概率论与数理统计-3.2边缘分布.pptxVIP

概率论与数理统计-3.2边缘分布汇报人：AA2024-01-19

CATALOGUE目录边缘分布基本概念二维随机变量边缘分布条件分布与独立性多维随机变量边缘分布边缘分布在实际问题中应用总结与展望

01边缘分布基本概念

在多维随机变量中，某个随机变量的分布称为边缘分布，即固定其他随机变量的值，对该随机变量求分布。边缘分布定义边缘分布具有与联合分布相同的数学期望、方差等数字特征，且边缘分布之间相互独立。边缘分布性质定义与性质

离散型随机变量边缘分布律对于二维离散型随机变量(X,Y)，其边缘分布律为P{X=xi}=∑jP{X=xi,Y=yj}，P{Y=yj}=∑iP{X=xi,Y=yj}。离散型随机变量边缘分布函数二维离散型随机变量(X,Y)关于X的边缘分布函数为FX(x)=∑yP{X≤x,Y≤y}，关于Y的边缘分布函数为FY(y)=∑xP{X≤x,Y≤y}。离散型随机变量边缘分布

对于二维连续型随机变量(X,Y)，其边缘概率密度为fX(x)=∫?∞+∞f(x,y)dy，fY(y)=∫?∞+∞f(x,y)dx。连续型随机变量边缘概率密度二维连续型随机变量(X,Y)关于X的边缘分布函数为FX(x)=∫?∞xfX(t)dt，关于Y的边缘分布函数为FY(y)=∫?∞yfY(t)dt。连续型随机变量边缘分布函数连续型随机变量边缘分布

02二维随机变量边缘分布

定义对于二维随机变量(X,Y)的联合分布函数F(x,y)，分别固定一个变量而对另一个变量取极限，所得到的函数称为(X,Y)关于X和Y的边缘分布函数。表达式FX(x)=lim?y→+∞F(x,y)FY(y)=lim?x→+∞F(x,y)FX(x)=lim_{yto+infty}F(x,y)FY(y)=lim_{xto+infty}F(x,y)FX(x)=limy→+∞?F(x,y)FY(y)=limx→+∞?F(x,y)性质边缘分布函数FX(x)和FY(y)分别是X和Y的一维分布函数。X和Y的边缘分布函数

X和Y的边缘概率密度函数如果二维随机变量(X,Y)的联合概率密度函数为f(x,y)，则X和Y的边缘概率密度函数分别为fX(x)和fY(y)，其中fX(x)是f(x,y)对y的积分，fY(y)是f(x,y)对x的积分。表达式fX(x)=∫?∞+∞f(x,y)dyfY(y)=∫?∞+∞f(x,y)dxfX(x)=int_{-infty}^{+infty}f(x,y)dyfY(y)=int_{-infty}^{+infty}f(x,y)dxfX(x)=∫?∞+∞?f(x,y)dyfY(y)=∫?∞+∞?f(x,y)dx性质边缘概率密度函数fX(x)和fY(y)分别是X和Y的一维概率密度函数，满足非负性和归一性。定义

如果两个随机变量相互独立，则它们的联合概率密度函数等于各自边缘概率密度函数的乘积，即f(x,y)=fX(x)fY(y)。在某些情况下，可以通过已知的边缘分布来推断联合分布的一些性质，但这种推断通常是不完全的。边缘分布与联合分布是相互关联的，联合分布决定了边缘分布，但边缘分布不能完全确定联合分布。边缘分布与联合分布关系

03条件分布与独立性

条件分布定义及性质条件分布定义条件分布是指在给定某些条件下，随机变量的分布情况。在概率论中，条件分布通常用于描述两个或多个随机变量之间的关系。条件分布性质条件分布具有一些重要的性质，如条件概率的乘法公式、全概率公式和贝叶斯公式等。这些性质在解决复杂概率问题时非常有用。

对于离散型随机变量，条件分布是指在给定一个离散型随机变量的取值条件下，另一个离散型随机变量的分布情况。离散型随机变量条件分布定义计算离散型随机变量的条件分布，通常需要使用条件概率的乘法公式和全概率公式。具体计算步骤包括列出所有可能的取值组合，计算每个组合的条件概率，并整理成表格或图形形式。离散型随机变量条件分布计算离散型随机变量条件分布

连续型随机变量条件分布定义对于连续型随机变量，条件分布是指在给定一个连续型随机变量的取值条件下，另一个连续型随机变量的分布情况。连续型随机变量条件分布计算计算连续型随机变量的条件分布，通常需要使用条件概率密度函数和边缘概率密度函数。具体计算步骤包括确定条件概率密度函数的表达式，求解边缘概率密度函数，并根据需要进行图形展示。连续型随机变量条件分布

VS如果两个随机变量的联合分布等于它们各自边缘分布的乘积，则称这两个随机变量是独立的。随机变量独立性判断方法判断两个随机变量是否独立，可以通过比较它们的联合分布和边缘分布的乘积来实现。如果两者相等，则随机变量独立；否则，随机变量不独立。在实际应用中，还可以使用相关系数、卡方检验等方法来判断随机变量的独立性。随机变量独立性定义随机变量独立性判断方法

04多维随机变