概率论与数理统计二维随机变量及其分布.pptxVIP

概率论与数理统计二维随机变量及其分布汇报人：AA2024-01-20目录CONTENTS二维随机变量基本概念二维离散型随机变量二维连续型随机变量二维随机变量的独立性二维随机变量的数字特征二维随机变量函数的分布二维随机变量基本概念01定义与性质二维随机变量定义设E是一个随机试验，它的样本空间是S={e}，设X=X{e}和Y=Y{e}是定义在S上的随机变量，由它们构成的一个向量（X，Y），叫做二维随机变量或二维随机向量。二维随机变量的性质二维随机变量(X,Y)的性质不仅与X、Y各自的性质有关，而且还依赖于这两个随机变量的相互关系。联合分布函数联合分布函数的定义设(X,Y)是二维随机变量，对于任意实数x,y，二元函数：F(x,y)=P{(X=x)∩(Y=y)}=P(X=x,Y=y)称为二维随机变量(X,Y)的分布函数，或称为X和Y的联合分布函数。联合分布函数的性质1.F(x,y)对x,y是不减函数；2.0=F(x,∞)=1，0=F(∞,y)=1；3.F(x,-∞)=0，F(-∞,y)=0；4.F(x,y)关于x,y右连续；5.P{(Xx)(Yy)}=1-F(x,y)。边缘分布函数边缘分布函数的定义二维随机变量(X,Y)作为一个整体，具有分布函数F(x,y)，而X和Y都是随机变量，各自也有分布函数，将它们分别记为FX(x)，FY(y)，依次称为二维随机变量(X,Y)关于X和Y的边缘分布函数。边缘分布函数可以由联合分布函数确定。边缘分布函数的性质1.FX(x)，FY(y)分别是x和y的不减函数；2.0=FX(x)=1，0=FY(y)=1；3.FX(-∞)=0，FX(∞)=1；FY(-∞)=0，FY(∞)=1。二维离散型随机变量02联合概率分布定义非负性归一性设$X$和$Y$是两个离散型随机变量，称$P{X=x_i,Y=y_j}=p_{ij},i,j=1,2,ldots$为$X$和$Y$的联合概率分布。$p_{ij}geq0$，对所有的$i,j$。$sum_{i=1}^{infty}sum_{j=1}^{infty}p_{ij}=1$。边缘概率分布01定义：二维离散型随机变量$X$和$Y$的边缘概率分布定义为02$P{X=x_i}=sum_{j=1}^{infty}p_{ij},i=1,2,ldots$03$P{Y=y_j}=sum_{i=1}^{infty}p_{ij},j=1,2,ldots$04性质：边缘概率分布描述了随机变量$X$和$Y$各自取值的概率，与联合概率分布有关，但不等同于联合概率分布。条件概率分布定义设$P{X=x_i,Y=y_j}=p_{ij}0$，则称$P{X=x_i|Y=y_j}=frac{p_{ij}}{P{Y=y_j}}$为在$Y=y_j$条件下，$X=x_i$的条件概率。性质条件概率具有一般概率的性质，即非负性和归一性。同时，条件概率反映了在已知部分信息（如$Y=y_j$）的情况下，随机变量$X$取值的概率。二维连续型随机变量03联合概率密度函数定义性质几何意义设二维随机变量(X,Y)的分布函数为F(x,y)，如果存在非负函数f(x,y)，使得对于任意x,y有F(x,y)=∫∫f(u,v)dudv（积分区域为x≤u≤∞，y≤v≤∞），则称(X,Y)为连续型随机变量，f(x,y)称为(X,Y)的联合概率密度函数。联合概率密度函数f(x,y)具有非负性和规范性，即f(x,y)≥0，且∫∫f(x,y)dxdy=1（积分区域为全平面）。联合概率密度函数f(x,y)在点(x,y)处的值表示事件{X=x,Y=y}发生的概率密度，即在该点附近单位面积内事件发生的概率。边缘概率密度函数定义性质几何意义设二维连续型随机变量(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)=∫f(x,y)dy和fY(y)=∫f(x,y)dx（积分区域分别为全平面和x或y的取值范围）。边缘概率密度函数具有非负性和规范性，即fX(x)≥0，fY(y)≥0，且∫fX(x)dx=1，∫fY(y)dy=1（积分区域分别为x或y的取值范围）。边缘概率密度函数fX(x)和fY(y)分别表示随机变量X和Y在各自取值范围内取值的概率密度。条件概率密度函数要点一要点二要点三定义性质几何意义设二维连续型随机变量(X,Y)的联合概率密度函数为f(x,y)，边缘概率密度函数分别为fX(x)和fY(y)。若在某一区域内fY(y)0，则称条件概率密度函数为f(x|y)=f(x,y)/fY(