第三章 二维随机变量及其分布.pptVIP

1 1 3 故, 关于 Y 的边缘分布密度 当 y ? [1, 3] 时, fY(y) = 0. 当 y ? [1, 3] 时, 关于Y的边缘分布密度 例3 设(X, Y)的联合分布密度 (1)求 k; (2)求关于 X 和 Y 的边缘密度; (3)求概率P{X + Y ?1} 和 P{X 1/2}. 均匀分布 解(1)由 得 -1 1 (2) 当 x ? [?1, 1] 时, 当 x ? [?1, 1] 时, fX(x) = 0. 故 X 的边缘密度 ?1 1 当 y ? [?1, 1] 时, 当 y ? [?1, 1] 时, fY(y) = 0. 故 Y 的边缘密度 (3) 若 (X, Y) ~ N(?1, ?2, ?12, ?22, ?)?,则两个边缘分布分别服从正态分布: X ~ N(?1, ?12), Y ~ N(?2, ?22), 与相关系数 ? 无关. 一般地, 联合分布可确定边缘分布, 但边缘分布未必能确定联合分布. 随机变量 X 和 Y 相互独立:F(x, y) ? FX(x)FY(y). 对于离散型和连续型的随机变量, 该定义分别等价于 pij ? pi? p?j f (x, y) ? fX(x)fY(y). ?在很多实际问题中, 随机变量的相互独立性是不难判断的. ?相互独立时, 边缘分布可确定联合分布. 二 随机变量的独立性 例1 设(X, Y)的分布律为 证明: X, Y 相互独立. 证 逐个验证等式 pij ? pi? p?j , 故 X, Y 相互独立. 4/20 2/20 4/20 2 2/20 1/20 2/20 1 2/20 1/20 2/20 1/2 2 0 ?1 Y X 1 2/4 1/4 1/4 pi? 2/5 1/5 2/5 p?j 例2 设(X, Y)的概率密度为 求(1) P{0 ? X ? 1, 0 ? Y ? 1}; (2) (X, Y) 的边缘密度; (3)判断 X, Y 是否独立. 解 (1) A 1 1 (2) 边缘密度函数 当x ? 0 时, 当x 0 时, fX(x) = 0. 所以 同理可得 (3) 因 所以 X 与 Y 相互独立. 例3 设 (X, Y)服从区域 D 上的均匀分布, D 为 x 轴, y轴及直线 y = 2x + 1 所围成的三角形区域. 判断 X, Y是否相互独立. 解 (X, Y)的密度函数为 1 y = 2x + 1 D 当?1/2 x ? 0 时, 所以 关于 X 的边缘分布密度 当 x ? ?1/2 或 x 0 时, fX(x) = 0. 1 y = 2x + 1 D * ? ? ? ? ? 092大学数学II. WM. §3 二维随机变量及其分布 第三章 二维随机变量及其分布 第一节 二维随机变量及其联合分布 第二节 边缘分布与随机变量的独立性 第三节 两个随机变量的函数的分布 (X, Y) A 实际问题中往往需要同时研究多个随机变量. 例如抽样调查15-18岁青少年的身高 X 和体重 Y 以研究该年龄段青少年的身体发育情况, 此时不仅要探究 X 和 Y 各自的性质, 还要探究它们间的相互关系. 有序对 (X, Y) 称为二维随机变(向)量, 它是平面上的随机点: 性质 (1) F(x, y) 分别关于 x, y 单调不减. (2) F(x, y) 分别关于 x, y 左连续. (3) 0 ? F(x, y) ? 1, 且 F(??, y) = F(x, ??) = F(??, ??) = 0, F(+?, +?) = 1. 二维随机变量(X, Y)的联合分布函数: F(x, y) = P{X x, Y y}. (x, y) x y (X, Y) 随机点落在矩形域的概率 P{x1 ? X ? x2, y1 ? Y ? y2} = F(x2, y2) ? F(x2, y1) ? F(x1, y2) + F(x1, y1). (x2, y2) (x1, y1) 二维离散型随机变量 (X, Y) 的可能取值是有限或可列无限个实数对. (X, Y)的联合概率分布(分布律): P{X = xi, Y = yj} = pij, (i, j = 1, 2, 3, …). … pij … pi2 pi1 xi … … … … … … … p2j p1j yj … … … … … … … … … p22 p21 x2 … p12 p11 x1 … y2 y1 Y X 性质 (1) 0 ? pij? 1; (2) ?i, j pij = 1. 例1 袋中有三个球, 依次标有数字1, 2, 2, 从中任取一个, 不放回袋中, 再任取一个. X, Y分别为第