第三章前 多维随机变量.pptVIP

同理可得 若记 X=x条件下关于Y的条件密度函数 例 设二维随机变量(X,Y)~ 求 解 3.2.3 随机变量的独立性 P(AB)=P(A)P(B) 事件A, B独立 也就是: 定义: 若对任意的 x, y 都有 则叫随机变量 X与 Y 相互独立. X 与 Y 相互独立 对任意的 x, y 有 对二维离散型随机变量 ( X, Y ): X 与 Y 相互独立 对 ( X, Y )的所有可能取值 ( xi , yj ), 例: 设 ( X, Y ) 的分布律为 而 X 与 Y 相互独立, 试确定 a 和 b ? 1 2 3 X b 1/8 1/16 Y 0 1 3/16 3/8 a 解: 由归一性得 再由独立性列出其它式子, 为此需确定边缘分布: 取一式, 如 a+9/16 b+3/16 b+3/16 1/2 a+1/16 1 1 2 3 X b 1/8 1/16 Y 0 1 3/16 3/8 a 解得 对二维连续型随机变量 ( X, Y ): 几乎处处成立 对任意的 x, y, X 与 Y 相互独立 (“几乎处处成立”的含义是：在平面上除去面积 为0的集合外，处处成立) 推论 设（X，Y）是连续型随机变量，f(x,y)为（X，Y） 的概率密度函数，则随机变量X，Y独立的充分必要条件为 f(x,y)=h(x)g(y) 其中h(x)，g(y)分别为x,y函数。 例: 若 则 X 与 Y 相互独立 证明 必要性（ ） （X，Y）的概率密度函数为： 由X及Y的边缘概率密度为： 因X，Y相互独立，则 当x=μ1, y=μ2时，有 即 充分性 当ρ=0时，显然f(x,y)=fX(x)fY(y)对任意的 x,y均成立，则X，Y相互独立 例 设(X,Y)的概率密度为 问 X 和 Y 是否独立？ 解： x y 0 x y 对一切x, y, 均有 故 X 与 Y 相互独立. 例 甲到达办公室的时间均匀分布在8到12点. 乙到达时间均匀分布在7到9点. 若他俩到达时间相互独立, 试求: 到达的时间相差不超过5分钟的概率. 解: 设 X 为甲到达时刻, Y 为乙到达时刻, 依题意: X~U(8, 12), Y~U(7, 9), 应求 ; G 结合图形可求出: 知 求 (G 的面积) * 结束 第三章 多维随机变量及其分布 到现在为止，我们只讨论了一维随机变量及其分布. 飞机的重心在空中的位置是由 三个随机变量(三个坐标）来确定 的等等. 但有些随机现象用一个随机变量来描述还不够，而 需要用几个随机变量来描述. 如: 在打靶时, 命中点的位置是由 一对随机变量(两个坐标)来确定的. 因而需进一步讨论由多个随机变量构成的随机向量. 其处理思路及方法与一维情形相同, 但形式较一维 复杂; 学习时应注意与一维情形的对照. 设 Ω 为试验 E 的样本空间, 若对 Ω中的任一 基本事件 e , 都有惟一确定的 n 个实数 X1(e) , …, Xn(e) 与之对应, 则叫 (X1(e) , … , Xn(e)) 为 n 维随机变量, 由于从二维推广到多维一般没有实质性的困难, 我们重点讨论二维随机变量 . 定义: 简记为 ( X1 , … , Xn ). 二维随机变量一般用 ( X, Y ) 来表示 . 3.1和3.2二维随机变量 3.1.1 二维随机变量的联合分布与边缘分布 一、X与 Y 的联合分布函数及边缘分布函数 X 的分布函数 二维随机变量 ( X, Y ) 的分布函数为 也叫 X与 Y 的联合分布函数. 几何表示: ( X, Y ) 的分布函数 y x 0 .(x, y) . (X, Y ) F (x, y) 为随机点 (X, Y )落在图中阴影 区域内的概率. 容易看出随机点（X，Y）落在矩形区域 的概率为 y x 0 y1 y2 x1 x2 D1 对二维随机变量F(x ,y ) ,有如下性质