概率论32.pptVIP

常用连续型二维随机变量分布 G 是平面上的有界区域, 面积为 A 若r.v.( X ,Y ) 的联合 d.f. 为 则称( X ,Y )服从区域G上的均匀分布 区域G 上的均匀分布，记作U ( G ) 常见连续分布 则 ? G1 ? G, 设G1的面积为A1, 若( X ,Y )服从区域G上的均匀分布, 边平行于坐标轴的矩形域上的均匀 分布的边缘分布仍为均匀分布 例4 设(X ,Y ) ~ G 上的均匀分布, f ( x, y ); fX (x) P ( Y X 2 ). 例6 求 解 (1) y=x 1 0 x y 1 G (2) y = x2 二维连续型随机变量的 条件分布和条件密度 连续条件分布 当X 连续时, 条件分布不能用 来定义, 因为 , 来定义. 而应该用 x y - ?y y ?y 设 x y -?y y 若 f (x,y) 在点(x, y) 连续, f Y (y)在 点 y 处连续且 f Y (y) 0, 则称 为Y = y 时，X 的条件分布函数, 记作 定义 类似地, 称 为X = x 的条件下Y 的条件分布函数; 为 X = x 的条件下Y 的条件 p.d.f. 称 为 Y = y 的条件下 X 的条件 p.d.f. 称 注意 y是常数, 对每一 fY (y) 0 的 y 处, 只要 相仿论述. 仅是 x 的函数, 类似于乘法公式： 符合定义的条件, 都能定义相应的函数. 类似于全概率公式 类似于Bayes公式 例5 已知(X,Y )服从圆域 x2 + y2 ? r2 上的均匀 分布,求 r 解 ? ? x -r = 例3 同理， 边缘分布不是均匀分布！ 当 – r y r 时， ? ? y — 这里 y 是常数，当Y = y 时， 当 – r x r 时， — 这里 x 是常数，当X = x 时， ? ? x 例6 已知 求 解 例4 P102结论(1): 二维 正态分布的边缘 分布仍然是正态分布 同理， P103结论（3） 例7 设 求 解 y = x 1 1 例5 y = x 1 1 当0 y 1 时， y 当0 x 1 时， y = x 1 1 x 例8 已知 求 例6 解 y = x 1 1 当f X(x) 0 时，即 0 x 1 时， 当f X(x) = 0 时，f (x,y) = 0 故 x + y =1 1 y = x 1 0.5 y = x 1 1 0.5 y = x 1 1 0.5 随机变量的独立性 —— 将事件独立性推广到 r.v. 设(X,Y )为二维 r.v. 若对任何 则称 r.v. X 和Y 相互独立 两个 r.v. 的相互独立性 实数 x, y 都有 §3.3 定义 由定义知 二维 r.v. ( X, Y ) 相互独立 X与Y 独立 即 连续型 二维随机变量 ( X, Y ) 相互独立, 则边缘分布完全确定联合分布 对一切 i , j 有 离散型 X与Y 独立 对任何 x ,y 有 书上P99 作为定义 二维连续 r.v. ( X,Y ) 相互独立 证 对任何 x,y 有 取 相互独立 命题 P103结论(2) 故 将 代入 即得 例9 已知 ( X, Y ) 的联合 d.f.为 (1) (2) 讨论X ,Y 是否独立？ 例1 * * * * §3.2 二维随机变量及其概率分布 定义 设?为随机试验的样本空间， 则称( X , Y )为二维r.v.或二维随机向量 讨论： 二维r.v.作为一个整体的概率特性 其中每一个r.v.的概率特性与整体 的概率特性之间的关系 §3.1 二维随机变量的联合分布函数 定义 设( X , Y ) 为二维 r.v. 对任何一对 定义了一个二元 实函数 F ( x , y )，称为二维 r.v.( X ,Y ) 的分布函数，即 (记为 ) 的概率 实数( x , y ), 事件 分布函数的几何意义 如果用平面上的点 (x, y) 表示二维r.v. (X , Y )的一组可能的取值，则 F (x, y) 表示 (X , Y ) 的取值落入图所示角形区域的概率. (x, y) x y 联合分布函数的性质 x y (x, y) x y ① F性质 x y x y 固定 x , 对任意的 y1 y2 , 固定 y , 对任意的 x1 x2 , F (x0 , y0) = F (x0+ 0 , y0 ) F (x0 , y0) = F (x0 , y0 + 0 ) 对每个变量单调不减 ② 对每个变量右连续 ③ F (x