概率论课件3.3.ppt

例3 设 的概率密度是 例5 例7 例9 一电子产品由两个部件构成 , 例 10 但反之不真 二维正态分布性质 二维正态分布的两个边缘密度仍是正态分布的 正态分布的联合分布未必是正态分布 但反之不真 联合分布和边缘分布的关系: 我们与一维情形相对照，采用类比和转化的手段, 介绍了二维随机变量的联合分布、边缘分布. 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. 在什么情况下,由边缘分布可以唯一确定联合分布呢？ 四、随机变量独立性 注: 1、 2、随机变量的独立性可以推广到多个连续型随机变量的场合。 设 是二维随机变量，其密度函数为F(x,y), 又随机变量 的分布函数为 ，随机变量 的分布函数为 有 则称 是相互独立的随机变量． 定义 设 是n维连续型随机变量，且联合分布函数及的边缘分布为 成立，则称 是相互独立的。 注: 以 分别表示两个部件的寿命(单位:小时), (1)问 是否相互独立？ 解 (1) 已知 的联合分布为 (2)求两部件的寿命超过 0.1 小时的概率. (2) 故 相互独立. 概率论与数理统计 概率论与数理统计 §3.3 多维随机变量及其分布 第三章 概率论与数理统计 主要内容 二、二维连续型随机变量及其密度函数 四、随机变量的独立性 一、多维随机变量的联合分布函数 三、两种常用分布 一、多维随机变量的联合分布函数 设( , ) 为二维 r.v. 对任何一对实数( x , y ), 事件 (记为 ) 定义了一个二元实函数F (x, y) ，称 为二维 r.v.( , ) 的分布函数，即 的概率 是n维随机变量 的联合分布函数，称为联合分布或分布。. 推广 设 是定义在同一个样本空间 上的随机变量，则n维随机向量 是样本空间 上的n维随机变量或n维随机向量，并称n元函数 1.定义 2.分布函数的几何意义 (x, y) x y 如果用平面上的点 (x, y) 表示二维r.v. ( ， ) 的一组可能取值，则 F (x, y) 表示 ( , ) 的取值落入图所示角形区域的概率. 3.联合分布函数的性质 x y (x, y) x y ① x y x y 固定 x , 对任意的 y1 y2 , 固定 y , 对任意的 x1 x2 , F (x , y) = F (x+0 , y)， F (x , y) = F (x , y+0 ). 对每个变量单调不减 ② 对每个变量右连续 ③ F (x, y1) ? F (x, y2), F (x1, y) ? F (x2, y). x y （x , y1 ） （x , y2 ） x y （x1 , y ） （x2 , y ） F (b,d) – F (b,c) – F (a,d) + F (a,c) ? 0. 对于任意 a b , c d， ④ a b c d 反过来还可以证明，任意一个具有上述四个性质的二元函数必定可以作为某个二维随机变量的分布函数。 例1 设 讨论F (x, y)能否成为二维r.v.的分布函数？ 解 x y x+ y = 1 ? (0,0) ? (2,0) ? (2,2) ? (0,2) 故F(x, y)不能作为某二维 r.v.的分布函数. 注意 对于二维 r.v. x y a c (a,c) (a,+?) (+?,+?) (+?,c) 4.二维随机变量的边缘分布函数 x y x x y y 由联合分布函数 边缘分布函数, 逆不真. 例2 设随机变量( , )的联合分布函数为 其中A , B , C 为常数. 确定A , B , C ； 求 和 的边缘分布函数； 求P ( 2)． 解 (1) 故 (2) (3) 注：可以将二维 r.v.及其边缘分布函数的概念推广到 n 维 r.v.及其联合分布函数与边缘分布函数. 二、 二维连续型随机变量分布及其密度函数 定义 设二维 r.v 的分布函数为F(