第三章n元随机变量及其分布x资料
第三章 多维随机变量及其分布 第一节 二维随机变量及其分布函数 概率论课件
前面我们介绍了二维随机变量的概 念, 二维随机变量的分布函数及其性质。
二维随机变量也分为离散型和连续型, 下面我们分别讨论它们。
三、二维离散型随机变量 及其概率分布
如果二维随机变量(X,Y)的每个分 量都是离散型随机变量,则称(X,Y)是 二维离散型随机变量.
二维离散型随机变量(X,Y)所有可 能取的值也是有限个或可列无穷个.
求: 二维随机变量(X,Y)的概率分布和其边缘分 布.
解: (X,Y)所有可能取的值是
(0,0),(0,1),(1,0,),(1,1).
P{X=0,Y=0}
=P{第一次取到正品且第二次也取到正品},
利用古典概型,得: P{X=0,Y=0}=(76)/(109)=7/15
同理求得:
P{X=0,Y=1}=(73)/(109)=7/30
第三章
多维随机变量及其分布
一般地,我们称n个随机变量的整体
X=(X1, X2, …,Xn)为n维随机变量或随
机向量. 以下重点讨论二维随机变量.
请注意与一维情形的对照 .
第三章 第一节
二维随机变量及其分布函数
一、二维随机变量
设随机试验E的样本空间是Ω,X=X() 和Y=Y()是定义在Ω上的随机变量, 由它们 构成的向量(X,Y),称为二维随机变量(向量)。
而把F(x,y)称为X和Y的联合分布函数。
注意
X与Y的边缘分布函数,实质上就是一维随 机变量X或Y的分布函数。称其为边缘分布函数 的原因是相对于(X,Y)的联合分布而言的。
同样地,(X,Y)的联合分布函数F(x, y)是相 对于(X,Y)分量X与Y的分布而言的。
求法
FX(x)=P{X≤x}=P{X≤x,Y<∞}=F(x,∞) FY(y)=P{Y≤y}=P{X<∞,Y≤y}=F(∞,y)
第三章相互独立的随机变量(多维随机变量及其分布)
f X ( x) fY ( y), x, y R,
10:42:20
即 1 , 2 , 1 , 2 ; ), 且已知X与Y
2 2
相互独立, 由于 f ( x , y ),f X ( x ),fY ( y )都是连续函数,
故对于所有的 x , y , f ( x , y ) f X ( x ) fY ( y )成立, 特别地,取 x 1 , y 2 , 则 f ( 1 , 2 ) f X ( 1 ) fY ( 2 ),
求X与 Y的边缘分布函数,并判断X与Y是否相互 独立?
x
y
10:42:20
2
(1 e x )(1 e y ), x 0, y 0, F ( x, y) 解 其它. 0, 1 e x , x 0, F X ( x ) F ( x , ) 其它. 0, 同理 y 1 e , y 0, FY ( y ) F ( , y ) 其它. 0,
则X , Y独立的充分必要条件是 随机向量 ( X ,Y ) 有联合密度 f ( x , y ),且 f ( x , y ) f X ( x ) fY ( y )
在平面上几乎处处成立 .
这里“几乎处处成立”的含义是:在平面上 除去面积为0的集合外,处处成立.
10:42:20
9
下面考察二维正态随机变量的两个分量的 独立性. 由第二节的讨论可知,
10
f ( x, y)
1 2σ1σ 2 1 ρ
2
( X , Y ) ~ N ( 1 , 2 , 1 , 2 ; ),
2 2
1 ( x μ1 ) 2 ( x μ1 )( y μ2 ) ( y μ2 ) 2 exp 2ρ 2 2 2 σ1 σ 2 σ2 2(1 ρ ) σ1
《随机变量及分布》课件
应用
广泛应用于统计学和实证研究中的抽 样分布及模拟实验。
总结
• 随机变量与分布的概念 • 离散型随机变量及其分布 • 连续型随机变量及其分布 • 常见离散型与连续型随机变量分布 • 中心极限定理的应用
次数的概率分布。
3
几何分布
用于描述在成功与失败交替出现的是/
超几何分布
4
非试验中成功首次出现的概率分布。
用来描述无放回抽样实验中成功次数 的概率分布。
常见的连续型随机变量分布
均匀分布
在某个区间内取值的概率密度函数恒定的随 机变量。
指数分布
描述等待时间的概率分布。
正态分布
钟形曲线,广泛应用于自然科学和社会科学 中。
样本空间与事件
样本空间是所有可能的结果的集合,事件是样 本空间的子集。
离散型随机变量
概率分布函数
描述离散型随机变量的取值与可能取到的值与其概率乘积的 和。
概率质量函数
用来描述离散型随机变量分布的函数。
方差
测量随机变量离其期望值的平均距离。
连续型随机变量
概率密度函数
《随机变量及分布》PPT 课件
欢迎来到《随机变量及分布》PPT课件。本课程将带你深入了解随机变量的概 念、离散型和连续型随机变量的分布以及中心极限定理的应用。
随机变量
什么是随机变量
对随机试验结果的数值化描述,并依赖于试验 的具体情况。
离散型随机变量
取有限个或可数个数值的随机变量。
连续型随机变量
取连续数值的随机变量。
描述连续型随机变量在某个区间内取值的概率 密度。
累积分布函数
描述连续型随机变量在某个数值前取值的概率。
期望
随机变量每个可能取到的值与其概率密度乘积 的积分。
多元随机变量及其分布函数
多元随机变量及其分布函数随机变量是概率论与统计学中的基础概念,它是指在一次随机试验中,能够取到的所有可能的值。
单个随机变量只有一个取值,但是现实世界中有很多情况是需要考虑多个随机变量,因此就有了多元随机变量的概念。
本文将介绍多元随机变量及其分布函数。
一、多元随机变量的定义假设有n个随机变量$X_{1},X_{2},...,X_{n}$,如果这些随机变量是在同一个概率空间上定义的,则这n个随机变量组成的向量$(X_{1},X_{2},...,X_{n})$就是一个多元随机变量。
我们可以将多元随机变量看作是一个n维向量空间中的一个点。
在多元随机变量中,每个随机变量都有自己的分布函数。
对于一个n元随机变量$(X_{1},X_{2},...,X_{n})$,其分布函数记为$F(x_{1},x_{2},...,x_{n})$,定义为:$$F(x_{1},x_{2},...,x_{n}) = P(X_{1} \leq x_{1}, X_{2} \leqx_{2}, ..., X_{n} \leq x_{n})$$其中$(x_{1},x_{2},...,x_{n})$是n个实数,表示$(X_{1},X_{2},...,X_{n})$的取值点。
二、多元离散型随机变量的分布函数对于多元离散型随机变量$(X_{1},X_{2},...,X_{n})$,其取值只能是离散值,其分布函数定义为:$$F(x_{1},x_{2},...,x_{n}) = P(X_{1} \leq x_{1}, X_{2} \leqx_{2}, ..., X_{n} \leq x_{n})$$显然,对于每个$(x_{1},x_{2},...,x_{n})$,其$F(x_{1},x_{2},...,x_{n})$都是一个概率值,而当所有$(x_{1},x_{2},...,x_{n})$取遍所有可能的值时,就可以得到分布函数的全貌。
三、多元连续型随机变量的分布函数对于多元连续型随机变量$(X_{1},X_{2},...,X_{n})$,其分布函数可以写成积分形式:$$F(x_{1},x_{2},...,x_{n}) = \int_{-\infty}^{x_{1}} \int_{-\infty}^{x_{2}} \cdots \int_{-\infty}^{x_{n}} f(u_{1},u_{2},...,u_{n}) du_{1} du_{2} \cdots du_{n}$$其中$f(u_{1},u_{2},...,u_{n})$是$(X_{1},X_{2},...,X_{n})$的概率密度函数。
连续随机变量及其分布
0, 2 F(x)= Ax , 1,
试求: (1)系数 A;
x 0, 0 x 1, x 1.
(2)X 落在区间(0.3,0.7)内的概率; (3)X 的密度函数.
数学与信息工程系
例2:设随机变量X具有概率密度
求:(1)常数a;(2)
(3)X的分布函数F(x)
解: (1)由概率密度的性质可知
查出 ( x) ( x) 立即可得 ( x) ( x).
数学与信息工程系
第三节 连续随机变量及其分布
设 X ~ N ( , 2 ), 则有
P( X ) ? 0.6826 P( 2 X 2 ) ? 0.9544 P( 3 X 3 ) ? 0.9974
30 1 1 d x 10 30 25 30 dx 15
=1/3.
数学与信息工程系
例
X ~ U(2, 5). 现在对 X 进行三次独 立观测,试求至少有两次观测值大 于 3 的概率.
解: 记 A = { X > 3 }, 则 P(A) = P( X> 3) = 2/3
设 Y 表示三次独立观测中 A 出现的次数, 则 Y~ b(3, 2/3),所求概率为 P(Y≥2) = P(Y=2)+P(Y=3) 2 3 0 2 2 1 3 2 1 C3 C3 =20/27 3 3 3 3
f ( x)
F( x )
1
O
x
O
x
数学与信息工程系
第三节 连续随机变量及其分布
指数分布最常见的一个场合是寿命分布.
指数分布具有“无记忆性”
对于任意 s,t >0,有
概率论与数理统计课件第三章
f
(x,
y)
1
21 2
1
2
exp
1
2(1 2 )
(x
1)2
2 1
2
(x
1)( y 1 2
2 )
(y
2)2
2 2
其中1、2、1、 2、都是常数,且1 0, 2 0,1 1.
则称(X,Y)服从参数为1、2、1、的二2、维 正态分布,
记为
(X
,Y)
~
N (1,
2
,
2 1
,
2 2
2F(x, y) f (x, y) xy
(5)若(X,Y)为二维连续型随机向量,联合概率密度为f(x,y),则
F(x,y) P{X x,Y y}
返回
X
18
第
页
例5 设二维随机变量(X,Y)的概率密度为
Ae2(x y) , x 0, y 0
f (x, y)
0, 其他
(1)确定常数A;
分别为(X,Y)关于X和Y的边缘分布函数.
返回
X
25
第
页
例1 设二维随机向量(X,Y)的联合分布函数为
(1 e2x )(1 e3y ), x 0, y 0,
F(x, y)
0, 其他.
求边缘分布 FX (x), FY ( y)
当x
0时,FX
(x)
lim (1
y
e2 x
)(1
e3 y
)
1
e2 x
返回
X
14
第
例3 设随机变量Y~N(0,1),令
0, X 1 1,
| Y | 1
0,
|Y
|
高中数学随机变量及其分布内容简介
高中数学随机变量及其分布内容简介
随机变量是概率论中的重要概念,指的是一个变量的取值由随机试验的结果决定。
在高中数学中,我们常常接触到一些常见的随机变量及其分布,这些内容是数学学习中的重要一环。
首先,我们要了解离散随机变量及其分布。
离散随机变量是指只取有限个或可数无限个可能值的随机变量。
在离散随机变量的分布中,最常见的是二项分布和泊松分布。
二项分布是指在n次独立重复的伯努利试验中成功的次数的概率分布,而泊松分布则是用于描述单位时间(或单位面积、单位体积)内随机事件发生的次数的分布。
另外,连续随机变量及其分布也是我们需要了解的内容。
连续随机变量是指取值在一段或多段连续区间内的随机变量。
在连续随机变量的分布中,最常见的是正态分布和指数分布。
正态分布是一种在数学、物理、工程领域中非常常见的分布,其形状呈钟形曲线,具有均值和标准差这两个参数。
而指数分布则是描述独立随机事件发生的时间间隔的分布。
在学习高中数学中的随机变量及其分布时,我们需要掌握如何计算随机变量的期望值、方差以及概率分布等重要性质。
通过学习随机变量及其分布,我们可以更好地理解概率论中的概念,为后续的数学学习打下坚实的基础。
总的来说,高中数学中的随机变量及其分布是一项重要的内容,通过学习这一部分知识,我们可以更好地理解概率论的相关概念,提高数学分析和问题解决的能力。
希望同学们能够认真学习这一部分内容,掌握其中的关键知识点,为未来的学习和发展打下良好的基础。
第三章 多维随机变量及其分布
则称X 1 , X 2 , , X n相互独立。
3.3
多维随机变量函数的分布
一、多维离散随机变量函数的分布 二、最大值与最小值的分布
三、连续场合的卷积公式
四、变量变换法
一、多维离散随机变量函数的分布
泊松分布的可加性
设X P(1 ), Y P(2 ),且X 与Y 独立,则Z X Y P(1 2 ).
二项分布的可加性
设X b(n, p), Y P(m, p),且X 与Y 独立,则Z X Y b(n m, p).
二、最大值和最小值的分布
最大值分布
设X1 , X 2 , , X n是相互独立的n个随机变量,若Y max( X1 , X 2 , , X n ), 则Y的分布称为最大值分布。
y y
0
1
U g1 ( X , Y ) V g2 ( X , Y )
则(U ,V )的联合分布函数为 p( , ) p( x( , ), y( , )) | J |
积的公式
设X 与Y 相互独立,其密度函数分别为p X ( x)和pY ( y )。则 U XY的密度函数为 pU ( )
P( X x , Y y ) P( X x ), i 1, 2,
j 1 i j i
被称为X 的边际分布列,类似地,对i求和所得的分布列
P( X x , Y y ) P(Y y ), j 1, 2,
i别地, 当n 2时( X , Y )为二维随机变量。
其联合分布函数为( F x, y) P (X x, Y y)
若F(x,y)是二维随机变量(X,Y)的分布函数, 则 它表示随机点(X,Y)落在二维区域D内的概率, 其中D 如下图所示:
第三章多维随机变量及其分布
第三章多维随机变量及其分布第三章多维随机变量及其分布在许多随机试验中,需要考虑的指标不⽌⼀个。
例如,考查某地区学龄前⼉童发育情况,对这⼀地区的⼉童进⾏抽样检查,需要同时观察他们的⾝⾼和体重,这样,⼉童的发育就要⽤定义在同⼀个样本空间上的两个随机变量来加以描述。
⼜如,考察礼花升空后的爆炸点,此时要⽤三个定义在同⼀个样本空间上的随机变量来描述该爆炸点。
在这⼀章中,我们将引⼊多维随机变量的概念,并讨论多维随机变量的统计规律性。
1.⼆维随机变量及其分布在这⼀节中.我们主要讨论⼆维随机变量及其概率分布,并把它们推⼴到n维随机变量。
1.⼆维随机变量及其分布函数1.⼆维随机变量定义3.1 设Ω ={ω }为样本空间,X=X(ω )和Y=Y(ω )是定义在Ω上的随机变量,则由它们构成的⼀个⼆维向量(X,Y)称为⼆维随机变量或⼆维随机向量.⼆维向量(X,Y)的性质不仅与X及Y有关,⽽且还依赖于这两个随机变量的相互关系。
因此,逐个讨论X和Y的性质是不够的,需把(X,Y)作为⼀个整体来讨论。
随机变量X常称为⼀维随机变量。
2. ⼆维随机变量的联合分布函数与⼀维的随机变量类似,我们也⽤分布函数来讨论⼆维随机变量的概率分布。
定义3.2 设(X,Y)是⼆维随机变量,x,y为任意实数,事件(X≤x)和(Y≤y)的交事件的概率称为⼆维随机变量(X,Y)的联合分布或分布函数,记作F(x,y),即若把⼆维随机变量(X,Y)看成平⾯上随机点的坐标,则分布函数F (X,Y)在(x,y)处的函数值就是随机点(X,Y)落⼊以(x,y)为定点且位于该点左下⽅的⽆穷矩形区域内的概率(见图3-1)。
⽽随机点(X,Y) 落在矩形区域内的概率可⽤分布函数表⽰(见图3-2)分布函数F (x,y)具有以下的基本性质。
(1) 0≤F (x,y)≤1.对于任意固定的x和y,有(2) F (x,y)是变量x或y的单调不减函数,即对任意固定的y,当x2 ≥x1时,;对任意固定的x,当y2 ≥y1时,。
第三章n元随机变量及其分布x
0.7 0.3 0.21 P{ X1 1, X 2 1} 0.3 0.3 0.09
有放回抽取
X1 0 1
X2
0 0.49 0.21
1 0.21 0.09
例 2. 一口袋中有 4 个球,依次标有数字 1,2,2,3.从袋中 任取一球后,不放回袋中, 再从袋中任取一球.设每次取 球时,袋中每个球被取到的概率相等,以 X , Y 分别记第 一、 二次取得的球上标有的数字, 求 ( X , Y ) 的概率分布。
是否构成二维随机向量的联合概率密度函数?
其中:D为可度量的平面区域,SD为区域D的面积. 解: (1)f(x,y)≥0;
(2)
1 dxdy =1 SD D
所以,f(x,y)构成二维随机向量的联合概率密度函数 此时,称(X,Y)服从区域D上的均匀分布.
Ae (2 x 3 y ) , x 0, y 0 例3.1.6.若(X,Y)~ f ( x, y) 0, 其它 (3) P(X≤x,Y≤y). 试求:(1)常数 A ;(2)P{ X<2, Y<1};
D
则称 (X,Y)为二维连续型随机向量,f(x,y)为联合概 率密度,记为(X,Y)~f(x,y). ⒉性质: (1) f(x,y)≥0 ,(x,y)∈R2
或
(3)P{(X,Y) D} f(x,y)dxdy
D
f ( x , y )dxdy 1
注意: 满足上述性质(1)(2)的二元函数为某随机向量 的联 合概率密度.
P(X=0,Y=0)+ 得 P(X≥0,Y≤1)= P(X=0,Y=1)+P(X=1,Y=0)+P(X=1,Y=1) =0.1+0.2+0.1+0.2 =0.6 (3)P(X≤1,Y≤1) =P(X=-1,Y=0)+P(X=-1,Y=1)+P(X=0,Y=0) +P(X=0,Y=1)+P(X=1,Y=0)+P(X=1,Y=1) =0.75
随机变量及其分布
随机变量(random variable)表示随机试验各种结果的实值单值函数。例如某一时间内公共汽车站等车乘客人数,电话交换台在一定时间内收到的呼叫次数等等,都是随机变量的实例。
所谓随机变量,就是试验结果和实数之间的一个对应关系,这与函数概念本质上是相同的,只不过在函数概念中,函数f(x)的自变量是实数x,而在随机变量的概念中,随机变量X的自变量是试验结果。
(1)恰好有三家煤矿必须整改的概率;
(2)至少关闭一家煤矿的概率。(精确到 )
粒种子分种在甲、乙、丙 个坑内,每坑 粒,每粒种子发芽的概率为 ,若一个坑内至少有 粒种子发芽,则这个坑不需要补种;若一个坑内的种子都没发芽,则这个坑需要补种。
(1)求甲坑不需要补种的概率;
(2)求 个坑中需要补种的坑数 的分布列;
设随机变量 服从标准正态分布 ,若 ,则 ()
A. B. C. D.
设随机变量 ,且 ,则c等于()
设 的概率密度函数为 ,则下列结论错误的是()
(A) (B)
(C) 的渐近线是 (D) ~
设随机变量 服从正态分布 ,记 ,则下列结论不正确的是()
A. B.
C. D.
在某校举行的数学竞赛中,全体参赛学生的竞赛成绩近似服从正态分布 。已知成绩在90分以上(含90分)的学生有12名。
特殊的离散型随机变量:
1.两点分布
如果随机变量X的分布列为:
X
1
0
P
p
q
其中0<p<1,q=1-p,则称离散型随机变量X服从参数为P的两点分布。
两点分布也称为(0—1)分布。也即是伯努利实验的分布。
篮球运动员在比赛中每次罚球命中得1分,罚不中得0分,已知他命中的概率为0.7,求他罚球一次得分的分布列。
§3、连续型随机变量及其分布
综上所述,即得随机变量X的分布函数为
0, 当x 0时 1 F ( x) x 2 , 当0 x 2时 4 1, 当x 2时
对F(x)求导数,可得 x 2时 f ( x) F ( x) 2 0, 其它
P{a X b} F (b) F (a ) b a .
x
x
x 2 a x 2 a x dx a x arcsin C . 2 2 a
2 2
2
8
③当
x x 1 时,
1
F ( x)
f (t )dt
2 0 1 t 2 dt 0 1 1;
注:积分 所以
1
1
1 1 t dt 12 为单位圆面积一半. 2
19
正态分布密度函数 图形曲线的几何性质: (1)概率密度曲线 关于 x =μ为轴对称; (2)密度函数的 最大值为
f max ( x ) f ( )
(3)在点 x±μ处有拐点,凸凹区间为 (, ), ( , ), ( ,); (4)概率密度曲线以 x 轴为水平渐近线. 参数μ (X的数学期望)是其位置参数;参数σ (X的均方差)是其形状参数.
注:分布函数F(x)的不可导点仅两个,……
6
【例1】设随机变量X的概率密度为
求X的分布函数. 【解】 注意到其概率密度 f(x)是分段函数,因此 根据其分段定义区间(-∞,-1],(-1,1],(1,+∞),分段 求其分布函数F(x). ①当
x
2 1 x 2 , 1 x 1, f ( x) 其它, 0,
随机变量及其分布课件
多维随机变量的数学期望与方差
数学期望
多维随机变量的期望值是每个随机变量期望值的 线性组合。
方差
多维随机变量的方差是每个随机变量方差和协方 差的组合。
协方差
衡量两个随机变量之间的线性相关程度。
Байду номын сангаас
PART 05
随机变量的变换
REPORTING
WENKU DESIGN
线性变换
1 2
线性变换公式
$Y = aX + b$,其中$a$和$b$是常数,$X$是 随机变量,$Y$是变换后的随机变量。
超几何分布
当从一个有限总体中不放回地抽取样本时,所得到的离散型随机变量服从超几何分布。
离散型随机变量的数学期望与方差
数学期望
离散型随机变量的数学期望是所有可能取值的概率加权和,表示随机变量取值的平均水平。
方差
离散型随机变量的方差是所有可能取值的概率加权平方和的平均值,表示随机变量取值分散程度的度 量。
随机事件的概率计算
在概率论中,随机事件的概率可以通过随机变量的取值来 计算,随机变量为随机事件的概率计算提供了具体的方法 和手段。
在统计学中的应用
01
样本数据的统计分析
在统计学中,随机变量被广泛用于样本数据的统计分析,如均值、方差、
协方差等统计量都是基于随机变量的计算。
02 03
参数估计与假设检验
线性变换的性质
线性变换保持了均值、方差和线性关系等统计特 性。
3
线性变换的应用
在回归分析、时间序列分析和实验设计中广泛使 用。
非线性变换
非线性变换公式
$Y = f(X)$,其中$f$是一个非线性函数,$X$是随机变量,$Y$ 是变换后的随机变量。
西北工业大学《概率论与数理统计》课件-第3章多维随机变量及其分布
第三章多维随机变量及其分布关键词:二维随机变量分布函数分布律概率密度边缘分布函数边缘分布律边缘概率密度条件分布函数条件分布律条件概率密度随机变量的独立性Z=X+Y的概率密度Z=Y/X及Z=XY的概率密度M=max(X,Y)及N=min(X,Y)的概率密度例:研究某一地区学龄儿童的发育情况。
仅研究身高H 的分布或仅研究体重W 的分布是不够的。
需要同时考察每个儿童的身高和体重值,研究身高和体重之间的关系,这就要引入定义在同一样本空间(即某地区全部学龄前儿童)的两个随机变量。
问题的提出实际中,某些随机试验的结果需要同时用两个或两个以上的随机变量描述例:研究某种型号炮弹的弹着点分布。
每枚炮弹的弹着点位置需要由横坐标和纵坐标来确定,而它们是定义在同一样本空间的两个随机变量。
一、二维随机变量的定义设E是一个随机试验,样本空间S={e};设X=X(e)和Y=Y(e)是定义在S上的随机变量,由它们构成的向量(X,Y)叫做二维随机向量或二维随机变量。
S ey()()(),X e Y ex(X,Y)的性质不仅与X及Y有关,还依赖于X,Y间的相互关系,需将(X,Y)作为整体研究二、二维随机变量的分布函数设(X ,Y )是二维随机变量,对于任意实数x , y ,二元函数称为二维随机变量(X ,Y )的分布函数,或称为随机变量X 和Y 的联合分布函数。
{}(,)()()(,)F x y P X x Y y P X x Y y =≤≤==≤≤ 记成1、定义:若将(X ,Y )看成平面上随机点的坐标,则F (x ,y )在(x ,y )处的函数值即为随机点落在(x ,y )左下方无穷域内的概率2、几何意义:(X ,Y )落在矩形区域[x 1<x ≤x 2, y 1<y ≤y 2]上的概率为x 1x 2yy 1y 20xy(x,y )1212(,)P x x x y y y <≤<≤()()()()22211211,,,,F x y F x y F x y F x y --+=3、性质:1212,(,)(,)y x x F x y F x y <⇒≤任意固定当x 1x 2(x 1,y )(x 2,y )yy 2xy 1(x ,y 1)(x ,y 2)1212,(,)(,)x y y F x y F x y <⇒≤任意固定0(,)1F x y ≤≤ (,)0 (,)0(,)0,(,)1y F y x F x F F -∞=-∞=-∞-∞=+∞+∞=对任意固定,对任意固定,(1) 不减性:F (x , y )关于x , y 单调不减,即(2) 有界性:且(3) 右连续性0(,)(,)lim F x y F x y εε+→+=0(,)(,)lim F x y F x y εε+→+=(),,F x y x y 关于右连续,即:()222112111212(,)(,)(,)(,),0F x y F x y F x y F x y P x X x y Y y --+=<≤<≤≥ 1x 2x 1y 2y 01212,,x x y y <<若则22211211(,)(,)(,)(,)0F x y F x y F x y F x y --+≥(4)三、二维离散型随机变量及其分布律1、定义:,,,,21m x x x X 的可能值为设,,,,21n y y y Y 的可能值为中心问题:(X ,Y )取这些可能值的概率分别为多少?若二维随机变量(X ,Y )所有可能的取值是有限对或可列无限对,则称(X ,Y )是二维离散型随机变量。
概率论3_1随机向量的分布
D
边缘密度函数
由性质(3) 边缘分布函数FX(x)可表示为
FX(x)P{Xx}P{Xx Y}
x
f (s, t)dsdt
x
[ f (s, t)dt]ds
由(313)知 X是连续型随机变量 且其密度函数为
(313)
fX (x) f (x, y)dy
同理 Y是连续型随机变量 其密度函数为
(316)
例34(1) 设随机向量(X1 Y1)的密度函数f(x y)为
f (x, y)k10x,y,
0 x1, 0 y 1, 其他.
求参数k1的值及(X1 Y1)的边缘密度函数
解 由密度函数的性质 有
11
f (x, y)dxdy 0 0k1xydxdy 1
由此易得k14 (X1 Y1)的边缘密度函数为
第三章随机向量随机向量的分布一随机向量及其分布函数二离散型随机向量的概率分布三连续型随机向量的概率密度函数四二元正态分布一随机向量及其分布函数定义31随机向量p上的一个n维随机向量定义32联合分布函数的联合分布函数说明的交事件二维随机向量xy的分布函数fxsy的概率说明的概率可用分布函数表示为边缘分布函数如果xy的分布函数fxy已知则由fxy可导出x和y各自的分布函数fy为联合分布函数fxy的边缘分布函数二离散型随机向量的概率分布定义33二维离散型随机向量如果二维随机向量xy只取有限个或可数个值y为二维离散型随机向量定义34联合概率分布设随机向量xy的所有可能取值为x则称36为随机向量xy的概率分布或x和y的联合概率分联合概率分布表随机向量xy概率分布可用表格形式表示如下表并称之为联合概率分布表的联合概率的分布可以求出x通常称3738为联合概率分布pxx2号邮筒中信的数求x和y的联合概率分布及边缘概率分y取各种可能值的概率例如311三连续型随机向量的概率密度函数定义35二维连续型随机向量y为二维随机向量分布函数为fxy为二维连续型随机向量并称fxy的概率密度函数简称密度函数或x与y的联合密度函数联合密度函数的性质边缘密度函数由性质3边缘分布函数f由313知x是连续型随机变量且其密度函数为同理y是连续型随机变量其密度函数为通常称314315中的f例33均匀分布设g是平面上的一个有界区域其面积记作sg二维连续的随机向量xy的密度函数按题意可设xy的密度函数为由密度函数的性质可得316说明如果一个二维随机向量xy服从区域g上的均匀分布的边缘密度函数由密度函数的性质的边缘密度函数由密度函数的性质四二元正态分布二元正态分布二元正态分布以为中心在中心附近具有较高的密度离中心越远密度越小设随机向量xy的密度函数为318其中的二元正态分布记作对称地可知比较联合密度函数xy和边缘密度函数对称地可知二元正态分布的边缘分布是一元正态分布它们的参数对应于二元正态分布的前4个参数不同的二元正态分布比如不同的可以有相同的边缘分布因而由边缘分布不能惟一确定联合分布为了确定一个二元正态分布的密度函数除了知道边缘分布以外还须知道参数的值特别地如果0
概率论与数理统计讲义第三章 多维随机变量及其分布
第三章多维随机变量及其分布随机向量的定义:随机试验的样本空间为S={ω},若随机变量X1(ω),X2(ω),…,X n(ω)定义在S上,则称(X1(ω),X2(ω),…,X n(ω))为n维随机变量(向量)。
简记为(X1,X2,…,X n)。
二维随机向量(X,Y),它可看作平面上的随机点。
对(X,Y)研究的问题:1.(X,Y)视为平面上的随机点。
研究其概率分布——联合分布率、联合分布函数、联合概率密度;Joint2.分别研究各个分量X,Y的概率分布——边缘(际)分布律、边缘分布函数、边缘概率密度;marginal3.X与Y的相互关系;4.(X,Y)函数的分布。
§ 3.1 二维随机变量的分布一.离散型随机变量1.联合分布律定义3.1 若二维随机变量(X,Y)可能取的值(向量)是有限多个或可列无穷多个,则称(X,Y) 为二维离散型随机变量。
设二维离散型随机变量(X,Y)可能取的值(x i,y j), i,j=1,2…,取这些值的概率为p ij=P{(X,Y)=(x i,y i)}=p{X=x i,Y=y i}i, j=1,2,…——(3.1)称 (3.1)式为(X,Y)的联合分布律。
(X,Y)的联合分布律可以用表格的形式表示如下:性质:(1) p ij ≥ 0,i, j=1,2,… (2) ∑ji ij p ,=12.边缘分布律设二维离散型随机变量(X,Y) 的联合分布律为p ij = P{X=x i ,Y=y i } i, j=1,2,…分量X 和Y 的分布律分别为 p i.=P{X=x i } i=1,2,… 满足①p i.≥0②∑ p i.=1p .j = p{Y=y i }j=1,2,… ①p .j ≥0②∑ p .j =1我们称p i.和p .j 分别为(X,Y)关于X 和Y 的边缘分布律,简称为(X,Y)的边缘分布律。
二维离散型随机变量(X,Y) 的联合分布律与边缘分布率有如下关系: p i.=P{X=x i }=P{X=x i , S}=P{X=x i ,∑(Y=y j )}=j∑P{X=x i ,Y=y j }=j∑p ij (3.4) 同理可得 p .j =i∑p ij(3.5)例1:一整数X 随机地在1,2,3三个整数中任取一值,另一个整数Y随机地在1到X中取一值。
3-1-随机变量及分布函数
P ( a b ) F ( b ) F ( a 0)
概率论-第三章
0 x0 2010年考研题 1 设随机变量X的分布函数为F ( x ) 2 0 x 1 x 求P ( X 1) 1 e x1
解
P ( X 1) P ? ( X 1) P ( X 1)
( ) 称为是样本空间 上的(实值)随机变量,称
F ( x ) P ( ( ) x ) , x (, )
是随机变量 ( )的分布函数
注意: F(x)
是一个普通 概率论-第三章 的函数!
作业 186页 1,7
分布函数的性质
(1) 单调性 若x1 x2 , 则F ( x1 ) F ( x2 )
注意: 离散
型用分布列简 单
概率论-第三章
F ( x 0) F ( x ) P ( x )
事件的概率均可以用分 布函数F ( x )表示
必须记住, P ( b) F (b 0) 考研常考! P ( b) 1 F (b 0) P ( b) P( b) P( b) F ( b ) F ( b 0) P (a b) F ( b ) F ( a )
1 1 1 1 e e 2 2
1
注意:随机变量为混合型
概率论-第三章
设F1 ( x )与F2 ( x ) 分别为任意两个随机变量分布函数,
B 中”这一事件为 B , 则上述等可能 无关”.如果记”落入
l d c B •104页意味着 P ( B ) 几何概 ba ba 率 如果投在 [a , b]中的点的坐标为 (a b) ,令 ( ) (a b) ( )为随机变量 显然它的可能取值充满整个区间 [a , b .] •不是离 如何描述 ( )的统计规律性? 散型随
概率论课件多元随机变量及其分布
概率论课件多元随机变量及其分布
多元随机变量及其分布是概率论中一个重要的话题。
多元随机变量是指具有多个元素的随
机变量,用(X,Y)的形式表示,其中X和Y是多元随机变量的两个元素。
多元随机变量
有多种形式,如二元随机变量、三元随机变量、四元随机变量等。
多元随机变量的分布属性,主要有三种:平衡分布、独立分布、互斥分布。
平衡分布是指多元随机变量的各元素所对应的概率均相等,这种分布称为平衡分布。
例如,二元随机变量(X,Y)的平衡分布,即X和Y的概率均为1/2。
独立分布是指多元随机变量的各元素之间彼此独立,这种分布称为独立分布。
例如,二元
随机变量(X,Y)的独立分布,即X和Y可以分别独立随机取值,它们之间的联系仅仅取
决于它们取值的概率。
互斥分布是指多元随机变量的各元素之间互斥,这种分布称为互斥分布。
例如,二元随机变量(X,Y)的互斥分布,即当X取值时,Y则不取值,二者互斥。
多元随机变量及其分布是概率论中最重要的主题之一,对于概率研究来说,正确理解多元
随机变量及其分布的各种属性很重要。
只有正确理解多元随机变量及其各种分布的属性,
才能更好地掌握概率论的基本原理和方法,从而为概率论的研究提供更好的理论依据。
3.1 n维随机变量及其分布
yx
G
2e dy 2e3 y dy 0 0 2 1 1 3 3
2015年8月23日星期日 15
目录
o
上页 下页
x
返回
(4) P1 X 2, 1 Y 3
3
( 1,2)( 1,3)
y
3
f ( x, y )dxdy 2e x e 2 y dxdy
y
F , lim F x, y 0
x y
F , lim F x, y 1
x y
2015年8月23日星期日
6
目录
上页
下页
返回
例:设二维随机变量(X,Y)的分布函数为
x y F ( x, y ) A( B arctan )(C arctan ) 2 3 x , y
C C 10 P( X 0, Y 1) 2 C12 33
2 1 C4 P( X 0, Y 2) 2 C12 11
1 4
1 5
2015年8月23日星期日
10
目录
上页
下页
返回
CC 5 P( X 1, Y 0) 2 22 C12 CC 2 P( X 1, Y 1) 2 C12 11 C 1 P( X 2, Y 0) 22 C
2015年8月23日星期日
F ( x, y) P X x, Y y
4
目录 上页 下页 返回
y
( x, y)
F ( x, y) P X x, Y y表示
(X, Y)落在阴影部分(无边
矩形区域)中的概率。
y
o
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
1
6 12
2
1
1
1
666
3
1
1
0
12 6
离散型二维随机向量联合概率分布确定方法:
1.找出随机变量X和Y的所有取值结果,得到(X,Y)的所 有取值数对; 2.利用古典概型或概率的性质计算每个数值对的概率; 3.列出联合概率分布表.
例3.1.3.二维随机向量(X,Y)的联合概率分布为:
结
合
XY 0 1
2
1
P(X≤1,Y≤1}
-10Leabharlann P{X≥0,Y≤1}1
X
三、连续型随机变量的联合分布
⒈定义:设(X,Y)是二维随机向量,若存在非负可积函
2
-1 0.05 0.1 0.1
求:(1)常数a的取值;
下 页 概 率
0
0.1 0.2 0.1
(2)P(X≥0,Y≤1);
分 布
图
1
a 0.2 0.05
(3) P(X≤1,Y≤1)
解:(1)由∑pij=1得: a=0.1
(2)由P{(X,Y)∈D } = pij ( xi , y j )D
得 P(X≥0,Y≤1)= P(X=0,Y=0)+
P(X=0,Y=1)+P(X=1,Y=0)+P(X=1,Y=1) =0.1+0.2+0.1+0.2 =0.6
(3)P(X≤1,Y≤1) =P(X=-1,Y=0)+P(X=-1,Y=1)+P(X=0,Y=0)
+P(X=0,Y=1)+P(X=1,Y=0)+P(X=1,Y=1) =0.75
二维联合概率分布区域图: Y
第3章 n元随机变量及其分布
•第3.1节 二元随机变量及其分布 第3.2节 二元随机变量的函数的分布 第3.3节 二元正态分布
返回
第3.1节 n元随机变量及其分布
一、n 维随机变量
以 n 个随机变量 X1,X2,…,Xn 为分量的向量 X=(X1,X2,…,Xn)称为 n 元随机变量。
以下主要研究二元离散型及连续型随机变量的 情形。
p21 p22 … p2j … ②∑∑pij = 1;
… … … … … ③P{(X,Y)∈D } =
pij
pi1 pi2 … p i j …
( xi, y j )D
… … ………
3、离散型随机向量的联合分布函数
则 F(x,y)=P{X≤x,Y≤y}=
pij
xi x y j y
例1. 十个产品中有三件次品,七件正品,每次
⒉联合概率分布及其性质 称pij=P(X=xi,Y=yj),(i,j=1,2,...,)为(X,Y)的联合概率分布, 其中E={(xi,yj),i,j=1,2,...}为(X,Y)的取值集合,表格形式如下:
XY x1 x2 …
xi …
y1 y2 … y j … 联合概率分布性质:
p11 p12 … p1j … ① pij≥0 ;i,j=1,2,…
(4)F(x,y)关于x,y均为右连续函数。
二元联合分布函数区域演示图: X2
x2
(x1,x2)
{ X1≤x1 , X2≤x2 } x1
X1
二、二元离散型随机变量的联合分布
⒈二元离散型随机变量的概念 如果二元随机变量(X,Y)的全部取值(数对)为有限个或至多可
列个,则称随机变量(X,Y)为离散型的。 易见,二元随机变量(X,Y)为离散型的等价于它的每个分量 X与 Y 分别都是一元离散型的。
联合分布函数 n元实函数 F(x1,x2,…,xn)=P{X1≤x1,X2≤x2,…,Xn≤xn}
(x1,x2,…,xn)∈Rn 称为n维随机向量(X1,X2,…,Xn)的联合分布函数。
注意: X1≤x1,X2≤x2,…,Xn≤xn 均表示事件,
{X1≤x1,X2≤x2,…,Xn≤xn}表示这几个事件同时发生.
任取一件,连续取两次,记
0 X1 1
第1次取到正品 第1次取到次品
0 X 2 1
第2次取到正品 第2次取到次品
分别对不放回抽样与有放回抽样两种情况,写出随机变量
( X1, X 2 ) 的联合概率分布。
解: ( X1, X 2 ) 可以取(0,0)(0,1)(1,0)(1,1)共四
个值。
(1)不放回抽取:
球时,袋中每个球被取到的概率相等,以 X , Y 分别记第
一、二次取得的球上标有的数字,求 ( X ,Y ) 的概率分布。
解:P{X 1,Y 1} 0, P{X 1,Y 2} 1 2 1
43 6
P{X 1,Y 3} 1 1 1 , 4 3 12
P{X 2,Y 1} 2 1 1 43 6
P{X1
0,
X2
0}
P{X1
0}
P{X 2
0
|
X1
0}
7 10
6 9
7 15
P{X1 0, X 2 1} P{X1 0} P{X 2 1| X1 0} 7 3 7 10 9 30
P{X1 1, X 2 0} P{X1 1} P{X 2 0 | X1 1}
3 7 7
10 9 30
特别: 二维随机向量(X1,X2)的联合分布函数为
F(x1,x2)=P{X1≤x1,X2≤x2}(x1,x2)∈R2
联合分布函数的性质:
(1)0 Fx,y 1
(2) lim Fx,y 0, lim Fx,y 0, lim Fx,y 1,
x
y
x
y
lim Fx,y 0
x y
(3)F(x,y)关于x,y均为单调不减函数。
P{X1 0, X 2 1} P{X1 1, X 2 0}
0.7 0.3 0.21
P{X1 1, X 2 1} 0.3 0.3 0.09 有放回抽取
X2 X1
0
0
1
0.49 0.21
1
0.21 0.09
例 2. 一口袋中有 4 个球,依次标有数字 1,2,2,3.从袋中 任取一球后,不放回袋中,再从袋中任取一球.设每次取
P{X 2,Y 2} 2 1 1 P{X 2,Y 3} 2 1 1
43 6
43 6
P{X 3,Y 1} 1 1 1 , P{X 3,Y 2} 1 2 1
4 3 12
43 6
P{X 3,Y 3} 0
所以 ( X ,Y ) 的概率分布为:
Y 123
X
1
0
1
P{X1
1,
X2
1}
P{X1
1}
P{X 2
1|
X1
1}
3 10
2 9
1 15
X2
0
1
X1
0
7
7
15
30
1
7
1
30
15
(2)有放回抽取:
由于事件“ X1 i ”与“ X 2 j ”相互独立,因此有:
P{X1 0, X 2 0} P{X1 0} P{X 2 0}
( 7 )2 0.49 10