概率论与数理统计64605955.pptVIP

例 已知随机变量(X,Y)的分布律为 且知X与Y独立，求a、b的值。 例 甲乙约定8:00?9:00在某地会面。设两人都随机地在这期间的任一时刻到达，先到者最多等待15分钟过时不候。求两人能见面的概率。 定义. 设n维随机变量(X1,X2,...Xn)的分布函数为F(x1,x2,...xn), (X1,X2,...Xn)的k（1?kn)维边缘 分布函数就随之确定，如关于(X1,X2）的 边缘分布函数是 FX1,X2（x1,x2,)=F(x1,x2,??,?...?) 若Xk 的边缘分布函数为FXk(xk),k=1,2,…,n, 五．n维随机变量的边缘分布与独立性 则称X1,X2,...Xn 相互独立，或称(X1,X2,...Xn)是独立的。 对于离散型随机变量的情形，若对任意整数 i1, i2, …, in及实数 有 则称离散型随机变量X1, X2, …, Xn相互独立。 设X1，X2，…，Xn为n 个连续型随机变量，若对任意的(x1, x2, …, xn)?Rn， f (x1, x2, …, xn)＝fX1(x1)fX2(x2)…fXn(xn) 几乎处处成立，则称X1，X2，…，Xn相互独立。 定义 设n维随机变量(X1,X2,...,Xn)的分布函数为FX(x1,x2,...,xn)；m维随机变量(Y1,Y2,…,Ym)的 分布函数为FY(y1,y2,…ym), X1,X2,...,Xn ,Y1,Y2,…,Ym 组成的n+m维随机变量（X1,X2,...,Xn ,Y1,Y2,…,Ym) 的分布函数为F（x1,x2,...,xn, y1,y2,…,ym). 如果 F（x1,x2,...xn, y1,y2,…ym).= FX(x1,x2,...xn) FY(y1,y2,…ym) 则称n维随机变量(X1,X2,...Xn)与m维随机 变量(Y1,Y2,…Ym)独立。 定理 设(X1,,X2, …, Xn )与(Y1, Y2,…， Ym )相互独立，则Xi (i=1, 2, …, n))与Yi (i=1, 2, …, m)相互独立；又若h, g是连续函数，则h(X1,,X2, …, Xn)与g(Y1, Y2,…， Ym )相互独立. 设随机变量X与Y的联合分布律为 (X, Y)～ P{X＝xi, Y＝ yj,}＝ pij ，(i, j＝1, 2, … )， X和Y的边缘分布律分别为 3.3 条件分布一.离散型随机变量的条件分布律 为Y＝ yj的条件下，X的条件分布律; 若对固定的j, p.j0, 则称 同理，对固定的i, pi. 0, 称 为X＝ xi的条件下，Y的条件分布律; 例 设某昆虫的产卵数X服从参数为50的泊松分布，又设一个虫卵能孵化成虫的概率为0.8,且各卵的孵化是相互独立的，求此昆虫产卵数X与下一代只数Y的联合分布律. * * 3.1 二维随机变量的联合分布一、 多维随机变量 1.定义(p41)将n个随机变量X1，X2，...,Xn构成一个n维向量 (X1,X2,...,Xn)称为 n维随机变量。 一维随机变量X——R1上的随机点坐标 二维随机变量(X,Y)——R2上的随机点坐标 n维随机变量(X1,X2,…,Xn)———Rn上的随机点坐标多维随机变量的研究方法也与一维类似，用分布函数、概率密度、或分布律来描述其统计规律 设(X, Y)是二维随机变量，(x, y)?R2, 则称 F(x,y)=P{X?x, Y?y} 为(X, Y)的分布函数，或X与Y的联合分布函数。 二. 联合分布函数 几何意义：分布函数F( )表示随机点(X,Y)落在区域 中的概率。如图阴影部分： 对于(x1, y1), (x2, y2)?R2, (x1 x2， y1y2 ),则 P{x1X? x2， y1y?y2 } ＝F(x2, y2)－F(x1, y2)－ F (x2, y1)＋F (x1, y1). (x1, y1) (x2, y2) (x2, y1) (x1, y2) 分布函数F(x, y)具有如下性质： 且 (1)归一性 对任意(x, y) ?R2 , 0? F(x, y) ? 1, (2)单调不减 对任意y ?R, 当x1x2时， F(x1, y) ? F(x2 , y)； 对任意x ?R, 当y1y2时， F(x, y1