概率论与数理统计---二维离散型随机变量及其分布.pptxVIP

概率论与数理统计---二维离散型随机变量及其分布汇报人：AA2024-01-20

CATALOGUE目录二维离散型随机变量基本概念二维离散型随机变量条件分布二维离散型随机变量独立性二维离散型随机变量函数及其分布常见二维离散型随机变量分布二维离散型随机变量在实际问题中应用

二维离散型随机变量基本概念01

定义与性质定义设$X$和$Y$是两个随机变量，如果对于任意实数$x$和$y$，二元函数$P{X=x,Y=y}$都存在，则称$(X,Y)$为二维离散型随机变量。性质二维离散型随机变量$(X,Y)$的可能取值是平面上的点集，且这些点是至多可列的。

联合分布律性质联合分布律描述了$X$和$Y$同时取值的概率分布。定义对于二维离散型随机变量$(X,Y)$，其联合分布律为$P{X=x_i,Y=y_j}=p_{ij}$，其中$i,j$是正整数，且$0leqp_{ij}leq1$，$sum_{i=1}^{infty}sum_{j=1}^{infty}p_{ij}=1$。示例例如，在抛掷两枚硬币的试验中，设$X$表示正面朝上的硬币数，$Y$表示反面朝上的硬币数，则$(X,Y)$的联合分布律为$P{X=0,Y=2}=P{X=2,Y=0}=frac{1}{4}$，$P{X=1,Y=1}=frac{1}{2}$。

定义二维离散型随机变量$(X,Y)$关于$X$的边缘分布律为$P{X=x_i}=sum_{j=1}^{infty}p_{ij}$，关于$Y$的边缘分布律为$P{Y=y_j}=sum_{i=1}^{infty}p_{ij}$。性质边缘分布律描述了单个随机变量（如$X$或$Y$）取值的概率分布。示例在上面的抛掷两枚硬币的试验中，$X$的边缘分布律为$P{X=0}=P{X=2}=frac{1}{4}$，$P{X=1}=frac{1}{2}$；$Y$的边缘分布律为$P{Y=0}=P{Y=2}=frac{1}{4}$，$P{Y=1}=frac{1}{2}$。边缘分布律

二维离散型随机变量条件分布02

设(X,Y)为二维离散型随机变量，对于固定的x，若P{X=x}0，则称P{Y=y|X=x}=P{X=x,Y=y}/P{X=x}为在X=x条件下Y的条件分布律。定义条件分布律描述了在某个事件发生的条件下，另一个事件发生的概率。在二维离散型随机变量中，条件分布律用于描述一个随机变量取某个值时，另一个随机变量的分布情况。含义条件分布律定义

计算步骤首先确定二维离散型随机变量的联合分布律，然后根据条件分布律的定义，求出在X=x条件下Y的条件分布律。注意事项在计算条件分布律时，需要注意分母P{X=x}不能为0，否则条件分布律无法定义。条件分布律计算

条件分布律作为概率的一种表现形式，具有非负性，即P{Y=y|X=x}≥0。非负性归一性可加性独立性对于固定的x，条件分布律的和为1，即∑yP{Y=y|X=x}=1。若事件A与B互斥，则P{A∪B|X=x}=P{A|X=x}+P{B|X=x}。若X与Y相互独立，则P{Y=y|X=x}=P{Y=y}，即Y的取值与X的取值无关。条件分布律性质

二维离散型随机变量独立性03

两个随机事件A和B独立，当且仅当P(AB)=P(A)P(B)。对于二维离散型随机变量(X,Y)，若对任意x,y，均有P{X=x,Y=y}=P{X=x}P{Y=y}，则称X与Y相互独立。独立性定义

独立性判断方法直接验证上述独立性的定义是否成立。通过分布律判断对于二维离散型随机变量(X,Y)，若其联合分布律可分解为两个边缘分布律的乘积，即p(x,y)=p1(x)p2(y)，则X与Y相互独立。通过条件概率判断若P{X=x|Y=y}=P{X=x}或P{Y=y|X=x}=P{Y=y}对任意x,y成立，则X与Y相互独立。通过定义判断

赌博游戏在某些赌博游戏中，每次投掷的结果不会影响下次投掷的结果，因此每次投掷是相互独立的。可靠性工程在可靠性工程中，常常需要研究多个部件组成的系统的可靠性，若各个部件的寿命是相互独立的，则系统的可靠性可以简化为各个部件可靠性的乘积。排队论在排队论中，顾客的到达时间和服务时间通常假设为相互独立的随机变量，以便简化分析和计算。遗传学在遗传学中，某些基因的遗传是遵循独立遗传规律的，即一个基因的遗传不会受到其他基因的影响。独立性应用举例

二维离散型随机变量函数及其分布04

函数类型及定义域二维离散型随机变量函数通常表示为$Z=g(X,Y)$，其中$X$和$Y$是两个离散型随机变量，$g$是一个二元函数。函数类型函数的定义域由$X$和$Y$的所有可能取值组合构成，即$(x,y)inmathbb{Z}tim