi pi1 … … 这里pij具有下面两个性质： （1）pij≥0（i,j=1,2,…）； （2） 连续型 对于二维随机向量，如果存在非负函数，使对任意一个其邻边分别平行于坐标轴的矩形区域D，即D={(X,Y)|axb,cyd}有 则称为连续型随机向量；并称f(x,y)为=（X，Y）的分布密度或称为X和Y的联合分布密度。 分布密度f(x,y)具有下面两个性质： f(x,y)≥0; （2） （2）二维随机变量的本质 （3）联合分布函数 设（X，Y）为二维随机变量，对于任意实数x,y,二元函数 称为二维随机向量（X，Y）的分布函数，或称为随机变量X和Y的联合分布函数。 分布函数是一个以全平面为其定义域，以事件的概率为函数值的一个实值函数。分布函数F(x,y)具有以下的基本性质： （1） （2）F（x,y）x和y是非减的，即 当x2x1时，有F（x2,y）F(x1,y);当y2y1时，有F(x,y2) ≥F(x,y1); （3）F（x,y）x和y是右连续的，即 （4） （5）对于 . （4）离散型与连续型的关系 （5）边缘分布 离散型 X的边缘分布为 ； Y的边缘分布为 。 连续型 X的边缘分布密度为 Y的边缘分布密度为 （6）条件分布 离散型 在已知X=xi的条件下，Y取值的条件分布为 在已知Y=yj的条件下，X取值的条件分布为 连续型 在已知Y=y的条件下，X的条件分布密度为 ； 在已知X=x的条件下，Y的条件分布密度为 （7）独立性 一般型 F(X,Y)=FX(x)FY(y) 离散型 有零不独立 连续型 f(x,y)=fX(x)fY(y) 直接判断，充要条件： ①可分离变量 ②正概率密度区间为矩形 二维正态分布 ＝0 随机变量的函数 若X1,X2,…Xm,Xm+1,…Xn相互独立， h,g为连续函数，则： h（X1，X2,…Xm）和g（Xm+1,…Xn）相互独立。 特例：若X与Y独立，则：h（X）和g（Y）独立。 例如：若X与Y独立，则：3X+1和5Y-2独立。 （8）二维均匀分布 设随机向量（X，Y）的分布密度函数为 其中SD为区域D的面积，则称（X，Y）服从D上的均匀分布，记为（X，Y）～U（D）。 例如图3.1、图3.2和图3.3。 y 1 D1 O 1 x 图3.1 y 1 O 2 x 图3.2 y d c O a b x 图3.3 （9）二维正态分布 设随机向量（X，Y）的分布密度函数为 其中是5个参数，则称（X，Y）服从二维正态分布， 记为（X，Y）～N（ 由边缘密度的计算公式，可以推出二维正态分布的两个边缘分布仍为正态分布， 即X～N（ 但是若X～N（，(X，Y)未必是二维正态分布。 （10）函数分布 Z=X+Y 根据定义计算： 对于连续型，fZ(z)＝ 两个独立的正态分布的和仍为正态分布（）。 n个相互独立的正态分布的线性组合，仍服从正态分布。 ， Z=max,min(X1,X2,…Xn) 若相互独立，其分布函数分别为，则Z=max,min(X1,X2,…Xn)的分布函数为： 分布 设n个随机变量相互独立，且服从标准正态分布，可以证明它们的平方和 的分布密度为 我们称随机变量W服从自由度为n的分布，记为W～，其中 所谓自由度是指独立正态随机变量的个数，它是随机变量分布中的一个重要参数。 分布满足可加性：设 则 t分布 设X，Y是两个相互独立的随机变量，且 可以证明函数 的概率密度为 我们称随机变量T服从自由度为n的t分布，记为T～t(n)。 F分布 设，且X与Y独立，可以证明的概率密度函数为 我们称随机变量F服从第一个自由度为n1，第二个自由度为n2的F分布，记为F～f(n1, n2). D2 1 D3