(习题课3)多维随机变量及其分布.pptVIP

1.定义 若（X，Y）是随机变量，对于任意的实数x,y.F(x,y)=P(Xx,Yy ),称为二维随机变量的联合分布函数 2.性质 (3) (4) 关于x,y分别是右连续的。 （5）P（x1 X x2，y1 Y y2）= F(x2,y2)- F(x2,y1)- F(x1,y2) + F(x1,y1) 一、随机变量的分布函数（二维） 二、离散型随机变量及其分布 表达式形式 表格形式 性质 1.分布律 2.分布函数 3.由于二维离散型分布的分布律与分布函数仍然是相互唯一确定的，故一般要求求出分布律的表格形式即可 三、连续型随机变量的联合概率密度 1.定义：若存在非负函数 f（x，y），使对任意实数x，y，二元随机变量(X,Y)的分布 函数可表示成如下形式： 则称(X,Y)是二元连续型随机变量。f（x，y）称为二元随机变量(X,Y)的联合 概率密度函数. 2.联合概率密度函数的性质 （1）非负性: （2） （3）当 f（x,y)在（x，y）点连续时 （4）对于二维平面上任意面积为0的集合C， (5) 四、边缘分布 1.定义：设二维随机变量 (X,Y) 的分布函数为F(X,Y): 分别称为X,Y的边缘分布。 2. 离散情形的边缘分布律（对于离散情形，同样地，一般只需求出边缘分布律即可） 关于X的边缘分布 关于Y的边缘分布 直观的为联合分布律第i行之和。 直观的为联合分布律第j列之和。 注：由X或Y的分布函数性质可知： ,直观的为联合分布律中所有行列元素和为1 3.连续型边缘分布 边缘概率密度为 边缘概率密度为 (a).关于X的边缘分布为： (b).关于Y的边缘分布为： 1.定义： (a).离散情形：设(X, Y)的联合分布律为: 条件概率（分布律）为: 五、条件分布律 条件概率分布函数为： (b).连续情形：若(X,Y)是连续型随机变量,且满足f(x,y), fY(y) 在(x,y)附近连续,且 fY(y) 0 则， 分布函数： 概率密度： (c).性质: 六、随机变量的独立性 1. 定义:类似定义随机事件A 与B 相互独立( ) 设( X , Y )是二维随机变量, 若对任意实数对( x , y )均有 P(AB)=P(A)P(B) 成立，称X与Y相互独立. 2.判断随机事件独立: 注：联合分布F(x,y)包含两方面信息，一是每个分量的信息( 、 ),另一方面还隐含了分量之间联系的信息，如果两者之间联系的信息量为“0”，直观上理解为两者独立,由以上b等价条件易理解。 b1. (离散型)X与Y 相互独立 对所有(xi , yj )均成立。若否定结论结论, 只需找到一对(i, j)使 b.2 (连续型)X与Y相互独立 的公共区域外成立。同样否定独立只需找到在面积不为0的区域内等式不成立即可。 在平面上除去“面积”为0 注：以上独立性的定义可推广到任意有限维随机变量的情形。 3.定理：若n维随机变量（X1 ,X2,…，Xn ) 相互独立，则 1). 随机变量 g1(X1), g2(X2),…, gn(Xn)也相互独立. 2) m维随机向量(X1 ,X2,…,Xm ) 与n-m维随机向量(Xm+1 ,Xm+2 ,…,Xn ) 也相互独立. 3) 随机变量 h (X1 ,X2,…,Xm ) 与g(Xm+1 ,Xm+2,…,Xn ) 也相互独立. 例：如 3维随机变量X1 ,X2 ,X3 相互独立，则 a. X12 , X22 , X32 也相互独立. b. X1 +X2与X3也相互独立. c. sinX1 与X3也相互独立. d. X1 +X2与X1 －X2 不一定相互独立. e. X1 +X2与X1 －X2 不一定相互独立. 注：随机变量的独立性本质上是随机事件的独立性（参看独立性定义）。 其分布列为 七、二维随机变量函数的分布 1.离散情形：设（X,Y）是二维离散型随机变量,其联合分布列为 则z=g(x,y)是一维的离散型随机变量 其分布密度函数为 2.连续型情形: 设(X,Y)是二维连续型随机变量,其联合分布密度为f(x,y) , z=g(x,y)是二元 连续函数 。从而，z=g(x,y)是一维的连续型随机变量，其分布函数为 八、习题 2.设随机变量（X，Y）的分布密度 f(x,y)= 求：（1） 常数A； （2） 随机变量（X，