第三章茆诗松概率论与数理统计教程课件.pptVIP

第三章 多维随机变量及其分布 第一节 多维随机变量及其联合分布 1. 多维随机变量的联合分布 2. 常用的多维随机变量 1.多维随机变量的联合分布 二维随机向量的分类: 离散型和连续型 或更加直观的, (X,Y)的联合分布列也可用二向表来表示 或更加直观的, (X,Y)的分布律可用下表表示 所以, (X,Y)的分布律为 2.常用多维随机变量 多项分布 多维超几何分布 多维均匀分布 二维正态分布 多项分布(Multinomial Distribution) 例四，袋中有N个球, 其中a个红球, b个白球, c个黑球(a+b+c=N), 现每次从袋中取一球, 放回式的抽样, 共取n球. 设X, Y分别是n球中红球和白球的个数, 求 (X,Y)的联合分布列. 多维超几何分布 例五，在例四中, 若采用非放回式的抽样, 求(X,Y)的联合分布列. 多维均匀分布 二维正态分布 §3.1 作业 教材第150页 习题 5, 6, 9,13 多项超几何分布的适用情形. 同一维超几何分布一样, 它常用在抽样调查中, 抽样是非放回式的, 只是现在产品不再仅仅分为两类: 正品, 次品, 而是多类. 例如: 袋子中有N只球, 共分为r类, 其中第i类的只数为Ni, 所以有N=N1+N2+…+Nr. 现从中非放回地抽取n只球, 记Xi为n个球中第i类球的个数, 则(X1,X2, …,Xr)服从多维超几何分布, 其分布列为 解: 令Z代表黑球的数目. 由于采用非放回式的抽样, 则根据多维超几何分布的定义, (X,Y,Z)服从超几何分布 二维均匀分布 定义: 设D为xy平面上的一个有界区域, 其面积为SD, 若二维随机变量(X,Y)的联合密度函数为 则称(X,Y)服从区域D上的二维均匀分布. 例六. 设三角形ABC中, AB=BC=1, 角B=90度. 现在三角形ABC内任取一点M, M到AB, BC的距离分别为X,Y, 求: (1) (X,Y)的联合密度函数; (2) M到B的距离小于1/2的概率; (3) M到BC的距离大于1/2的概率. 解: 以B为原点, BC为横轴, BA为纵轴建立直角坐标系 (1), 因M在三角形ABC内是随机的, 所以(X,Y)是三角形ABC内的均匀分布, 所以其联合概率密度是 (2) M到B的距离小于1/2的概率为 (3) M到BC的距离大于1/2的概率为 定义: 如果二维随机变量(X,Y)的联合密度函数为 * * * 在第二章, 我们讨论了一个随机变量的情况. 在许多实际问题中, 对于随机试验的结果仅用一个随机变量来描述是不够的, 需要同时考虑两个或两个以上的随机变量. (1) 调查炮弹落地点的位置时, 须同时由平面上横坐标X和纵坐标Y这两个随机变量来确定; 例如: (2) 研究某地区儿童的身体素质时, 对这一地区的儿童进行抽查, 须同时考察其身高X1, 体重X2, 心肺功能X3, 以及视力X4等多个随机变量. 显然此时, 我们必须必须把这些随机变量作为一个整体(即向量)来研究. 我们称由同一样本空间的n个随机变量X1,X2, …,Xn构成的整体 X=(X1,X2, …,Xn) 为n维随机变量或n维随机向量. 一维随机向量就是我们第二章所讲的随机变量. 多维随机变量的概率分布该怎么描述呢? 类似于一维随机变量, 我们可以统一用分布函数来研究; 然后, 对于离散和连续两种情形下的多维随机变量, 我们可以用分布列和密度函数来分别研究. 定义: 为简明起见, 本章则主要讨论二维随机变量, 二维以上的随机变量可类似地进行. 定义: (X,Y)取值就相当于在平面内取值, 所以F(x,y)就是随机向量(X,Y)落在以(x,y)为顶点的左下方无穷矩形区域内的概率, 见下面阴影部分. 分布函数F(x,y)具有下列基本性质: 注意: 定义 若二维随机向量(X,Y)的可能取值(x,y)是有限个或可列无穷个, 则称(X,Y)是二维离散型随机向量. 设随机向量(X,Y)的所有可能值为(xi,yj), i,j=1,2, …, 则 为随机向量(X,Y)的联合分布列. … … … … … pn2 … p22 p12 y2 pnn pn1 xn … … … p2n p21 x2 p1n p11 x1 yn y1 X Y 分布律pij的两条基本性质: 例一. 连续抛一枚硬币三次, 定义X是获得的正面的次数, Y是三次中正面向上的次数与反面向上的次数差的绝对值. 试求(X,Y)的分布律. 解: (X,Y) 取值情况为 (0,3) (1,1) (1,1) (1,1) (2,1) (2,1) (2,1) (3