概率论与数理统计三章 随机向量.docVIP

PAGE PAGE 21 第三章 随机向量 在实际问题中， 除了经常用到一个随机变量的情形外，还常用到多个随机变量的情形.例如，观察炮弹在地面弹着点e的位置，需要用它的横坐标X（e）与纵坐标Y（e）来确定，而横坐标和纵坐标是定义在同一个样本空间Ω={e}={所有可能的弹着点}上的两个随机变量.又如，某钢铁厂炼钢时必须考察炼出的钢e的硬度X（e）、含碳量Y（e）和含硫量Z（e）的情况，它们也是定义在同一个Ω={e}上的三个随机变量.因此，在实用上，有时只用一个随机变量是不够的，要考虑多个随机变量及其相互联系.本章以两个随机变量的情形为代表，讲述多个随机变量的一些基本内容. 第一节 二维随机向量及其分布 1.二维随机向量的定义及其分布函数 定义3.1 设E是一个随机试验，它的样本空间是Ω={e}.设X（e）与Y（e）是定义在同一样本空间Ω上的两个随机变量，则称（X（e），Y（e））为Ω上的二维随机向量（2?dimensional random vector）或二维随机变量(2?dimensional random variable)，简记为（X，Y）. 类似地定义n维随机向量或n维随机变量（n2）. 设E是一个随机试验，它的样本空间是Ω={e}，设随机变量X1（e），X2（e），…，Xn(e)是定义在同一个样本空间Ω上的n个随机变量，则称向量（X1（e），X2（e），…，Xm(e))为Ω上的n维随机向量或n维随机变量.简记为（X1，X2，…，Xn）. 与一维随机变量的情形类似，对于二维随机向量，也通过分布函数来描述其概率分布规律.考虑到两个随机变量的相互关系，我们需要将（X，Y）作为一个整体来进行研究. 定义3.2 设（X，Y）是二维随机向量，对任意实数x和y，称二元函数 F（x，y）=P{X≤x，Y≤y} (3.1) 为二维随机向量（X，Y）的分布函数，或称为随机变量X和Y的联合分布函数. 类似定义n维随机变量（X1，X2，…，Xn)的分布函数. 设（X1，X2，…，Xn）是n维随机变量，对任意实数x1，x2，…，xn，称n元函数 F(x1,x2,…,xn)=P{X1≤x1,X2≤x2,…,Xn≤xn}为n维随机变量(X1，X2，…，Xn)的联合分布函数. 我们容易给出分布函数的几何解释.如果把二维随机变量（X，Y）看成是平面上随机点的坐标，那么，分布函数F（x，y）在（x，y）处的函数值就是随机点（X，Y）落在直线X=x的左侧和直线Y=y的下方的无穷矩形域内的概率(如图3?1所示). 根据以上几何解释借助于图3?2，可以算出随机点（X，Y）落在矩形域{x1＜X≤x2，y1＜Y≤y2}内的概率为： P{x1＜X≤x2,y1＜Y≤y2}=F（x2,y2）?F(x2,y1)?F(x1,y2)+F(x1,y1). （3.2） 图3?1 图3?2 容易证明，分布函数F（x，y）具有以下基本性质： （1） F（x，y）是变量x和y的不减函数，即对于任意固定的y，当x2＞x1时，F（x2，y）≥F（x1，y）；对于任意固定的x，当y2＞y1时，F（x，y2）≥F（x，y1）. （2） 0≤F（x，y）≤1，且对于任意固定的y，F（?∞,y）=0,对于任意固定的x，F（x，?∞）=0，F（?∞，?∞）=0，F（+∞，+∞）=1. （3） F（x，y）关于x和y是右连续的，即 F（x，y）=F（x+0，y），F（x，y）=F（x，y+0）. （4） 对于任意（x1，y1），（x2，y2）,x1＜x2,y1＜y2,下述不等式成立： F（x2，y2）?F（x2，y1）?F（x1，y2）+F（x1，y1）≥0. 与一维随机变量一样，经常讨论的二维随机变量有两种类型：离散型与连续型. 2.二维离散型随机变量 定义3.3 若二维随机变量（X，Y）的所有可能取值是有限对或可列无穷多对，则称（X，Y）为二维离散型随机变量. 设二维离散型随机变量（X，Y）的一切可能取值为（xi，yj）i，j=1，2，…，且（X，Y）取各对可能值的概率为 P{X=xi，Y=yi}=pij，i，j=1，2，…. （3.3） 称式（3.3）为（X，Y）的（联合）概率分布或（联合）分布律，离散型随机变量（X，Y）的联合分布律可用表3?1表示. 表3?1 X Y x1 x2 … xi … y1 y2 … yj … p11 p21 … pi1 … p12 p22 … pi2