上海财经大学版 概率论与数理统计 第4章 随机向量及其分布(1,2).ppt

x x x x x x x x x x x x x x x x x 例 4-4 设（X，Y）的联合密度函数为 求（X，Y）的边际密度函数： 解 先画出区域｛（x，y）｜0＜x＜1，0＜y＜x｝的图形， 则 与二维离散型随机向量一样，对于二维连续型随机向量 （X，Y）而言， 两个边际密度函数也不能惟一地确定联合密 度函数。 下面介绍两个常用二维连续型随机向量。 1．　二维均匀分布 定义 4-8 设 G 是平面 xOy 上的一个有界区域，其面 积记为 SG（＞0）。若二维连续型随机向量（X，Y）的联合 密度函数为: 则称（X，Y）服从区域G上的二维均匀分布（2-dimensional uniform distribution）。 容易验证 p（x，y）满足 联合密度函数的两个基本性质。 若二维随机向量（X，Y）服从区域G上的二维均匀分布，且 ，则 上式表明， 二维随机向量 （X，Y） 落在区域 D 内的概率 与 D 的面积成正比，而与 D 在 G 中的位置和形状无关。这也是 二维均匀分布名称的由来。 特别地，当G为矩形区域时，即  G＝｛（x，y）｜a ≤ x ≤ b，　c ≤ y ≤ d｝ 则此二维均匀分布的联合密度函数为 如果我们在一个面积为 SG 的平面区域 G上等可能地投 点，令（X，Y）表示落点的坐标，则（X，Y）服从区域G上 的二维均匀分布。因此，二维均匀分布实际上就是平面上几 何概型的随机向量描述。这样，平面上几何概型问题皆可利 用二维均匀分布解决。 例 4-5 在区间（0，a）的中点两边随机地选取两点， 求两点间的距离小于 a/3 的概率。 解 以 X 表示中点左边所取的随机点到端点Ｏ的距离， Y 表示中点右边所取的随机点到端点Ｏ的距离，即 所以，（X，Y）的联合密度函数为 即（X，Y）服从区域 G上的二维均匀分布。 又“两点间距离小于a/3”等价于事件: ,则 如用第一章几何概率计算为： 2．　二维正态分布 定义 4-9 若二维连续型随机向量（X，Y）的联合密度 其中 可以验证 p（x，y）满足联合密度函数的两个基本性质。 函数为： 为常数，且 则称（X，Y）服从二维正态分布（2-dimensional normal distribution），记作 （1） （2） 性质 4-4 若 证明 令 则 即为正态分布的密度函数，所以 同理可证： 第四章 习题 （P99） 1， 2，3*，4 （离散） 5，6*，7**，8**，9**，10，11*，12 （连续） 13（正态） 第二节 随机变量的独立性 在第一节中，我们曾经指出，二维随机向量（X，Y）的联合概率分布或联合密度函数不仅描述了X与Y各自的统计规律，而且还包含了X与Y相互之间关系的信息。当随机变量X与Y取值的规律互不影响时，称X与Y独立，这是本节讨论的重点。当随机变量X与Y取值的规律相互影响时，其中有一类关系——相关性，将在第五章第三节讨论。 定义 4-10 设 F（x，y）为二维随机向量（X，Y）的 联合分布函数， 分别为二维随机向量（X，Y） 的两个边际分布函数。若对于任意实数x，y，有 则称随机变量 X 与 Y 相互独立（independent）。否则， 称随机变量 X 与 Y 不独立（not independent）。 对于二维离散型随机向量，随机变量 X 与 Y 相互独立， 可等价定义如下。证明从略。 定义 4-11 设二维离散型随机向量（X，Y）的联合概率分布为： 若对于任意的正整数 i，j，有 即 则称离散型随机变量X与Y相互独立，否则称X与Y不独立。 对于二维连续型随机向量，随机变量 X 与 Y 相互独立， 可等价定义如下。证明从略。 定义 4-12 设二维连续型随机向量（X，Y）的联合密度函 数为 （X，Y）的两个边际密度函数分别是 若 则称连续型随机变量 X与Y 相互独立，否则称X与Y不独立。 例 4-6 设（X，Y）的联合概率分布为 其中，λ1＞0，λ2＞0，i，j＝０，1，…。问X与Y是否独立？ 解 同理可求出 显然 所以，X与Y相互独立。 例 4-7 设（X，Y）的联合概率分布为 1 2 3 问 α，β 取什么值时，X 与 Y 相互独立？ 解 由 知 又 因为X与Y独立，则 即 解得： 将α，β的值代入联合概率分布，可以验证X与Y相互独立。 例 4-8 设（X，Y）的联合概率分布为 问 X 与 Y 是否相互