多维随机变量.docx

PAGE PAGE # 第3章多维随机变量 3.1内容框图 3.2基本要求 了解多维随机变量及其分布函数的概念， 理解二维随机变量的联合分布 (分布函数，概率 分布，概率密度)和边缘分布的概念与性质及它们之间的关系，并会用以求解具体问题。 了解二维随机变量的条件分布的概念及计算，了解密度函数、边缘密度函数和条件密度 函数的关系。 理解随机变量独立性的概念，并能熟练运用独立性解决具体问题。 了解二维随机变量的函数的概念，会求两个独立随机变量的常用函数的分布，记住几个 常用分布的和函数的分布。 3.3内容概要 二维随机变量的分布函数： (1)定义：二维随机变量 「，)的联合分布函数 F (x, y) L P「岂x, y｝。 ⑵性质： ①F(x,y)是单调不减函数： -冷 X1, y2 % 二 F(X2,y) - F(X1,y),F(x, y2)- F(x,yJ ； ②F(x,y)是有界函数：0w F(x, y) 1,且 + rn )=1 , F(- oo-o) = F (x, - o + rn )=1 , F(- oo ③ F(x, y)是右连续的：F( x+0 , y)= F (x, y) , F( x, y+0)= F(x, y)。 ④ K EM %= F(X2,y2)F(X1,y1)_F(X2,yJ F(x「y2) 二维随机变量的边缘分布：若二维随机变量 「，)的联合分布函数为 F(x, y)，则 (,)的边缘分布函数为 F (x) =F(x, ：：) = lim F (x, y), F (y) = F (二，y) = lim F (x, y)。 y 一耗 ijbc 二维离散型随机变量： 所有可能取值为有限多对或可列无穷多对的二维随机变量称为二维离散型随机变量。 X y1 y2 m X1 P1 P2 山 X2 4 p21 ■ i p22 ■i in (1) (?口)的联合概率分布：P｛巴=x, = y」｝ = Pj (i, j = 1,2, ■ ■ ■)，常用表格表示为: -be -be 满足：① Pij _0;②二：■/ Pij =1。 i =1 j 壬 (,)的边缘分布： ■bo P{： =Xi} =Xi , ：： ：：}「 Pij (i=1,2,) jM -bo P{二yj}二P{：：；,二yj}八 Pij (j =1,2,) (,)的条件分布： P{“ =Xi二 P{“ =Xi i = 1 , 2,…； ?二Xi下的条件概率分布 P{ -Yj= x^} P{ -Yj = x^} ,j = 1 , 2,…。 二维连续型随机变量 定义：设二维随机变量 「，)的分布函数为F(x, y)，若存在非负函数 (x, y)，使对 一切实数X, y成立 x y F(x,y)二 (x,y)dxdy 则称「，)为二维连续型随机变量， (x, y)称为「，)的联合概率密度函数。 性质： (x, y) 0； I | ：； (x, y)dxdy = 1 ; 在?(x, y)的连续点处有 匚卩, y)=①第,y) x:y P{( , h GH (x,y)dxdy,G为xOy平面上的区域。 G 边缘分布： 「(x)二：(x,y)dy，: (y)二；(x,y)dx。 条件分布： ①条件分布函数： x ￥ je(x,y)dx =y下芒的条件分布函数为 F(x y)=上4 %y) =x下的条件分布函数为f =x下的条件分布函数为 f (y x)= y J(x,y)dy ：(x) ②条件分布密度: ②条件分布密度: =y =y下的条件概率密度为 y)=墻， =x下的条件概率密度为 =x下的条件概率密度为 ；(yx)七。 随机变量的独立性 随机变量的独立性 (1)定义：若二维随机变量( (1)定义：若二维随机变量( :)的联合分布函数等于边缘分布函数的乘积，即 F(x,y) =F (x)F (y) 则称?与是相互独立的。 同样对n维随机变量(；，；，n)，若有 F(Xi,X2 川),Xn) ： I 丨 Fi(Xi) 成立，则称l「2,|||「n是相互独立的。 (2)判别方法： 离散型随机变量?与相互独立 --(洛必),卩｛订，二 yj｝二 P｛ =Xj｝P｛二 yj｝。 连续型随机变量■与 相互独立：= (x, y) =F?：(x)「(y) 随机变量函数的分布 (1)和=■的分布： 卷积公式： 「，)是连续型随机变量，其概率密度为 (x, y)，则?的概率密度 ：⑵=：］(x,z-x)dx= 1(z-y,y)dy 当?与相互独立时有 「⑵二 匚咚(x)「(Z -x)dx =［三汰(Z- y)「(y)dy 当■与 相互独立时，有下列结论： 若 ~ b(m p), ~ b(n2, p)，则「=匸:i! ~ bg 压，p)； TOC \