4多维随机变量及其分布.pptVIP

为确定积分限,先找出使被积函数不为0的区域 如图示: 也即 于是 教材上例4 请自已看. 注意此例的结论： 此结论可以推广到n个独立随机变量之和的情形,请自行写出结论. 若X和Y 独立, 则 有限个独立正态变量的线性组合仍然服从正态分布. 更一般地, 可以证明: 下面介绍求Z=g( X, Y ) 概率密度的通用方法 分布函数法：设( X, Y )是二维随机变量，其概率 密度为f(x, y), Z=g(X,Y)。为求Z的 密度 ，设Z的分布函数 为，则 例7. 设X~N（0，σ2），Y~ N（0，σ2），且 相互独立，求 的分布函数。 解： 此分布称为瑞利分布。 三、M=max(X,Y)及N=min(X,Y)的分布 设X，Y是两个相互独立的随机变量，它们的分布函数分别为FX(x)和FY(y),我们来求M=max(X,Y)及N=min(X,Y)的分布函数. 又由于X和Y 相互独立,于是得到M=max(X,Y)的分布函数为: 即有 FM(z)= FX(z)FY(z) FM(z)=P(M≤z) =P(X≤z)P(Y≤z) =P(X≤z,Y≤z) 由于M=max(X,Y)不大于z等价于X和Y都不大于z，故有 分析： P(M≤z)=P(X≤z,Y≤z) 类似地，可得N=min(X,Y)的分布函数是 下面进行推广: 即有 FN(z)= 1-[1-FX(z)][1-FY(z)] =1-P(Xz,Yz) FN(z)=P(N≤z) =1-P(Nz) =1- P(Xz)P(Yz) 设X1,…,Xn是n个相互独立的随机变量,它们的分布函数分别为 我们来求 M=max(X1,…,Xn)和N=min(X1,…,Xn)的分布函数. (i =0,1，…, n) 用与二维时完全类似的方法，可得 特别，当X1,…,Xn相互独立且具有相同分布函数F(x)时，有 N=min(X1,…,Xn)的分布函数是 M=max(X1,…,Xn)的分布函数为: FM(z)=[F(z)] n FN(z)=1-[1-F(z)] n … … 在求连续型 r.v 的边缘密度时，往往要求联合密度在某区域上的积分. 当联合密度函数是分片表示的时候，在计算积分时应特别注意积分限 . 下面我们介绍两个常见的二维分布. 设G是平面上的有界区域，其面积为A.若二维随机变量（ X,Y）具有概率密度 则称（X,Y）在G上服从均匀分布. 向平面上有界区域G上任投一质点，若质点落在G内任一小区域B的概率与小区域的面积成正比，而与B的形状及位置无关. 则质点的坐标（ X,Y）在G上服从均匀分布. 例 均匀分布 随机变量的独立性是概率论中的一个重要概念 两事件A,B独立的定义是： 若P(AB)=P(A)P(B) 则称事件A,B独立 . 设 X,Y是两个r.v，若对任意的x,y,有 则称X,Y相互独立 . 两随机变量独立的定义是： 第四讲 随机变量的独立性 用分布函数表示,即 设 X,Y是两个r.v，若对任意的x,y,有 则称X,Y相互独立 . 它表明，两个r.v相互独立时，它们的联合 分布函数等于两个边缘分布函数的乘积 . 其中 是X,Y的联合密度， 则称X,Y相互独立 . 对任意的 x, y, 有 若 (X,Y)是连续型r.v ，则上述独立性的定义等价于： 分别是X的 边缘密度和Y 的边缘密度 . 若 (X,Y)是离散型r.v ，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 例1 设(X,Y)的概率密度为 问X和Y是否独立？ 解： x0 即： 对一切x, y, 均有： 故X,Y 独立 y 0 若(X,Y)的概率密度为 情况又怎样？ 解： 0x1 0y1 由于存在面积不为0的区域， 故X和Y不独立 . 例2 甲乙两人约定中午12时30分在某地会面.如果甲来到的时间在12:15到12:45之间是均匀分布. 乙独立地到达,而且到达时间在12:00到13:00之间是均匀分布. 试求先到的人等待另一人到达的时间不超过5分钟的概率. 又甲先到的概率是多少？ 设X为甲到达时刻,Y为乙到达时刻 以12时为起点,以分为单位,依题意, X~