概率论课件--2-4_二维随机变量及其概率分布.pdf

第二章 第四节 二维随机变量及其概率分布(23) 一、二维随机变量的概念 二、二维离散型随机变量 三、二维连续型随机变量 一、二维随机变量的概念 以上我们只限讨论一个随机变量的情况, 但在实际问题 中,有些随机试验的结果需要用两个或两个以上的随机变 量来描述.例如:为了研究大学生身体发育状况, 对某校大 学生进行抽查, 对于每个学生都能观察到他的身高H和体 重W, 这里H和W是两个随机变量, 类似的例子还有许多. 定义1 设随机试验 E 的样本空间为 , X ,Y 是定义在 上的两个随机变量, 则二维向量( X , Y ) 称为二维随机 向量或二维随机变量. 注意: 二维随机变量( X , Y )的性质不仅与X 及 Y 有关, 而且还依赖于这两个随机变量的相互关系,因此逐个研究 随机变量X 与 Y 是不够的, 还必须将( X ,Y ) 作为一个整 体来进行研究. 与一维的情况类似, 我们也借助于分布函数来研究二 维随机变量. 定义2 设( X , Y ) 是二维随机变量, 对任意实数 x , y , 二元函数 F (x, y ) P X x,Y y  (1) 称为二维随机变量( X ,Y ) 的联合分布函数. 在几何上,若把二维随机变量( X ,Y )看作平面上随机点 的坐标,那么联合分布函数 F (x ,y )在点(x , y )处的函数 值, 就是随机点(X ,Y)落在以点(x , y )为顶点的左下方无 穷矩形域内的概率. y (x, y ) O x 由联合分布函数的几何意义很容易得出 随机点( X ,Y ) 落在一个矩形区域 x X x , y Y y 内的概率 1 2 1 2 为: P x X x , y Y y  1 2 1 2 F (x , y ) F (x , y ) F (x , y ) F (x , y ) (2) 2 2 1 2 2 1 1 1 y y 2 y 1 x O x1 x2 定理1 二维随机变量( X ,Y )的联合分布函数F (x , y ) 具有以下性质: (1) F ( X , Y )关于x ,y 均是非减函数; (2) lim F (x, y ) 0 lim F (x, y ) 0 x  x  y  lim F (x, y ) 1 lim F (x, y ) 0 x  y  y  （3 ） 关于x ,y 均是右连续函数； F (x, y ) x