第3章 多维随机变量和其分布(4.5学分).pptVIP

第三章 多维随机变量 二维随机变量的联合分布 边缘分布与独立性 条件分布 两个随机变量函数的分布 二. 联合分布函数 四.二维连续型随机变量及其密度函数 n维随机变量的分布 二、边缘分布律 三、边缘密度函数 3.4 两个随机变量函数的分布一、二维离散型随机变量函数的分布律 二、多个随机变量函数的密度函数 分布函数法 设(X,Y)服从如图区域D上的均匀分布， 求关于X的和关于Y的边缘概率密度 x=y x=-y 作业10.2参照此例 四、随机变量的相互独立性 定义* 如果对任意实数ab,cd，有 P{aX?b,cY?d}=P{aX?b}P{cY?d} 即事件{aX?b}与事件{cY?d}独立，则称随机变量X与Y独立。 定理：随机变量X与Y独立的充分必要条件是 F(x,y)=FX(x)FY(y) 定理. 设(X,Y)是二维连续型随机变量，X与Y独立的充分必要条件是f(x,y)=fX(x)fY(y) 定理. 设(X,Y)是二维离散型随机变量，则X与Y独立的充分必要条件是对任意i,j，Pi,j=Pi?.P?j 由上述定理可知，要判断两个随机变量X与Y的独立性，只需求出它们各自的边缘分布，再看是否对(X,Y)的每一对可能取值点,边缘分布的乘积都等于联合分布即可 EX：判断例1、例2、例3中的X与Y是否相互独立 例4.已知随机变量(X,Y)的分布律为 且知X与Y独立，求a、b的值。 例5.甲乙约定8:00?9:00在某地会面。设两人都随机地在这期间的任一时刻到达，先到者最多等待15分钟过时不候。求两人能见面的概率。 定义. 设n维随机变量(X1,X2,...Xn)的分布函数为F(x1,x2,...xn), (X1,X2,...Xn)的k（1?kn)维边缘 分布函数就随之确定，如关于(X1,X2）的边缘分布函数是 FX1,X2（x1,x2,)=F(x1,x2,??,?...?) 若 Xk 的边缘分布函数为FXk(xk),k=1,2,…,n, 五．n维随机变量的边缘分布与独立性 则称X1,X2,...Xn 相互独立，或称(X1,X2,...Xn)是独立的。 对于离散型随机变量的情形，若对任意整数 n及实数 ,有 则称离散型随机变量X1, X2, …, Xn相互独立。 设X1，X2，…，Xn为n 个连续型随机变量，若对任意的(x1, x2, …, xn)?Rn， f (x1, x2, …, xn)＝fX1(x1)fX2(x2)…fXn(xn) 成立，则称X1，X2，…，Xn相互独立。 定义 设n维随机变量(X1,X2,...Xn)的分布函数为FX(x1,x2,...xn)；m维随机变量(Y1,Y2,…Ym)的 分布函数为FY(y1,y2,…ym), X1,X2,...Xn ,Y1,Y2,…Ym 组成的n+m维随机变量（X1,X2,...Xn ,Y1,Y2,…Ym) 的分布函数为F（x1,x2,...xn, y1,y2,…ym). 如果 F（x1,x2,...xn, y1,y2,…ym)= FX(x1,x2,...xn) FY(y1,y2,…ym) 则称n维随机变量(X1,X2,...Xn)与m维随机 变量(Y1,Y2,…Ym)独立。 定理 设(X1,,X2, …, Xn )与(Y1, Y2,…， Ym )相互独立, 则Xi (i=1, 2, …, n))与Yj (j=1, 2, …, m)相互独立； 又若h, g是连续函数，则h(X1,,X2, …, Xn) 与g(Y1, Y2,…， Ym )相互独立. 设随机变量X与Y的联合分布律为 (X, Y)～ P{X＝xi, Y＝ yj}＝ pij ，(i, j＝1, 2, … )， X和Y的边缘分布律分别为 3.3 条件分布(4.5学分)一.离散型随机变量的条件分布律 为Y＝ yj的条件下，X的条件分布律; 若对固定的j, p.j0, 则称 同理，对固定的i, pi. 0, 称 为X＝ xi的条件下，Y的条件分布律; EX.设某昆虫的产卵数X服从参数为50的泊松分布，又设一个虫卵能孵化成虫的概率为0.8,且各卵的孵化是相互独立的，求此昆虫产卵数X与下一代只数Y的联合分布律. 二 连续型随机变量的条件概率密度 定义: 给定y，设对任意固定的正数?0，极限 存在，则称此极限为在条件条件下X的条件分布函数. 记作 可证当 时 若记