第四节 多维随机变量与其分布.pptVIP

第四节 多维随机变量及其分布 §4.1 二维随机变量 4.1.1 二维随机变量 定义4.1.1 若X, Y是两个定义在同一个样本空间S上的 随机变量，则称(X, Y) 是二维随机变量. 同理可定义 n 维随机变量 (随机向量). 4.1.2 联合分布函数 定义4.1.2 4.1.2 联合分布函数 推论 联合分布函数的基本性质 4.1.3 联合分布律 二维离散随机变量 二维离散分布的联合分布律 联合分布律的基本性质 确定联合分布律的方法 例 4.1.3 4.1.4 联合密度函数 设二维随机变量(X, Y) 的分布函数为 F(x, y)，若存在非负可积函数 f(x, y)，使得 联合密度函数的基本性质 例4.1.4 例4.1.5 例4.1.6 4.1.5 常用多维分布 一、多项分布 二、多维超几何分布 三、二维均匀分布 四、二维正态分布 §4.2 边缘分布 4.2.1 边缘分布函数 4.2.2 边缘分布律 4.2.3 边缘密度函数 注 意 点 (1) 由联合分布可以求出边缘分布. 但由边缘分布一般无法求出联合分布. 所以联合分布包含更多的信息. 注 意 点 (2) 二维正态分布的边缘分布是一维正态分布： 若 (X, Y) ? N ( )， §4.3 条件分布 对二维随机变量(X, Y), 在给定Y取某个值的条件下, X的分布; 在给定X取某个值的条件下, Y的分布. 4.3.1 条件分布 (1) 条件分布律： (4) 条件分布函数： 4.4 相互独立的随机变量 若满足以下之一: i) F(x, y) = FX(x)FY(y)， 通式 ii) pij = pi.p.j， 离散随机变量 iii) f(x, y) = fX(x)fY(y)， 连续随机变量 则称 X 与Y 是独立的， 注 意 点 (1) 变量X 与Y是独立的其本质是： 例4.4.1 例4.4.2 注 意 点 (1) 注 意 点 (2) 4.4.2 n维随机变量 设n维随机变量(X1, X2, …, Xn) 的分布函数为 F(x1, x2,…,xn)，则 n维随机变量的边缘分布 设n维随机变量(X1, X2, …, Xn) 关于X1，关于(X1, X2)的边缘分布函数分别为： n维随机变量的独立性 §4.5 两个随机变量的函数的分布 4.5.1 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， 而 Z = g(X1, ……, Xn) 是一维离散随机变量. 4.5.2 连续函数的卷积公式 离散函数的卷积公式 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 伽玛分布的可加性* 注 意 点 4.5.3 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 fX(x). 4.5.4 变量变换法* 变量变换法的具体步骤 增补变量法 §4.6 小结 基本概念： 二维随机变量、分布函数、离散型二维随机变量及其分布律合和边缘分布律、连续型二维随机变量及其概率密度和边缘概率密度、条件分布函数、条件分布律、条件概率密度、两个随机变量的独立性、Z=X+Y的概率密度、最大最小概率密度； 分布函数的计算： 二维随机变量的分布函数： F(x, y)=P( X? x, Y? y) Z=X+Y的概率密度：卷积公式 最大最小概率密度： 公式见P64 若记 Y = max (X1, X2, …… Xn), Z = min (X1, X2, …… Xn) 则 Y 的分布函数为: FY (y) = [FX(y)]n Y 的密度函数为: fY(y) = n[FX(y)]n?1 fX(y) Z 的分布函数为: FZ(z) = 1?[1? FX(z)]n Z 的密度函数为: fZ(z) = n[1? FX(z)]n?1 fX(z) 已知 (X, Y) 的分布， (X, Y) 的函数 求 (U, V) 的分布. 有连续偏导、存在反函数 则 (U, V) 的联合密度为 若 其中J为变换的雅可比行列式： 可增补一个变量V = g2(X, Y) ， 若要求 U = g1(X