新模板 第三章.pptVIP

第三章 随机向量及其分布 §3.1 随机向量的概率分布 定义 若X, Y是两个定义在同一个样本空间上的 随机变量，则称(X, Y) 是两维随机向量. 同理可定义 n 维随机变量 (随机向量). (一)联合分布列 二维离散随机向量 二维离散随机变量的联合分布列 联合分布列的基本性质 确定联合分布列的方法 课堂练习 (二).联合分布函数 定义 联合分布函数的基本性质 (三).二维连续型随机向量 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 常用的连续型的分布 二维均匀分布 二维正态分布 例3 例4 例5 §3.2 边缘分布与随机变量的独立性 边缘分布函数 离散型随机向量的边缘分布列 连续型随机向量的边缘分布密度函数 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： 若 (X, Y) ? N ( )， 具体表现为 i) pij = pipj ii) f(x, y) = fX(x)fY(y) 则称 X 与Y 是独立的， 注 意 点 (1) X 与Y是独立的其本质是： 例6 例8 注 意 点 (1) 注 意 点 (2) §3.4 两个随机变量函数的分布 （一）两个离散型随机变量函数的分布 (1) 设(X1, X2) 是二维离散型随机向量， 则 Z = g(X1, X2) 是一维离散随机变量. 连续型随机向量函数的分布（和的分布） 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 课堂练习（2）： 则X与Y相互独立的充要条件为 (1) (X, Y) 服从矩形上的均匀分布，则X与Y 独立. (2) (X, Y) 服从单位圆上的均匀分布，则 X与Y 不独立. 见前面例子 (3) 联合密度 f(x, y) 的表达式中，若 x 的取值与 y 的 取值有关系，则 X与Y 不独立. (4) 若联合密度 f(x, y) 可分离变量，即 f(x, y) = g(x)h(y) 则 X与Y 独立。 (5) 若 (X, Y) 服从二元正态 N ( ) 则 X与Y 独立的充要条件是 ? = 0. 问题：已知二维随机变量 (X, Y) 的分布， 如何求出 Z=g (X, Y)的分布？ 常见类型： (2) 二维离散型随机变量函数的分布是容易求的： i) 对(X1, X2)的各种可能取值对， 写出 Z 相应的取值. ii) 对Z的 相同的取值，合并其对应的概率. 例1 已知（X，Y）的概率分布为 1/9 1/3 2/9 2 1/18 1/9 1/6 1 3 2 1 Y X 求(1) 解：可以先列表 3 2 2 3 2 1 Max(X,Y) 2 2 1 1 1 1 Min(X,Y) 6 4 2 3 2 1 XY 5 4 3 4 3 2 X+Y (2,3) (2,2) (2,1) (1,3) (1,2) (1,1) (X,Y) 1/9 1/3 2/9 1/18 1/9 1/6 P 故它们的概率分布分别为 1/9 7/18 1/3 1/6 P 5 4 3 2 X+Y 1/9 1/3 1/18 1/3 1/6 P 6 4 3 2 1 XY 4/9 5/9 P 2 1 Min(X,Y) 1/6 2/3 1/6 P 3 2 1 Max(X,Y) 例2 设 且X与Y相互独立，则 例3 且X与Y相互独立，则 注意： 不服从泊松分布 例4 设X与Y 独立，且 X, Y 等可能地取值 0 和1. 求 Z = max(X, Y) 的分布列. 解: X 0 1 P 1/2 1/2 Y 0 1 P 1/2 1/2 Z = max(X, Y) 的取值为: 0, 1 P(Z=0) = P(X=0, Y=0) = P(X=0)P(Y=0) =1/4 P(Z=1) = P(X=0, Y=1) + P(X=1, Y=0) + P(X=1, Y=1) = 3/4 则 特殊地 当连续随机变量X与Y 独立，