概率论与数理统计笔记3.doc

第三章、多维rv及其分布 第一节 多维rv及分布函数 一、多维rv 定义：设是样本空间上的随机变量，则向量X=（）称为n维rv 注：1.二维rv（X，Y） 2. 二维rv（X，Y）的几何意义，平面内随机点的坐标 二、联合分布函数 定义：设（X，Y）为二维rv，则二元实值函数，,称为（X，Y）的联合分布函数 注：1.定义式子 2. 的几何定义，图形中平面点集G的面积 3. 的性质 性质1.分别关于的单调递增的 性质2. ， 性质3. ==1 ==0 ==0 ==0 == 三、边缘分布函数 定义：假设二维rv（X，Y）的联合分布函数为，则r，v，X当Y的概率分布函数分别称为（X，Y）关于X及Y的边缘分布函数 则== 同理可得== 四、独立性 P（AB）=P(A)P（B） P（A|B）= P(A) = *= * 定理：=* 相互独立 第二节 二维离散型r.v. 概念 定义：若存在可列集B,使P{(X,Y)}=1，则称（X,Y）为二维离散型r.v [注]：1.（X,Y）为离散型X,Y一定为离散型 2.二维离散型r.v取值的点的特征 二、联合分布列 定义：设（X,Y）为二维离散型r.v，取值为{（）}，i，j=1、2……，则=()，i，j=1,2……称为二维r.v（X,Y）的联合分布列 [注]：1.非负性 ，i，j=1,2…… 归一性 2.联合分布列 3.求联合分布列的步骤 Step1.确定所有可能的点 Step2.计算两个点所对应事件的概率 例：将手感完全相同的三个小球，放入编号为1，2，3的三个盒子中，X表示1号盒子中球的个数，Y表示2号盒子中球的个数，求（Z,Y）的联合分布列 解：=P（X=i,Y=j）=P(Z=i) P(Y=j) i,j=0、1、2、3 i+j3 而Z~B(3，)，所以P(Z=i)= 在Z=i的条件下，Y~B(3—i，)，所以P={(Y=j}= 所以 i,j=0,1,2,3 i+j3 4.F(x,y)=P(Xx，Yy)= 三、边缘分布列 定义：设二维r.v(Z,Y)的联合分布列为i、j=1,2，……，则r.v Z和Y的概率分布列分别称为（Z,Y）关于Z及Y的边缘分布列 记作： i=1,2…… 同理： 例：设 -1 0 1 0 1 0 0 0 -1 0 1 0.5 0.5 且P{XY=0}=1，求（X,Y）的联合分布列 分析 P(XY0)=0=P(Z=-1，Y=1)+P(Z=1，Y=1) 因为P(X=-1，Y=-1) 0 P(X=1,Y=1) 0 所以P(Z=-1，Y=1)=0 P(X=1，Y=1)=0 四、独立性 定义：设（Z,Y）的分布律满足P(Z=)=P()P()即 i，j=1、2……，则称r.vZ与Y相互独立 例：设 若X和Y相互独立，求a.b.c 解:由归一性得 a+b+c+++=1 即a+b+c= (1) 由Z与Y相互独立 P(Z=，Y=)=P(Z=)P(Y=)即a=（a+）（a++c）（2） 同理P()=P()P() 即b=(+b)( +b+) （3） 五、条件分布列 定义：设（X，Y）的联合分布列为=， X的边缘分布列为， 则称（0） 为在X=的条件下，Y的分布列。 定义：设为X=的条件下Y的条件分布列，则称为X=的条件下，Y的条件分布函数，且 例：设 X Y -1 0 1 0 0.2 0 0.3 1 0 0.5 0 求X= -1的条件下Y的条件分布。 解： Y 0 1 1 0 X= -1的条件下，Y的分布列为 当y0时，=0 当0y1时，= 当y1时， 例：设某汽车站上客的人数X服从参数为的泊松分布（），每位乘客在中途下车的概率为p(0p1),且每位乘客在中途是否下车是独立的，Y表示中途下车的人数。 求：（1）Y的分布 （2）（X，Y）的联合分布 解：在X=k的条件下，YB（ k , p ） 即 所求的 即YP （2）