概率论课件 第2章第2讲多维随机变量及其分布.ppt

§2.2 多维随机变量及其分布 例2 * * 迄今为止，我们只讨论了一维随机变量 及其分布。但有些随机现象用一个随机变量来描述还不够，而需要用几个随机变量来描述 在打靶时,命中点的位置是由一对随机变量(两个坐标)来确定的. 飞机的重心在空中的位置是由三个随机变量(三个坐标）来确定的等等. 二维离散型随机变量 定义： 若(X，Y )只取有限对或可数对实数值 则称其为二维离散型随机变量。 二维随机变量（X,Y） 离散型 i, j =1,2, … X和Y 的联合概率分布列 k=1,2, … 离散型 一维随机变量X X的概率分布列 k=1,2, … (X,Y)的联合概率分布列的表格形式如下: X x1 x2 … x i … y1 y2 … y j … p11 p12 … p1j … p21 p22 … p2j … … … … … … pi1 pi2 … p i j … … … … … … Y 二维联合分布全面地反映了二维随 机变量(X,Y)的取值及其概率规律. 而单 个随机变量X,Y也具有自己的概率分布. X和Y的概率分布分别称为（X,Y）关于 X或Y的边缘（概率）分布 那么要问:二者之间有什么关系呢? 可以相互确定吗？ 先看如何由联合分布来确定两个边缘分布 一般，对二维离散型随机变量( X,Y )， 则(X,Y)关于X的边缘概率分布列为 X和Y 的联合概率分布列为 (j=1,2,...) 同理 一般地,记: 我们常将边缘概率函数写在联合概率函数表格的边缘上，由此得出边缘分布这个名词。 例1 袋中有二个白球，三个黑球， 从中取两次球 求：（X,Y）的联合分布及边缘分布，分有放回和无放回讨论。 解：有放回 0 1 1 0 1 0 1 1 0 1 不放回 有放回时，X和Y相互独立； 不放回时则不是！ 联合分布与边缘分布的关系： 由联合分布可以确定边缘分布; 但由边缘分布一般不能确定联合分布. 两事件 A,B 独立的定义是： 若 则称事件A,B独立 . 将事件的独立性推广到随机变量 随机变量的独立性是概率论中的一个重要概念 若 (X,Y)是离散型随机变量， 则上述独立性的定义等价于： 则称X和Y相互独立. 对(X,Y)的所有可能取值(xi, yj),有 即