第二章多维随机变量.pptVIP

* 第三章 多维随机变量及其分布 到现在为止，我们只讨论了一维随机变量及其分布. 飞机的重心在空中的位置是由 三个随机变量(三个坐标）来确定 的等等. 但有些随机现象用一个随机变量来描述还不够，而 需要用几个随机变量来描述. 如: 在打靶时, 命中点的位置是由 一对随机变量(两个坐标)来确定的. 因而需进一步讨论由多个随机变量构成的随机向量. 其处理思路及方法与一维情形相同, 但形式较一维 复杂; 学习时应注意与一维情形的对照. 设 S 为试验 E 的样本空间, 若对 S 中的任一 基本事件 e , 都有惟一确定的 n 个实数 X1(e) , …, Xn(e) 与之对应, 则叫 (X1(e) , … , Xn(e)) 为 n 维随机变量, 由于从二维推广到多维一般没有实质性的困难, 我们重点讨论二维随机变量 . 定义: 简记为 ( X1 , … , Xn ). 二维随机变量一般用 ( X, Y ) 来表示 . §1 §2 二维随机变量的联合分布与边缘分布 一、X与 Y 的联合分布函数及边缘分布函数 X 的分布函数 二维随机变量 ( X, Y ) 的分布函数为 也叫 X与 Y 的联合分布函数. 几何表示: ( X, Y ) 的分布函数 y x 0 .(x, y) . (X, Y ) F (x, y) 为随机点 (X, Y )落在图中阴影 区域内的概率. ( X, Y ) 的分布函数具有: 等性质. 在二维随机变量( X , Y ) 中: X 的分布函数称为 ( X , Y ) 关于 X 的边缘分布函数, Y 的分布函数称为 ( X , Y ) 关于 Y 的边缘分布函数; 由联合分布函数可确定边缘分布函数, 对此有: 进一步可定义 n 维随机变量 (X1 , … , Xn ) 的 分布函数: 及关于 Xi ( i = 1, … , n ) 的边缘分布函数: 二、二维离散型随机变量的分布律及边缘分布律 X 的分布律 对二维离散型随机变量( X, Y ): 为 ( X, Y ) 的分布律，或 X与 Y 的联合分布律. ( X, Y ) 的分布律的性质: 可列表表示: (1) 非负性 (2) 归一性 X Y x1 x2 … xi … y1 yj ┇ ┇ p11 p21 … pi 1 … p1 j p2 j … pi j … ┇ ┇ ┇ … … ┇ ┇ ┇ … … 在二维离散型随机变量( X , Y ) 中, 称 X 的分布律为( X , Y ) 关于 X 的边缘分布律, Y 的分布律为( X , Y ) 关于 Y 的边缘分布律; 由联合分布律可确定边缘分布律, 对此有: 关于 X 的边缘分布律为 关于 Y 的边缘分布律为 ( X, Y ) 的分布律 由联合分布律确定边缘分布律, 也可列表给出: P{X= xi} … … 1 P{Y= yj} ┇ ┇ X Y x1 x2 … xi … y1 yj ┇ ┇ p11 p21 … pi 1 … p1 j p2 j … pi j … ┇ ┇ ┇ … … ┇ ┇ ┇ … … 例: 一整数 N 等可能地在1, 2, … , 10 十个值中取一个值, D=D(N)是能整除 N 的正整数的个数, F=F(N)是能整除 N 的 素数的个数, 试确定 D 和 F 的联合分布律及边缘分布律. 解: 先由 N 的取值确定 D 和 F 的取值: 1 2 3 4 5 6 7 8 9 10 N D F 1 0 2 1 2 1 3 1 2 1 4 2 2 1 4 1 3 1 4 2 D的可能取值 为1, 2, 3, 4; F 的可能取值 为0, 1, 2 ; 再确定取值的概率,如: 等等. 可得D 和 F 的 联合分布律及 边缘分布律为: 1/10 7/10 2/10 1/10 4/10 2/10 3/10 1 D 0 4/10 2/10 1/10 F 0 1 2 1 2 3 4 1/10 0 0