概率论与数理统计@第4章-二维随机变量.ppt

n个随机变量X1,X2,…,Xn相互独立的概念： 对任意n个实数x1, x2,…,xn有 P{X1＜x1,X2＜x2 ,…,Xn＜xn } = P{X1＜x1}P{X2＜x2}…P{Xn＜xn} 若n个随机变量X1,X2,…,Xn相互独立，则n维随机变量(X1,X2,…,Xn)的联合分布函数： 并且则n维随机变量(X1,X2,…,Xn)的联合密度函数： 4.6* 条件分布 定义(条件分布) 对于离散型随机变量(X?Y)，当p·j＞0时，称 为在Y?yj 条件下X的条件分布律。 X x1 x2 …… xn … P(X?xi?Y=yj) …… … 同样，对于离散型随机变量，称 为在X?xi条件下Y的条件分布律。 Y y1 y2 …… yn … P(Y=yj ? X?xi) …… … 例19 在例4-1中，已知一批10件产品中有3件一等品，5件二等品，2件三等品，现从这批产品中任意抽出4件，设其中一等品件数为X；二等品件数为Y，已知联合分布律： 试求出下列条件分布。 (1)已知抽取的4件产品中有2件二等品，求一等品件数X的概率分布； 解 所求的条件概率分布律为 X 0 1 2 3 P(X?i?Y=2) 1/10 6/10 3/10 0 (2) 已知抽取的4件产品中有1件一等品，求二等品件数Y的概率分布； 解 所求的条件概率分布律为 Y 0 1 2 3 4 P(Y ?j?X=1) 0 15/105 60/105 30/105 0 连续型条件分布 设(X,Y)的联合概率密度为f(x,y)，边缘密度为 若f(x,y)，fY(y)连续，则对使fY(y)＞0的点y，可用下面式子定义在Y=y的条件下，连续型随机变量X的条件分布函数。 可见，在Y=y的条件下，X的条件概率密度函数： 同样，在X=x的条件下，Y的条件概率密度函数: 在X=x的条件下，Y的条件分布函数: 例20 对例5所给出的二维概率密度: 试求出 fX(x|y)及fY(y|x)。 解 例21(习题4-17) 设X在区间(0,1)上服从均匀分布, 而当X=x(0＜x＜1)时，Y在(x,1)上服从均匀分布，试求：(1) (X?Y)的联合密度函数f(x,y)； (2) 关于Y的边缘密度； (3) 概率P(X+Y＞1)。 解 X的密度函数为： Y的条件密度函数为： (1) (2) Y的边缘密度 y≤0或y≥1时， 0＜y＜1时， (3) * 4.7 二维随机变量函数的分布 二维随机变量(X?Y)的函数Z=g(X?Y)一般也是随机变量，其分布的求取是不容易的。它涉及到随机变量的分布类型和函数的复杂程度。这里仅就最简单的情况——和函数进行讨论。 4.7.1 离散型随机变量的和函数的分布 设已知(X?Y)的联合分布律为 则和函数Z?g(X?Y)=X?Y的一切可能值仍为非负数0,1,2,…。 对每个非负整数k,并由互斥事件的加法定理，有 和函数Z?X?Y的分布律为： 特别当已知X、Y独立时，因有pij=pi?p?j，故上式可写成 例22 已知X?Y相互独立，分别服从参数为?1及?2的泊松分布，求和函数Z=X+Y的分布。 解 因为 X～P(?1)，Y～P(?2) 则Z=X+Y的取值为z=0,1,2,3,…,k,… 4.7.2 连续型随机变量函数的分布 已知二维随机变量(X?Y)的联合密度为f(x,y),若随机变量(X?Y)的函数Z?g(X?Y)，可先求Z分布函数FZ(z)，再确定Z密度函数fZ(z)。 (式中的积分是由不等式g(x,y)＜z所确定的平面区域。) 特别对和函数 Z?g(X?Y)=X+Y的分布函数FZ(z)有 当X?Y为独立随机变量时，有 可得到连续型随机变量和函数 Z?X+Y的密度函数： 一般将积分 称为f(x)与g(x)的卷积，记作： 卷积可交换，即 f(x)?g(x)=g(x)?f(x)。所以 两个独立随机变量之和的概率密度是各概率密度的卷积。 例23 已知X?Y独立且同服从标准正态分布，求Z=X+Y的密度函数。 解 一般有X1, X2独立且X1～N(?1,?12), X2～N(?2,?22), 则X1+X2 ～N(?1+?2 ,?12+?22)，即?=?1+?2 ,?2 =?12+?22 独立的正态分布随机变量的线性函数仍服从正态分布。 若X1 X2,…, Xn相互独立，且Xi～N(