考研数学概率统计3多维随机变量.doc

第三讲：多维随机变量及其分布 多维随机变量的概念及分类 我们把n个随机变量X1，X2，…，Xn作为一个整体来考察称为一个n维随机变量或n维随机向量，记为ξ＝(X1，X2，…，Xn)，其中Xi称为ξ的第i个分量．对于二维随机向量，用ξ＝(X，Y)表示，一般情况下我们只讨论离散型和连续型两大类． 1．二维离散型随机向量联合概率分布及边缘分布 如果二维随机向量(X，Y)的所有可能取值为至多可列个有序对(x，y)时，则称ξ为离散型随机向量． 设ξ＝(X，Y)的所有可能取值为(xi，yi)(i，j＝1，2，…)，且事件{ξ＝(xi，yj)}的概率为pij，称 为ξ＝(X，Y)的分布律或称为X和Y的联合分布律．联合分布有时也用下面的概率分布表来表示： Y X y1 y2 ... yi .... pi* x1 p11 p12 ... p1j ... p1* x2 p21 p22 ... p2j ... p2* ... ... ... ... xi pi1 pi2 ... pij ... pi* ... ... .... ... p·j p·1 p·2 ... p·j ... 1 这里pij具有下面两个性质： (1)pij≥0(i，j＝1，2，…)． (2) 对于随机向量(X，Y)，称其分量X(或Y)的分布为(X，Y)的关于X(或Y)的边缘分布．上表中的最后一列(或行)给出了X(或Y)的边缘分布． 一般来说，当(X，Y)为离散型，并且其联合分布律为 P{(X，Y)＝(xi，yj)}＝pij (i，j＝1，2，…)， 则X的边缘分布为 Y的边缘分布为 例1 设二维随机向量(X，Y)共有6个取正概率的点，它们是：(1，－1)，(2，－1)，(2，0)(2，2)，(3，1)，(3，2)，并且(X，Y)取得它们的概率相同，则(X，Y)的联合分布及边缘分布为 Y X －1 0 1 2 pi。 1 0 0 0 2 0 3 0 0 p*j 1 2．二维连续型随机向量联合分布密度及边缘分布 对于二维随机向量ξ＝(X，Y)，如果存在非负函数p(x，y)(－∞＜x＜＋∞，－∞＜y＜＋∞)，使对任意一个其邻边分别平行于坐标轴的矩形区域D，即D＝{(x，y)|a＜x＜b，c＜y＜d}有 则称ξ为连续型随机向量；并称p(x，y)为ξ＝(X，Y)的分布密度或称为X和Y的联合分布密度． 分布密度p(x，y)具有下面两个性质： (1)p(x，y)≥0． (2) 一般来说，当(X，Y)为连续型随机向量，并且其联合分布密度为p(x，y)，则X和Y的边缘分布密度为 例2 设(X，Y)的联合分布密度为 试求：(1)常数C. (2)P{0＜X＜1，0＜Y＜2}． (3)X与Y的边缘分布密度p1(x)，p2(y)． 解 (1)由p(x，y)的性质，有 即C＝12． (2)令D＝{(x，y)|0＜x＜1，0＜y＜2}，有 (3)先求X的边缘分布： ①当x＜0时，p(x，y)＝0，于是 ②当x≥0时，只有y≥0时，p(x，y)＝12e－(3x＋4y)，于是 因此 同理 两种常见的连续型随机向量的分布． (1)均匀分布 设随机向量(X，Y)的分布密度函数为 其中SD为区域D的面积，则称(X，Y)服从D上的均匀分布，记为(X，Y)～U(D)． 在以后的讨论中，我们经常遇到的区域D有下面8种情况(图3－1～图3－8)： 图3－1 图3－2 图3－3 图3－4 图3－5 图3－6 图3－7 图3－8 问题 试求出上面8种情况下二维均匀分布的边缘分布．以D1为例，其步骤如下． (Ⅰ)先用联立不等式表示区域D1： (Ⅱ)写出联合分布密度函数：由均匀分布的定义， 考虑到，因此 (Ⅲ)分别求出X与Y的边缘分布，这里分两种情况来讨论X的边缘分布： ①当x＜0或x＞1时，p(x，y)≡0，于是 ②当0≤x≤1时，只有0≤y≤x时，p(x，y)＝2，于是 所以 同理，可求出Y的边缘分布 例3 设二维连续型随机变量(X，Y)在区域D上服从均匀分布，其中 D＝{(x，y):|x＋y|≤1，|x－y|≤1}， 求X的边缘密度pX(x)． 解 区域D实际上是以(－1，0)，(0，1)，(1，0)，(0，－1)为顶点的正方形区域(见图3－9)，其边长为，面积SD＝2，因此(X，Y)的联合密度是 图3－9 即 (2)正态分布 设随机向量(X，Y)的分布密度函数为 其中?1，?2，?1＞0，?2＞0，|??|＜1是5个参数，则称(X