应用概率统计7.pptVIP

应用概率统计 定义 如果(X,Y)的联合密度函数为 其中 则称(X,Y)服从参数为 的二维正态分布,简记为 (2) 二维正态分布 则X,Y的边缘概率密度分别为 X~N(μ1,σ12), Y~ N(μ2,σ22); 可以证明 若 即 二维正态分布(X,Y)的边缘概率密度是一维正态分布. 由此可知随机向量的联合概率密度完全决定了它的边缘概率密度,反之不一定成立. 例9 设二维随机向量(X,Y)的联合概率密度为 求(X,Y)关于X,Y的边缘概率密度. 解 即 同理可得 X,Y的边缘概率密度为一维正态分布. 所以,边缘概率密度为一维正态分布的二维随机向量不一定是二维正态分布. P(X=0,Y=1)+P(X=1,Y=0)+P(X=1,Y=1) 1. 设随机变量X，Y是相互独立的，且X,Y等可能地取0，1为值，求随机变量Z=max(X,Y)的分布列。 解 X 0 1 P 1/2 1/2 Y 0 1 P 1/2 1/2 (X,Y)的取值数对为(0,0),(0,1),(1,0),(1,1), Z=max(X,Y)的取值为:0,1 P(Z=0)=P(X=0,Y=0)= P(X=0)P(Y=0) =1/4 P(Z=1)= =3/4 所以,Z的分布列为 Z 0 1 P 1/4 3/4 课堂练习 2. 已知随机向量(X,Y)的联合密度为 (1)问X与Y是否独立？(2)求概率P{XY}. 解 (1) (2)P(XY)= 所以,X,Y独立. 3. 设二维随机变量（X，Y）的概率密度为 ⑴ 求随机变量X的密度函数； ⑵ 求概率P{X+Y≤1}. 解 (1)x≤0时,f1(x)=0; x0时,f1(x)= 所以, ⑵ P{X+Y≤1}= y=x x+y=1 1/2 X x1 x2 … x i … y1 y2 … y j … p11 p12 … p1j … p21 p22 … p2j … … … … … … pi1 pi2 … p i j … … … … … … Y 计算P{(X,Y)∈D }= 联合概率分布性质 ① pij≥0 ;i,j=1,2,… ②∑∑pij = 1; 联合概率分布 小结: (1) 定义 随机向量X=（X1,X2,…,Xn）中每一个Xi的分布，称为X关于Xi的边缘分布。 (2) 边缘分布列 对于离散型随机向量(X,Y),分量X,Y的分布列称为边缘分布列。 边缘概率分布  主讲:刘剑平 注意 离散型随机变量函数的概率分布分以下两步来求: (1)由y=g(x)计算出随机变量Y的所有取值y1,y2,...,yn,...; (2)P(Y=yn)为yn 对应的随机变量X的取值的概率和. X x1 x2 ... xn ... g(X) g(x1) g(x2) … g(xn) … P p1 p2 ... pn ... 离散型随机变量函数的概率分布: 2.3. 随机变量函数的分布 定理1 设X~fX(x),y=g(x)是x的单调可导函数,其导数不为0,值域为(a,b),-∞ab+∞,记x=h(y)为y=g(x)的反函数,则Y=g(X)的概率密度函数为: 连续型随机变量函数的概率密度函数 第3章 随机向量 随机向量及其概率分布 随机向量的联合分布函数 随机变量函数的分布 1. n 维随机向量 以 n 个随机变量 X1，X2，…，Xn 为分量的向量 X=(X1,X2,…,Xn)称为n维随机向量。 以下主要研究二维离散型及连续型随机向量的情形。 2. 二维离散型随机向量的联合概率分布、边缘概率分布 定义 如果二维随机向量（X,Y）的全部取值数对为有限个或至多可列个，则称随机向量（X,Y）为离散型的。 易见，二维随机向量(X,Y)为离散型的等价于它的每个分量X与Y分别都是一维离散型的。 第3.1节 随机向量及其概率分布 例如射击一次.问击中否?击中几环?击中点的坐标?击中点到靶心的距离? 称pij=P(X=xi,Y=yj),(i,j=1,2,…,)为(X,Y)的联合概率分布.其中E={(xi,yj),i,j=1,2,...}为(X,Y)的取值集合,表格形式如下: X x1 x2