chap3多维随机变量及其分布.ppt

估身高 本章内容回顾 二维随机变量的定义、联合分布函数、边缘分布函数和条件分布函数 二维离散型随机变量的联合分布律、边缘分布律和条件分布律 二维连续性随机变量的联合密度函数、边缘密度函数和条件密度函数 二维随机变量的独立性 随机变量函数的分布 若 X ,Y 为相互独立的 r.v.则aX + b, cY + d 也相互独立；X 2, Y 2 也相互独立. 随机变量相互独立的概念可以推广到n维随机变量 若 则称 r.v. X 1, X 2 , , X n 相互独立. 由命题知 §3.3 随机变量的独立性 若两随机变量相互独立,且又有相同 的分布, 不能说这两个随机变量相等. 如 X P -1 1 0.5 0.5 Y P -1 1 0.5 0.5 X ,Y 相互独立，则 X -1 1 -1 1 0.25 0.25 Y pij 0.25 0.25 故不能说 X = Y . 注意 由左表易得 ： 设连续随机变量X ,Y 相互独立, X ~ FX (x), Y ~ FY (y), M = max{X ,Y }, N = min{X ,Y }, 求 M ,N 的分布函数. §3.4 二维 r.v.函数的分布 推广 相互独立，且 设 则 §3.4 二维 r.v.函数的分布 例18 系统 L 由相互独立的 n 个元件组成, 其连接方式为 (1)串联; (2)并联；(3) 冷贮备 ( 起初由一个元件工作, 其它 n – 1 个元件做冷贮备, 当工作元件失效时, 贮备的元件逐个地自动替换)； 若 n 个元件寿命分别为 且 求在以上 3种组成方式下, 系统 L 的寿命 X 的 d.f. §3.4 二维 r.v.函数的分布 解 解 §3.4 二维 r.v.函数的分布 (1) (2) 律为 当 时, X 的条件分布 律为 当 时, Y 的条件分布 二维连续型随机变量的条件分布和条件密度 当X 连续时, 条件分布不能用 来定义, 因为 , 来定义. 而应该用 §3.2 二维 r.v.的条件分布 x y - ?y y 设 x y -?y y §3.2 二维 r.v.的条件分布 若 f (x,y) 在点(x, y) 连续, f Y (y)在点 y 处连续且 f Y (y) 0, 则称 为Y = y 时，X 的条件分布函数, 记作 定义 §3.2 二维 r.v.的条件分布 称 为 Y = y 的条件下 X 的条件 p.d.f. 类似地, 称 为X = x 的条件下Y 的条件分布函数; 为 X = x 的条件下Y 的条件 p.d.f. 称 §3.2 二维 r.v.的条件分布 注 意 对每一 fY (y) 0 的 y 处, 只要符合定义的 相仿论述. 仅是 x 的函数, y是常数, 条件, 都能定义相应的函数. 类似于乘法公式： §3.2 二维 r.v.的条件分布 类似于全概率公式 类似于Bayes公式 例11 已知(X,Y )服从圆域 x2 + y2 ? r2 上的均匀 分布,求 r 解 ? ? x -r = §3.2 二维 r.v.的条件分布 同理， 边缘分布不是均匀分布！ §3.2 二维 r.v.的条件分布 当 – r y r 时， ? ? y — 这里 y 是常数，当Y = y 时， 当 – r x r 时， — 这里 x 是常数，当X = x 时， ? ? x §3.2 二维 r.v.的条件分布 例12 已知 求 解 例4 同理， 例13 设 求 解 y = x 1 1 §3.2 二维 r.v.的条件分布 当0 x 1 时， y = x 1 1 当0 y 1 时， y y = x 1 1 x §3.2 二维 r.v.的条件分布 例14 已知 求 例6 解 y = x 1 1 当f X(x) 0 时，即 0 x 1 时， 当f X(x) = 0 时，f (x,y) = 0 故 x + y =1 1 y = x 1 0.5 y = x 1 1 0.5 y = x 1 1 0.5 算出罪犯的身高. 这个公式是 公安人员根据收集到的 罪犯脚印，通过公式 由脚印估计罪犯身高 如何推导出来的? 显然，两者之间是有统计