概率论与数理统计第3章 二维随机变量.pptVIP

设(X，Y)是二维连续型随机变量，它的联合分布函数和密度函数分别为F (x，y)，f (x，y)，边缘密度函数为f X (x)，f Y (y)。类似于离散型随机变量场合下的条件分布函数定义：F (x | y)=P{X≤ x |Y=y}，对任意实数x和y， 因为P{ Y= y }=0，所以在连续型的情况下，不能直接利用条件概率公式计算P{X≤ x | Y=y}。 * * 图3.2.2 * 3.3 随机变量的独立性 3.3.1 两个随机变量间的独立性 定义3.3.1 设F (x，y)及FX (x)，FY (y)分别是二维随机变量(X，Y)的分布函数及边缘分布函数。如果对任意实数x，y有 P{X ≤x，Y ≤y}=P{ X ≤x}· P {Y ≤y} F(x，y)=FX(x)·FY(y) * * 3.3.2 多维随机变量的独立性  * * 定理3.3.1 设h(x1，x2，…，xm)和g(y1，y2，…，yn)是多维连续函数， 如果(X1，X2，…，Xm)与(Y1，Y2，…，Yn)相互独立， 则h(X1，X2，…，Xm)与g(Y1，Y2，…，Yn)也相互独立。 * 3.4 二维随机变量函数的分布 3.4.1 二维离散型随机变量函数的分布 对于二维离散型随机变量(X，Y)，当g (x，y)是二元连续函数时，其函数Z=g X，Y)是一维离散型随机变量。当(X，Y)的分布律已知时，求其函数Z=g (X，Y)的分布律，主要方法有表格法和分析法。 * 出版社 理工分社 概率论与数理统计 第3章 二维随机变量 在实际问题中，某些随机试验的结果需要同时用两个或两个以上的随机变量来描述。例如炮弹的弹着点的位置需要由它的横坐标和纵坐标来确定，而横坐标X和纵坐标Y是定义在同一个样本空间Ω上的两个随机变量。又如掷n颗骰子，它们出现的点数用X1，X2，…，Xn表示，而X1， X2，…，Xn是定义在同一个样本空间Ω上的n个随机变量。由此引入多维随机变量的概念，本章重点讨论二维随机变量。 * 3.1 二维随机变量及其分布 3.1.1 二维随机变量及其分布函数 定义3.1.1 设Ω是随机试验E的样本空间，X，Y是定义在Ω上的两个随机变量，则由X和Y构成的二维向量(X，Y)称为Ω上的二维随机变量。 设(X，Y)是二维随机变量，x， y是任意两个实数，则 {X≤x，Y≤y}={ωX(ω)〗≤x且Y(ω)≤y，ω∈Ω} 是随机事件，或 {X≤x，Y≤y}={X≤x}∩{Y≤y} * 二维随机变量(X，Y)的性质不仅与随机变量X及Y有关，而且还依赖于这两个随机变量的相互关系。仅逐个地研究X或Y的性质是不够的，还需将(X，Y)作为一个整体来进行研究。与一维的情况类似，用分布函数来研究二维随机变量。 * 定义3.1.2 设(X，Y)为二维随机变量，对于任意实数x，y，二元函数 F(x，y)=P{X≤x，Y≤y} 称为二维随机变量(X，Y)的分布函数（联合分布函数）。 * 图3.1.1 * 图3.1.2 * * 3.1.2 二维离散型随机变量及其分布律 定义3.1.3 如果二维随机变量(X，Y)的所有可能取值是有限个数对或可数多个数对，则称(X，Y)是二维离散型随机变量。 * * 定义3.1.4 设二维离散型随机变量(X，Y)所有可能取值为(ai，bj)(i，j=1，2，…)且 P{X=ai，Y=bj}=pij i，j=1，2，…（3.1.2） 则称式（3.1.2）为二维离散型随机变量(X，Y)的联合分布律或概率分布。 * * 3.1.3 二维连续型随机变量及其密度函数 定义3.1.5 设二维随机变量(X，Y)的分布函数为F (x，y)，如果存在非负二元可积函数f (x，y)，使得对任意的实数x，y，有 * * 常见的二维连续型分布有二维均匀分布和二维正态分布。 1.二维均匀分布 如果二维随机变量(X，Y)具有密度函数 * 图3.1.3 * 图3.1.4 * 2.二维正态分布 如果二维随机变量(X，Y)具有密度函数： * 图3.1.5 二维正态分布的密度函数示意图 * 3.1.4 n维随机变量及其联合分布 以上所述关于二维随机变量的概念， 容易推广到n维随机变量的情况。 定义3.1.6 如果X1，X2，…，Xn是定义在同一个样本空间Ω上的n维随机变量，则称(X1， X2，…，Xn)为n维随机变量或随机向量 * * * 3.2 边缘分布与条件分布 下面将讨论在已知