[数学]数理统计3.ppt

一、多维随机变量及其分布 1.n 维随机向量 2.　二维离散型随机变量 3. n 维连续型随机变量 二. 边缘分布 ◆边缘分布律（离散型） 已知联合分布律求边缘分布律 ◆边缘概率密度 结 论 （一） 2）二维连续型随机变量的条件分布 条件密度函数的性质 四. 随机变量的相互独立性 特别（正态随机变量的独立性） 五. 随机向量函数的分布（以二维为例） 连续型随机变量商的分布 本节的解题步骤 六. 随机向量的变换 (1) 标准正态分布 Thank you 商的分布 补充结论： 返回主目录 以二维为例，设 为二维连续型随机向量， 其联合概率密度 现在来讨论 的分布。 设 存在唯一的反函数组 且原及反函数均连续且有连续偏导 若记 为在条件 下 的条件概率密度，则由上式可得 类似地有 由此可得关系式 例３ 设 的联合分布密度为 解 关于 的边缘密度为 于是 例４设二维随机变量 试求 结论 在条件 下，Y的分布仍然是正态分布 在条件 下，X的分布仍然是正态分布 算出罪犯的身高. 这个公式是 公安人员根据收集到的 罪犯脚印，通过公式 由脚印估计罪犯身高 如何推导出来的? 显然，两者之间是有统计关系的，故 设一个人身高为 ,脚印长度为 . 由于影响人类身高与脚印的随机因素是大量的、相互独立的，且各因素的影响又是微小的,可以叠加的. 故 应作为二维随机变量 来研究. 由中心极限定理知 可以近似看 成服从二维正态分布 其中参数 因区域、 民族、生活习惯的不同而有所变化 ， 但它们都能通过统计方法而获得. 密度为 现已知罪犯的脚印长度为 , 要 估计其身高就需计算条件期望 , 条件 的密度函数, 因此 这正是正态分布 如果按中国人的相应参数代入上式，即可得出以脚印长度作自变量的身高近似公式. 成立，则称随机变量 与 是相互独立的。 定义 若二维随机变量(X,Y)对任意实数x, y,都有 即 2)对于连续型的随机变量 几乎处处成立 1)对于离散型随机变量 可直接推广至两个以上随机变量的相互独立性 试问X与Y是否相互独立？ 例５ (1)二维离散型随机变量函数的分布 （1）求 分布律 例６ 的分布律为 解 的可能取值为 所以 的分布律为 （2）求 的分布律 的分布律为 (2)连续型 设(X,Y)是二维连续型随机变量，其联合概率密度 为 分布函数为 则 和的分布 设(X,Y)是二维连续型随机变量，其联合概率密度 为 问题：计算 的概率密度 首先计算随机变量 的分布函数 x + y = z 作变换： 则有 注意到里层的积分是u的函数： 即有 上式对z求导， 得 的概率密度为 注意到在前面的积分中 我们是先对y后对x积分的，若将其改成先对x 后对y积分，则有 特别，如果随机变量X,Y相互独立，则 即 与 我们称上式为函数 的卷积公式， 例７ 多维随机变量 某些随机试验的结果需要同时用两个或两个 以上的随机变量来描述。例如射击的弹着点。 如在靶纸上设有平面坐标系，则弹着点就可用随机变量横坐标和随机变量纵坐标来描述。 定义设 是一概率空间， 是定义在这个概率空间上的n个随机变量，则称 设 是二维随机变量, 对于任意实数 ,称 为 的分布函数或联合分布函数。 分布函数的性质： 1. 关于 和 的不减函数 2. 分布函数 3. 即 关于x右连续， 关于y右连续。 4. 设 所有可能取值为 ，称 定义2 定义1 是有限多对或可列无限多对， 则称 为二维 离散型随机变量. 为随机变量(X,Y)的分布律。 性质： 若二维随机变量 的所有可能取值 ) , ( Y X 使得分布函数可表为 若存在非负函数 为X的密度函数或联合概率密度。 性质 则称 连续型随机向量。 1) 2) 必可作为某个n维随机向量概率密度。 可以证明: 凡满足性质1,2的任意一个n元函数 3) 若 在点 处连续, 则有 4) 对 上任意一个区域 B，有