知识点3.2-二维离散型随机变量
3.2二维离散型随机变量
ξ
Pi•
证明: 证明
x1 p1•
x2 p2•
… …
xi pi •
… …
pi• = P{ξ = xi } = P{ξ = xi , −∞ < η < +∞} = ∑ P{ξ = xi ,η = y j } = ∑ pij
j j
信息系刘康泽
边缘分布： 2、 (ξ ,η ) 关于 η 的边缘分布：
p• j = ∑ pij
η ( ξ = 0时)
p
另外两个同理可得。 另外两个同理可得。
1 1/2
2 1/2
信息系刘康泽 的两点分布， 例 5、已知 ξ 服从参数 2 / 3 的两点分布，又 、 η (ξ = 0) 1 2 3 1/2 1/4 1/4 P
η (ξ = 1)
的概率分布. 求 (ξ ,η ) 的概率分布.
1 1/3
证明: 证明
pij p• j
,
p• j ≠ 0 , i = 1, 2,⋯ .
pij p• j
P{ξ = xi | η = y j } =
P{ξ = xi ,η = y j } P{η = y j }
=
.
分布： 2、在 ξ = xi 的条件下 η 的分布：
P{η = y j | ξ = xi } =
pij pi •
信息系刘康泽
联合分布律也可用表格的形式来表示。 联合分布律也可用表格的形式来表示。
ξ
η
x1 x2 ⋮ xi ⋮
y1 p11 p 21 ⋮ p i1 ⋮
y2 p12 p 22 ⋮ pi 2 ⋮
… … … …
yj p1 j p2 j ⋮ pij ⋮
… … … …
32二维离散型随机变量的分布律及性质
易知，上述条件概率满足概率分布的性质
(1) P { X x y } 0 , i 1 , 2 , iY j
(2)
p 1 j p 1 i j p p i 1 p 1 j j i j
p i j
P { X x } 0 同理，设 p ，则可得到在 X xi i i 时随机变量 Y的条件概率分布为：
P { X x , Y y } p i j i j P { Y y X x } ,j 1 , 2 ,( 2 . 5 ) j i P { X x } p i i
{ X x , Y y } P { X x } P { Y y } 即P (2.7) i j i j
例4
X ,Y
相互独立，填如下表3-8空白处的值
解：
例5 设 X 表示把硬币掷三次时头两次掷出正面的 Y 表示这三次投掷中出现正面的总次数那么， 次数， 二维随机变量 ( X ,Y ) 概率分布如表3-9所示.问随机 变量 X与Y 是不是相互独立？
且
(1) P { Y y x } 0 ,j 1 , 2 , jX i
(2)
p 1 i p 1 ij p p i i i i j 1p 1 p ij
i 1 , 2 , ,
例3 设二维离散形随机变量 ( X ,Y ) 的概率分布如表3-7, 1时关于 X 的条件概率分布及 X 0 时关于 Y 的 求 Y 条件概率分布。
解：
四、 独立性
高等教育自学考试 概率论与数理统计期末自学 复习重要知识点
概率论与数理统计期末复习重要知识点第二章知识点：1.离散型随机变量：设X 是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X 为一个离散随机变量。
2.常用离散型分布：（1）两点分布（0-1分布）： 若一个随机变量X 只有两个可能取值，且其分布为12{},{}1(01)P X x p P X x p p ====-<<，则称X 服从12,x x 处参数为p 的两点分布。
两点分布的概率分布：12{},{}1(01)P X x p P X x pp ====-<<两点分布的期望：()E X p =；两点分布的方差：()(1)D X p p =-（2）二项分布：若一个随机变量X 的概率分布由式{}(1),0,1,...,.k kn k n P x k C p p k n -==-=给出，则称X 服从参数为n,p 的二项分布。
记为X~b(n,p)(或B(n,p)).两点分布的概率分布：{}(1),0,1,...,.k k n kn P x k C p p k n -==-= 二项分布的期望：()E X np =；二项分布的方差：()(1)D X np p =-（3）泊松分布：若一个随机变量X 的概率分布为{},0,0,1,2,...!kP X k ek k λλλ-==>=，则称X 服从参数为λ的泊松分布，记为X~P (λ)泊松分布的概率分布：{},0,0,1,2,...!kP X k ek k λλλ-==>=泊松分布的期望：()E X λ=；泊松分布的方差：()D X λ=4.连续型随机变量：如果对随机变量X 的分布函数F(x)，存在非负可积函数()f x ，使得对于任意实数x ，有(){}()xF x P X x f t dt-∞=≤=⎰，则称X 为连续型随机变量，称()f x 为X 的概率密度函数，简称为概率密度函数。
5.常用的连续型分布： （1）均匀分布：若连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧<<-=其它,0,1)(bx a a b x f ，则称X 在区间（a,b ）上服从均匀分布，记为X~U(a,b)均匀分布的概率密度：⎪⎩⎪⎨⎧<<-=其它,0,1)(b x a a b x f 均匀分布的期望：()2a bE X +=；均匀分布的方差：2()()12b a D X -= （2）指数分布：若连续型随机变量X 的概率密度为00()0xe xf x λλλ-⎧>>=⎨⎩，则称X 服从参数为λ的指数分布，记为X~e (λ)指数分布的概率密度：00()0xe xf x λλλ-⎧>>=⎨⎩指数分布的期望：1()E X λ=；指数分布的方差：21()D X λ=（3）正态分布：若连续型随机变量X的概率密度为22()2()x f x x μσ--=-∞<<+∞则称X 服从参数为μ和2σ的正态分布，记为X~N(μ,2σ)正态分布的概率密度：22()2()x f x x μσ--=-∞<<+∞正态分布的期望：()E X μ=；正态分布的方差：2()D X σ=（4）标准正态分布：20,1μσ==，2222()()x t xx x e dtϕφ---∞=标准正态分布表的使用： （1）()1()x x x φφ<=--（2）~(0,1){}{}{}{}()()X N P a x b P a x b P a x b P a x b b a φφ<≤=≤≤=≤<=<<=-（3）2~(,),~(0,1),X X N Y N μμσσ-=故(){}{}()X x x F x P X x P μμμφσσσ---=≤=≤={}{}()()a b b a P a X b P Y μμμμφφσσσσ----<≤=≤≤=-定理1： 设X~N(μ,2σ),则~(0,1)X Y N μσ-=6.随机变量的分布函数： 设X 是一个随机变量，称(){}F x P X x =≤为X 的分布函数。
3.2(二维随机变量的边缘分布)
作业：解答题 2 4 5 6
3.2.3
二维连续型随机变量的边缘概率密度
设二维连续型随机变量(X，Y)的分布函数为 F(x，y)，概率密度为f(x，y). 因为 FX ( x ) F ( x,) ( f ( x, y)dy)dx
由分布函数定义知， X 是一个连续型随机变量， 且其概率密度为 f X ( x ) f ( x, y )dy
设 随 机 变 量X 和 Y 具 有 联 合 概 率 密 度 【补充例】 6, x 2 y x , f ( x, y) 0, 其 他. 求关于 X的 边 缘 概 率 密 度 fX ( x) 和 边 缘 分 布 函 数 FX ( x ).
解:
f X ( x)
f ( x , y)
1 2 1 2
1 ( x 1 ) 2 ( x 1 )( y 2 ) ( y 2 ) 2 exp{ [ 2 ]} 2 2 2 2 2(1 ) 1 1 2 2 1
且
( y 2 ) 2
2 2
2
3.2.2
二维离散型随机变量的边缘分布律
于是(X，Y)的分布律和边缘分布律如下：
Y X 0 1 P{Y = yj}
0
9/25 6/25 3/5
1
6/25 4/25 2/5
P{X = xi}
3/5 2/5 1
3.2.2
二维离散型随机变量的边缘分布律
(2) (X，Y)所有可能取值仍然为：(0，0)、(0，1)、 (1，0)、(1，1)则
☺课堂练习
一 整 数N 等 可 能 地 在 1, 2, 3, ,10 十 个 值 中 取 一个值 . 设 D D( N ) 是 能 整 除N 的 正 整 数 的 个 数 , F F(N )是 能 整 除 N的素数的个数 .试 写 出D 和 F 的联合分布律 , 并求边缘分布律 . 解 样本点 1 2 3 4 5 6 7 8 9 10
二维离散型随机变量及其分布
j 1
P{ ( X xi , Y y j )} P{ X xi , Y y j } pij
j 1 j 1 j 1
Two-dimension Discrete Random Variable and Distribution
所以,关于X的边缘分布律为：
X
pi.
x1
x2 …
xi …
pi. …
p1. p2. …
关于Y的边缘分布律为：
Y p.j y1 p.1 y2 … yj …
p.2 … p.j …
Two-dimension Discrete Random Variable and Distribution
[例2]见例1，试求（X,Y）关于X和关于Y的边缘 分布律。
1 2/5
Two-dimension Discrete Random Variable and Distribution
联合分布律 边缘分布律
Two-dimension Discrete Random Variable and Distribution
1、统计学中有两种抽样：不放回抽样和有放 回抽样。将例1中“不放回地取两次球”改为 “有放回地取两次球”，试求（X,Y）的联合分 布律、（X,Y）分别关于X,Y的边缘分布律及判断 X,Y是否相互独立？ 2、上述我们解决了：已知二维离散型随机变 量（X,Y）的联合分布律，如何求（X,Y）关于X 或关于Y的边缘分布律的问题。那么，已知X,Y的 边缘分布律，能否求（X,Y）的联合分布律呢？
0, Y 1,
表示第二次取红球 表示第二次取白球
二维离散随机变量及其分布(3.2)
yj p1 j p2 j pij
x2
… … …
pi
p1 p2
pi
xi
p j pi1源自p1 pi 2
p2
…
…
…
p j
…
第三章 二维随机变量及其分布
§2 二维离散随机变量
例 3 从 1 ，2 ，3 ，4 这4个数中随机取出一个，记为 X，
再从 1 到 X 中随机地取出一个数，记为 Y， 试求 X ， Y 的联合分布律与X 及 Y 各自的边缘 分布律．
PX 1， Y 1
1 PX 2， Y 0 9
PX 2， Y 1 P 0
2 9
PX 2， Y 2 P 0
第三章
二维随机变量及其分布
§2 二维离散随机变量
由此得 X， Y 的联合分布律为
Y X
0 1 2
0
1
2
1 9 2 9 1 9
j 1,2,
X， Y 的联合分布律也可以由 下表表示
Y X x1
y1
y2
… … …
yj p1 j p2 j
pij
… … … …
p11 p21
pi1
p12 p22
x2
xi
第三章 二维随机变量及其分布
§2 二维离散随机变量
3)二维离散型随机变量联合分布律的性质
性质 1 ：非负性
i， j ， i，j 1， 2， 对任意的
解：
0， 1， 2． X 的可能取值为 0， 1， 2；Y 的可能取值为
1 1 PX 0， Y 0 2 9 3
第三章
二维随机变量及其分布
二维离散型随机变量
F
(
x,
y)
1 3
,
1 x 2, y 2, 或 x 2,1 y 2,
1, x 2, y 2.
说明 离散型随机变量 ( X ,Y ) 的分布函数归纳为
F ( x, y) pij ,
xi x y j y
其中和式是对一切满足xi x, y j y 的i, j求和.
注意 联合分布
pij 1.
i1 j1
二维随机变量 ( X,Y ) 的分布律也可表示为
X Y
y1 y2
yj
x1
x2 xi
p11 p21
p12 p22
pi1
pi 2
p1 j p2 j pij
3、离散型随机变量的边缘分布律
定义设二维离散型随机变量( X ,Y )的联合分布
律为
P{X xi ,Y y j } pij , i, j 1, 2, .
3 7
pj (Y ) P{Y yj}
4
7 3
7
1
例2 设随机变量 X 在 1,2,3,4四个整数中等可能地 取值, 另一个随机变量Y 在 1 ~ X 中等可能地取一 整数值.试求 ( X ,Y ) 的分布律.
解 { X i,Y j}的取值情况是 : i 1,2,3,4,
j取不大于i的正整数. 且由乘法公式得
记
pi ( X ) pij P{X xi }, i 1, 2, ,
j 1
p j (Y ) pij P{Y y j }, j 1, 2, , i 1
分别称 pi ( X ) (i 1, 2, ) 和 p j (Y ) ( j 1, 2, ) 为 ( X ,Y )
关于 X 和关于 Y 的边缘分布律.
《概率论与数理统计》课件3-2 二维离散型随机变量
++
(2)规范性
pij = 1
i =1 j =1
边缘分布律
+
P X = xi } = P X = xi ,Y < + } = P{X = xi , Y = yj }
j= 1
+
= pij = pi •
j= 1
(i = 1，2， )
+
} } P Y = yj = P X < + ,Y = yj = P{X = xi , Y = yj } i= 1
+
}=
j=1 P{X = xi , Y = yj } =
pij = pi • (i = 1，2，)
j= 1
+
+
P Y = yi } = P X + ,Y = yi } =
P{X = xi , Y = yj }=
pij =
p •j
(j
=
1，2， )
i =1
i =1
3.2- P63— 1 2 3
A
C
B
D
提交
P
XY
( X, Y)X xi }=P{X xi Y
},
j1
pj
pij P{Y yj } P{X
i1
i 1, 2, ,
j 1, 2, ,
Y yi },
pi p j (X,Y)
X
Y
.
Y X
y1
y2
yj
x1
p 11 p 12
x2
p 21 p 22
p1j
p2 j
xi
pp
i1
且满足P{X1X2 = 0} = 1，则 P X1 = X2 } = ( )。
概率论与数理统计§3.1 二维随机变量及其函数;§3.2 二维随机变量的分布
2. 性质
(1) f ( x , y ) 0.
( 2)
f ( x, y ) d x d y F (, ) 1.
( 3) 设 G 是 xoy 平面上的一个区域, 点 ( X ,Y ) 落在 G 内的概率为
P {( X ,Y ) G } f ( x , y ) d x d y .
2F ( x, y) (4) 若 f ( x , y ) 在 ( x , y ) 连续, 则有 f ( x, y) . xy
P X a, Y c P (a X , c Y )
1 F (, c ) F (a, ) F (a, c )
(+,c)
x
例2. 设二维随机变量(X ,Y )的联合分布函数
x y F ( x, y ) A B arctan C arctan 2 2 x , y
F ( x, y)
x yy pij , x
i j
其中和式是对一切满足xi x , y j y 的 i , j 求和.
例如，在例4中
1 1 F (1, 2) P{ X 1, Y 2} p11 p12 0 . 3 3
3.2.3 二维连续型随机变量 1.定义
其中A , B , C 为常数. (1) 确定A , B , C ；
(2) 求P (X > 2).
解 (1) F (, ) A B C 1 2 2 y F (, y ) A B C arctan 0 2 2 x F ( x, ) A B arctan C 0 2 2 1 B ,C , A 2 . 2 2 1 x y (2) F ( x, y ) 2 ( arctan )( arctan ) 2 2 2 2
《概率论与数理统计》第3章 二维随机变量及其分布
23 April 2012
第三章 多维随机变量及其分布
注意点
第32页
(1) X 与Y是独立的其本质是： 任对实数a, b, c, d，有
Pa X b, c Y d Pa X b Pc Y d
(2) X 与Y 是独立的，则g(X)与h(Y)也是独立的.
23 April 2012
0
=A/6
所以, A=6
23 April 2012
第三章 多维随机变量及其分布
第22页
例3.3.2
若
(X,
Y)
～
p( x,
y)
6e(2x3y) , 0,
x 0, y 0 其它
试求 P{ X< 2, Y< 1}.
23 April 2012
第三章 多维随机变量及其分布
第23页
y
解: P{ X<2, Y<1} p(x, y)dxdy
3.1.2 联合分布函数
定义3.1.2 (以下仅讨论两维随机变量)
任对实数 x 和 y, 称 F(x, y) = P( X x, Y y)
为(X, Y) 的联合分布函数.
注意：
F(x, y)为(X, Y)落在点(x, y)的左下区域的概率.
23 April 2012
第三章 多维随机变量及其分布
x1 x2 … xi …
23 April 2012
y1 y2 … yj …
p11 p12 … p1j … p21 p22 … p2j … … … ……… pi1 pi2 … pi j … … … ………
第三章 多维随机变量及其分布
第9页
联合分布列的基本性质
(1) pij 0, i, j = 1, 2,… (非负性)
概率论与数理统计-3.2边缘分布讲解
f (u, y)dudy
x
[ f (u, y)dy]du
y
FY ( y) F(, y)
f (x, v)dxdv
y
[ f (x,v)dx]dv
14
记
f X (x)
f (x, y)dy
fX (x) f (x, y)dy
1
21 2 1 2
exp[
2(1
1
2
)
(u
2
2uv
v
2
)]
2dv
1
21 1 2
exp{
2(1
1
2
)
[(u
2
2u
2
)
(
2u
2
2
uv
v
2
)]}dv
1
e
u2 2
每次取一个球，在放回和不放回的情况下. 令
1 第一次取到黑球
1 第二次取到黑球
X 0 第一次取到白球, Y 0 第二次取到白球,
求(X,Y)的联合分布律及边缘概率分布
解 在不放回抽样下（上节课例题），列表如下：
XY 0
1
Pi.
0 6/20 6/20 3/5
1 6/20 2/20 2/5
y)
F (,
y)
lim
x
F ( x,
y)
注意：由联合分布可以决定边缘分布，反过来，由 边缘分布决定不了联合分布。但当分量独立时就可 以决定。
概率论第3章 随机向量及其分布
例3 一袋中有五件产品，其中两件次品，三件正品，
从袋中任意依次取出两件，分别采用有放回与不放回 两种方式进行抽样检查，规定随机变量
＝１0,,
第１次取出次品 第１次取出正品
＝１0,,
第２次取出次品 第２次取出正品
则(ξ,η)的联合分布律如下（并可求得边缘分布律）：
表１ 有放回抽样的分布律
设(X, Y)的联合分布律为P{X=xi , Y=yj}= pij (i,j=1,2, …) ，则(X, Y)关于X的边缘分布律有
PX xi PX xi ,Y
P X xi , (Y y j )
j 1
P ( X xi ,Y y j )
FX1,X2,L ,Xn x1, x2,L , xn P : X1() x1, X 2 () x2,L , X n () xn
I P : n Xi () xi
i 1
定理3.1.1 设,F, P为概率空间, 随机向量 X1, X 2,L , X n 的联合分布函数为FX1,X2,L ,Xn ,则
P 0, 1 P 0 P 1 0 2 3 3 5 4 10
P 1, 0 P 1 P 0 1 3 2 3 5 4 10
P 1, 1 P 1 P 1 1 3 2 3 5 4 10
定理3.1.2 设,F, P为概率空间, X1, X 2,L , X n
为其上的随机向量。
(1) 若X1, X 2,L
,
X
都为离散型随机变量，有分布列
n
P Xi aji ，j 1,2,L ，i 1,2,L ,n，
概率论与数理统计-第3章-第2讲-二维离散型随机变量及其分布
求分布律方法：先定值再求概率
Y
X
0
1
2
3
0
0
0
1
0
2
0
取4只球 P{X 0,Y 0} P{X 0,Y 1} P{X 1,Y 0} P{X 3,Y 2} 0
14
03 二维离散型随机变量的边缘分布律
例 盒子里装有3只黑球, 2只红球, 2只白球, 在其中任取4只球, 以 X 表示取 到黑球的只数, 以 Y 表示取到红球的只数, 求(X, Y)的联合分布律.
主讲教师 |
18
由此得 X , Y 的联合分布律为
X Y
0
1
0
0
0
6
1
0
35
1
6
2
35
35
2
3
3
2
35
35
12
2
35
35
3 0
35
16
第2讲 二维离散型随机变量及其分布
本节我们认识了二维离散型随机变量, 以及联合分布律和边 缘分布律, 要求理解它们概念和性质, 并且会求相应的概率.
17
概率论与数理统计
学海无涯, 祝你成功！
3
本讲内容
01 二维离散型随机变量 02 联合分布律 03 二维离散型随机变量的边缘分布律
4
02 联合分布律
2.联合分布律
设( X ,Y )的所有可能的取值为
(xi , y j ), i, j 1,2,
则称
P( X xi ,Y y j ) pij , i, j 1,2,
为二维随机变量( X ,Y ) 的联合概率分布, 简称概率分布或分布律.
7
02 联合分布律 已知联合分布律可以求概率
离散型随机变量知识点
离散型随机变量是指其可能取值为有限个或可数个的随机变量。
与连续型随机变量相对应，它们只在取值点上有概率密度值，而在两个取值点之间的任何值都没有概率密度。
下面是离散型随机变量的几个知识点：
概率质量函数：概率质量函数（Probability Mass Function, PMF）是一个给定的离散型随机变量在各个可能取到的值时，对应的概率值所构成的函数。
通常用P(X=k)表示随机变量X取到k的概率。
分布律：分布律描述了随机变量的取值和对应概率，即每个可能取到的值与其概率之间的关系。
对于离散型随机变量而言，分布律就是其概率质量函数。
期望：期望是随机变量取值的平均值。
对于离散型随机变量，期望定义为所有可能取值的加权平均值，其中权值为每个取值对应的概率值。
可以用E(X)表示随机变量X的期望。
方差：方差是随机变量取值偏离期望值的程度的度量。
对于离散型随机变量，方差定义为每个取值与期望之差的平方乘以相应概率的总和。
可以用Var(X)表示随机变量X的方差。
独立性：如果两个离散型随机变量的概率分布独立，则它们是相互独立的。
具体而言，就是两个随机变量的任意取值之间的联合概率等于它们各自的概率之积。
二维离散型随机变量及其分布律
Ｙ Ｘ １
２
１
２
０
1/3
1/3
1/3
2.边缘分布律
1). 通过联合分布律,求各个分量的分布律.
定义2.5 ( X ,Y ) 关于分量X的边缘分布律 pi· =P{Xxi}= pij (i1,2, ); j1 ( X ,Y ) 关于分量Y的边缘分布律 p· j=P{Yyj}= pij (j1,2, ). i1
p 21
。。。...
p i1
y2。。。Biblioteka p 12。。。...
p 22
。。。...
... 。。。
p i2
。。。... ... 。。。
yj
p1j
p2j
。。。
...
p ij
... 。。。
... 。。。 。。。... 。。。...
...
... 。。。 ... 。。。 ... 。。。 ... 。。。 ... 。。。
定义24表格形式常见形式表格形式常见形式例210看书一个口袋中有三个球依次标有数字122从中任取一个不放回袋中再任取一个设每次取球时各球被取到的可能性相等
第三节 二维离散型随机变量及其分布律
一、联合分布律与边缘分布律 1.定义.设X,Y为定义在同一样本空间Ω上的随机 变量，则称向量(X,Y )为Ω上的一个二维随机变 量。 二维随机变量(X,Y )的取值可看作平面上的点
A （x，y）
二维离散型随机变量:若二维随机变量(X,Y )的所 有可能取值只有限对或可列对，则称(X,Y )为二 维离散型随机变量。
2.联合分布律 1).定义2.4 pij P{xi,yj}P{Xxi,Yyj}
(i1,2, ;j1,2, )
表格形式（常见形式）
二维离散型随机变量及其分布
3
0
0
0
1
0
0
0
0.25
2
0
0 0.375 0
3
0
0.25 0
0
4
0.0625 0
0
0
4
0.0625 0 0 0 0
概率论与数理统计
6
❖ 二.例题
➢ 例3.2.2 一口袋中有3个球，它们依次标有数字1, 2, 2，从
该袋中不放回地随机抽取两次，每次取一个，以X、Y表
示表示第一次、第二次取得的球上标有的数字. 求
表格形式表示(X，Y)的分布律．
Y
X
y1
y2Biblioteka …yj…x1
p11
p12
…
p1j
…
x2
p21
p22
…
p2j
…
…… … ………
xi
pi1
pi2
…
pij
…
…… … ………
概率论与数理统计
❖ 一.二维离散型随机变量及其分布
➢ 定义3.2.1 如果二维随机变量(X，Y)只取有限个或可列个 数对(xi，yj)，则称(X，Y)为二维离散型随机变量，称 P( X xi ,Y y j ) pij , i, j 1, 2, 为(X，Y)的分布律，或X与Y的联合分布律，也可用如下 表格形式表示(X，Y)的分布律． ➢联合分布律有如下性质： (1) 正则性： pij 0, i, j 1,2,
P X Y P X 1,Y 1 P X 1,Y 2 P X 2,Y 2
0 1 1 2. 33 3
➢ 若本题改为放回抽样呢？
概率论与数理统计
8
❖ 二.例题
➢ 例3.3.3 设X表示随机的在1~4的4个整数中取出的一个数, Y表示在1~X个整数中随机地取出的一个数, 求(X, Y)的联 合分布律及分布函数.
3.2二维随机变量的条件概率
在第一章中，我们介绍了条件概率的概念.)()()|(B P AB P B A P =在事件B 发生的条件下事件A发生的条件概率推广到随机变量设有两个随机变量X , Y ，在给定Y 取某个或某些值的条件下，求X 的概率分布.这个分布就是条件分布.3.2 二维随机变量的条件概率下的重复.定义设(X ,Y )是二维离散型随机变量，对于固定的j ，若P {Y =y j }>0，则称为在Y =y j 条件下随机变量X 的条件分布律.P{X = x i |Y = y j }=jj i p p •=，i =1,2, …{}{},i j jP X x Yy P Y y ===作为条件的那个随机变量,认为取值是给定的，在此条件下求另一随机变量的概率分布.离散型随机变量的条件分布条件分布是一种概率分布，它具有概率分布的一切性质. 正如条件概率是一种概率，具有概率的一切性质.例如：i =1,2, …{}0i j P X x Y y ==≥{}11i ji P X x Y y ∞====∑例某零售商根据以往的销售情况统计经验知，某种商品一天内线上、线下的销售数量的联合分布如下表，其中X、Y 分别表示线上、线下的销售数量售量如何分布？分析与解：不难理解当线上系统关闭时，那就相当于X=0 发生了。
问题变为求X=0 时，随机变量Y 的条件分布。
由上述定义中给出条件分布的计算0.051(00)0.36P Y X ====0.11(10)0.33P Y X ====0.151(20)0.32P Y X ====我们可以用表格表示如下：例.已知(X, Y )的联合分布律为Y X0103/103/1013/101/10求在X＝0及X＝1的条件下，Y的条件分布律;解:先写出关于X和Y的边缘分布律Y X01p.j 03/103/103/513/101/102/5p i.3/52/5在X ＝0的条件下，Y Y ／X=001p k 1/21/23110{0|0},325P Y X ====3110{1|0},325P Y X ====同理在X ＝1的条件下，Y 的条件分布律为Y ／X=101p k3/41/4连续型随机变量的条件分布设(X,Y)是二维连续型随机变量，由于对任意x,y, P{X=x}=0,P{Y=y}=0，所以不能直接用条件概率公式得到条件分布.()(,)()P X x y y Y y P X x y y Y y P y y Y y ≤−∆<≤≤−∆<≤=−∆<≤(,)(,)()()Y Y F x y F x y y F y F y y −−∆=−−∆[](,)(,)()()()()Y Y F x y y F x y y F y y F y y −∆−−∆=−∆−−∆ 设0y ∆>()0P Y y ==()P X x Y y ≤=但在中在条件Y = y 下X 的分布函数(,)Fx y y∂∂=(,))x f u y du y −∞=∫def.()P X x Y y =≤=[]0(,)(,)()lim()()()y Y Y F x y y F x y y F y y F y y ∆→+−∆−−∆−∆−−∆(,)()x Y f u y du f y −∞=∫定义设XX和YY的联合概率密度为ff(xx,yy)，(XX,YY)关于YY的边缘概率密度为ff YY(yy)，若对于固定的yy，ff YY yy>00，则称ff(xx,yy)ff YY(yy)为在YY=yy 的条件下XX的条件概率密度函数，记为ff XX|YY(xx|yy)=ff(xx,yy)ff YY(yy)称∫−∞xx ff XX|YY uu yy dduu=∫−∞xx ff(uu,yy)ff YY(yy)dduu为在YY=yy的条件下XX的条件分布函数，记为PP XX≤xx YY=yy=FF XX|YY xx yy=�−∞xx ff XX|YY uu yy dduu|(,)(|)()Y X X f x y f y x f x =类似地,可以定义()()(),y Y X X f x v F y x dv f x −∞=∫()(),xY f u y du f y −∞∫()X Y F x y =⇓()()()(),X Y X Y Y f x y df x y F x y d xf y ==例设(X ,Y )服从半径为r 的圆域上的均匀分布，概率密度为22221,(,)0,x y rf x y rπ +≤ = 其它)|(|x y f X Y求22||()(,)0,||X x rf x f x y dy rx r π∞−∞< == ≥ ∫解X 的边缘密度为当|x |<r 时,有)(),()|(|x f y x f x y f X X Y=2212rrππ=,=y ≤≤22||()(,)0,||X x rf x f x y dy rx r π∞−∞< == ≥∫)|(|x y f XY ,y −≤≤=即当|x |<r 时,有注：该条件分布是均匀分布()221122(,)~,;,;X Y N µσµσρ事实上()X Y f x y (,)()Y f x y f y=221122222222()()()()122x x y y e µµµµρσσρσσσ−−−−−−+ −=正态分布的条件分布仍为正态分布正态分布性质211222211()()2(1)x yeσµρµσσρ−−−−− =同理，)(x yfXY−−+)1(),(~2221122ρσµσσρµxN−−+)1(),(~2212211ρσµσσρµyN)(y xfYX例已知)(x y f X Y ≤≤−=其他,01,122y x x y≤≤−=其他,010),1(4)(2x x x x f X 求=<<≥+2132),5.0(),1(X Y P Y P Y X P解)()(),(x f x y f y x f X X Y =当f X (x ) > 0 时，即0 < x < 1 时，≤≤=其他,01,8y x xy 当f X (x ) = 0 时，f (x,y ) = 0故≤≤≤≤=其他,010,0,8),(y y x xy y x f)1(≥+Y X P )5.0(<Y P∫∫−=yy xydx dy 115.0865=∫∫=21008yxydx dy 161==<2132X Y P∫∞−=3221dyy f X Y ()∫−=322125.012dy y∫=322138dy y 277=(,)X Y 1,,01(,)0,y x x f x y <<<=其他()X f x |(|)Y X f y x 1(|0)2P X Y >>例：设随机变量的概率密度为试求：（1）（2）（3）解：（1）当00<xx<11时ff XX xx=�−∞+∞ff xx,yy ddyy=�−xx xx11ddyy=22xx 当xx≤0或xx≥11时，ff XX xx=00即ff XX xx=�22xx,00<xx<1100,eeee ee ee（2）当00<xx<11,yy<xx时，ff YY|XX yy xx=ff(xx,yy)ff XX(xx)=1122xx 即ff YY|XX yy|xx=�1122xx,yy<xx,00<xx<1133PP XX >1122YY >00=PP (XX >1122,YY >00)PP (YY >00)=∫1122+∞∫00+∞ff xx ,yy ddyyddxx ∫−∞+∞∫00+∞ffxx ,yy ddyyddxx=∫112211∫00xx11ddyyddxx ∫0011∫00xx11ddyyddxx 3344。
二维离散型随机变量
多维随机变量及其分布
二维离散型随机变量
1.2 二维离散型随机变量的边缘分布律
因此， (X ，Y) 关于 X 和关于Y 的边缘分布律如表 3-5 所示．
表 3-5X01Y01pi
2 5
3 5
pj
2 5
3 5
概率论与数理统计
多维随机变量及其分布
所以， (X ，Y) 的分布律如表 3-2 所示．
Y
0
1
X
2
4
0
15
15
4
1
1
15
3
由二维随机变量的分布函数的定义可知， (X ，Y) 的分布函数为
0 ， x 0 或 y 0 ，
2
，
0
F (x ，y) 125， 0
5
x 1，0 x 1，y
y 1， 1 或 x 1，0
概率论与数理统计
多维随机变量及其分布
二维离散型随机变量
1.1 二维离散型随机变量的概念与分布律
定义 1 若二维随机变量 (X ，Y) 所有可能取的值为有限对或可列无限 多对，则称 (X ，Y) 为二维离散型随机 变量．
显然，当且仅当 X 和Y 都是离散 型随机变量时，(X ，Y) 才是二维离散 型随机变量．
p1j
j 1
p2 j
p2 j
j 1
xi
pi1
pi 2
pij
pij
j 1
P{Y yj}
pi1
pi2
pij
1
i 1
i 1
i 1
多维随机变量及其分布
二维离散型随机变量
1.2 二维离散型随机变量的边缘分布律
例 2 已知 (X ，Y) 的分布律如表 3-4 所示，求 (X ，Y) 关于 X 和关于Y 的边缘分布律．