第三章知识结构图第一节二维随机变量.ppt

(1).F(x,y)是变量x 和y的不减函数,即对于任意固定的y, 当x2x1时，F(x2,y)≥F(x1,y)；对于任意固定的x,当y2y1时，F(x,y2)≥F(x,y1)且 0≤F(x,y)≤1。 因为{X≤x1,Y≤y}?{X≤x2,Y≤y}. (2). 对于任意固定的y, F(-∞,y)=0；  对于任意固定的x, F(x,+∞)=1； F(-∞,-∞)=0，F(+∞,+∞)=1。 2.二维分布函数的性质 证：只证F(-∞,y)=0。因为  0≤P{X≤x,Y≤ y}≤P{X≤ x,Y+∞}, 所以0≤F(x, y)≤FX(x),令x →-∞,于是F(-∞,y)=0。 (3).F(x, y)=F(x +0, y), F(x, y)=F(x, y +0), 即F(x, y)关于x右连续,关于y也右连续. 证：只证F(x, y)=F(x +0, y)。 因为F(x +△x, y)= F(x, y)+P{x X≤ x +△x,Y≤ y}, 而P{x X≤ x +△ x,Y≤ y}=F (x +△ x, y) - F (x, y) ≤ P{x X≤ x +△ x} →0 (△ x →0). 故所证结论成立。 (4).对于任意(x1, y1),(x2, y2)， x1x 2, y1 y2,下述不等式成立: F(x2, y2)-F(x2, y1)-F(x1,y2)+F(x1, y1)≥0, 事实上，因为P{x1X ? x2, y1Y ? y2}= F(x2, y2)-F(x2, y1)-F(x1, y2)+F(x1, y1)≥0,如图 0 x1 x2 x y1 y2 y 二维随机变量（X,Y） X和Y的联合分布函数 X的分布函数 一维随机变量X 1．定义：  若二维随机向量(X,Y)的可能取值只有有限个或可列个,则称(X,Y)是离散型二维随机向量. 若二维离散型随机向量(X,Y)的所有可能取值为(xi,yj),i,j=1,2,… 记P{X=xi,Y=yj}=pij, i, j=1,2,… 则称下列一组等式 P{X=xi,Y=yj}=pij, i, j=1,2,…为随机向量(X,Y)的(联合)分布律. 三、二维离散型随机变量 常用表格表示(X,Y)的分布律： Y X y1 y2 … yj … x1 p11 p12 … p1j …x2 p21 p22 … p2j …… … … … … …xi pi1 pi2 … pij …… … … … … … (1). pij≥0, i,j=1,2,… (2) ， 2.分布律的性质 二维随机变量（X,Y） 联合分布 离散型 i, j =1,2, … X和Y 的联合分布律 k=1,2, … 离散型 一维随机变量X k=1,2, … X的分布律 例1: 一整数X，随机地在1，2，3，4四个数中取任一值，另一整数Y随机地在1—X中取值，求(X,Y)的分布律。 解： X Y 1 2 3 4 1/4 1/4*1/2 1/4*1/3 1/4*1/4 0 1/4*1/2 1/4*1/3 1/4 *1/4 0 0 1/4*1/3 1/4 *1/4 4 0