[文学]哈工大著名老师田波平课件4——概率论与数理统计-刘星斯维提整理.ppt

第4章 多维随机向量及其分布 §4.1 多维随机变量及其分布函数﹑边缘分布函数 引言：在概率论的实际应用中，对同一随机试验，被测量的量不是一个而是两个或两个以上。 例1．假设E0是一随机试验，有r种可能的结局A1，…Ar，它们出现概率分别为P1…Pr，其中Pi0， 表示Ai出现次数，它们都是E0产生的r·v； 例3．掷一对均匀称骰子一次E，X，Y分别表示两枚骰子出现的点数，于是E结果可表为（X，Y）。 例4．检测钢成分E：（含C量，含S量，含P量） 例5．检测人的生理情况：（H，W，S，V） 例6．考 弹落点位置E：（X，Y，Z） 显然，在研究同一随机试验所产生的r·v的概率特布时，除每个r·v的概率特征外， 还要研究它们的联合概率特征：后者可完全决定前者，但是前者一般不能完全决定后者。因此，我们必须研究随机向量，利于整体而全面研究随机现象！ Definition1．若X1(e),X2(e),…,Xn(e)定义同一个样本空间S上的n个r·v， ，则它们构成的n维向量(X1(e),X2(e),…,Xn(e))称为n维随机向量,或称为n维随机变量 简记为(X1 X2 …,Xn), n=1为第三章情形， 我们讨论n=2情形， 二维随机向量（X，Y），主要研究三方面问题： （1）二维随机向量（X，Y）的概率分布； （2）联合分布与边缘分布之间关系； （3）二维随机向量（X，Y）函数分布. Definition 2．设（X，Y）为二维r·v， 称为二维r·v，（X，Y）的分布函数，或称为X和Y的联合分布函数。 二维r·v（X，Y）的分布函数F（X，Y）几何解释： （X，Y）——随机点之坐标， ，F（x,y）——表示随机点（X，Y）落在以点（x,y）为顶点的左下方无穷矩形域内的概率。 Question: 概率利用二维r·v(X,Y)的dfF(x,y)在(x1,y1)，(x1,y2)，(x2,y1) 与(x2,y2)四点上取值求之。 可与一维r·vX的dfF(x)比较，二维r·v（X,Y）的dfF(x,y)满足： （1） （2）F(x,y)对每个自变量都是单调不减函数； （4）F(x,y)对每个自变量都是右连续的； 反之，若一个二元实函数满足(1)(2)(3)(4)(5)则必存在一个二维r·v（X,Y）以F(x,y)作为其df。 虽然一个随机向量的概率行为完全由它的df来决定，但df却不利于处理一些具体问题。它主要用于一般随机向量的理论研究，在处理具体问题时，主要应考虑概率分布特殊表现形态，两类：离散型r·v(X,Y);连续型r·v(X,Y)。 二维r·v(X,Y)关于X和Y的边缘分布函数： 若二维r·v(X,Y)的dfF(x,y)已知，那么r·v X, Y的df分别为FX(x)和FY(y)，可由F(x,y)求得 这里称FX(X)，FY(y)为二维r·v(X,Y)关于X，Y的边缘概率密度函数。 §4.2、二维离散型随机变量 Definition 1. 若二维r·v(X,Y)所有可能取值是有限对或者至多可数无穷时,则称(X,Y) 为二维离散型r·v。 Question:若(X,Y)为二维r·v，则X，Y同为S 离散型r·v (X,Y)为二维离散型r·v。 关于二维r·v(X,Y)，主要讨论两方面问题。 （1）(X,Y)取值范围 （2）(X,Y)以多大概率取值！ Definiton2 设(X,Y)为二维离散型r·v，所有可能取值为(xi,yj) i,j=1,2… 令 （I） 则称（I）为r·v(X,Y)的分布列，或称为X与Y的联合分布列。 二维离散型r·v分布列具有： （1） （2） （3） 且 Proof：（1）易证Chapter Ⅰ公理1 （2） 利用关系易证Chapter Ⅰ公理3 （3） 利用Chapter one 公理3 称 为二维离散型r·v关于X，Y的边缘分布列。 二维离散型r·v(X,Y) df 为F(x,y)，于是有： 例1 设盒内有2件次品，3件正品，我们发别按有放回和无放回方式抽取2次，用X，Y分别表示第一次、第二次取得次品个数，求(X,Y)的分布列，边缘分布列。 解：由题设 例2 某袋中有10件产品，其中2件一级品