概率论与数理统计(第3版)(谢永钦)第3章 随机向量

合集下载
相关主题
  1. 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. 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. 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)。

解 : X和Y的概率密度分别为:
由于X与Y相互独立,于是(X,Y)的概率密度为:
先求Z的分布函数FZ(z) 当z<0时 FZ(z)=0 当z≥0时
概率论与数理统计
所以 于是可得 的概率密度
概率论与数理统计
如果一随机变量的概率密度为上式,称该随机变量服从参数为的瑞利分布。
由题可知,若X,Y独立服从同一分布
P {Y

j|X
i}
p 2q pq
j2 i1

pq ji1
j i 1, i 2,L
概率论与数理统计
2. 二维连续型随机变量的条件分布
定义3.6
对固定的实数y,设对于任意给定的正数ε,P{y-ε<Y≤y+ε}>0, 且若对于任意实数x,极限
存在,则称此极限为在Y=y的条件下X的条件分布函数,
非负二元函数f(x,y),对于任意实数x,y,有
概率论与数理统计
概率论与数理统计
概率论与数理统计
概率论与数理统计
y
1
o
y
y=x 1x
O
1x
y
O
1x
y
O
1x
概率论与数理统计
二维均匀分布 设G是平面上的有界区域,其面积为S,若二维随机变量(X.,Y)的概率密度为
则称(X,Y)在区域G上服从均匀分布. 设(X,Y)在区域G上服从均匀分布,D为G内的一区域,即 DG,且D的面积为S(D),那么
概率论与数理统计
1. 二维离散型随机变量的边缘分布
概率论与数理统计
例题
概率论与数理统计
概率论与数理统计
概率论与数理统计
2. 二维连续型随机变量的边缘分布
设(X,Y)为二维连续型随机向量,具有概率密度f(x,y),则
从而知,X为连续型随机变量且概率密度为
同理,Y也是连续型随机变量,其概率密度为
02
第2节 边缘分布
概率论与数理统计
X和Y自身的分布函数分别称为二维随机向量(X,Y)关于X和Y的边缘分 布函数,分别记为FX(x), FY(y)。当已知(X,Y)的联合分布函数F(x,y)时,可 通过
求得两个边缘分布函数
概率论与数理统计
例题 设二维随机向量(X,Y)的联合分布函数为
概率论与数理统计
设(X,Y)的一切可能值为(xi,yj),i,j=1,2,… ,且(X,Y)取各对可能值的概率为 P{X=xi,Y=yj}=pij, i,j=1,2,…
称上式为(X,Y)的(联合)概率分布或(联合)分布律.离散型随机变量(X,Y) 的联合分布律可用表3-1表示.
概率论与数理统计
(X,Y)的分布律也可用表格形式表示:
与Y(e)是定义在同一样本空间上的两个随机变量,则称(X(e),Y(e))为 上的二维随机向量或二维随机变量。简记为(X,Y).
定义3.2设 (X,Y)是二维随机向量,对于任意实数x,y,称二元函数
F(x,y)=P{Xx,Yy} 为二维随机向量(X,Y)的分布函数或联合分布函数.
概率论与数理统计
概率论与数理统计
例题
设X和Y都服从参数为1的指数分布,且相互独立,试求 P{X+Y<1}。
解 :设fX(x),fY(y)分别为X和Y的概率密度,则
由于X与Y相互独立,所以(X,Y)的概率密度为
于是
05
第5节 两个随机变量的函数的分布
概率论与数理统计
1. 二维离散型随机变量的函数分布
例例题: 设(X,Y)分布律为
概率论与数理统计
二维正态分布 若(X.,Y)的概率密度为
概率论与数理统计
4. n维随机变量
设E是一个随机试验,它的样本空间是=(e).设随机变量
是定义在同一样本空间上的n个随机变量,则称向

为n维随机向量或n维随机变量。简记为
设 数
为n维随机变量
是n维随机变量,对于任意实 ,称n元函数
的联合分布函数。
同理,X-Y的分布律为
XY
1
P
1/3
0
1
1/3
1/3
XY及X/Y的分布律分别为
XY
1
2
4
P
0
2/3
1/3
X/Y
1
P
0
2
4
2/3
1/3
概率论与数理统计
2. 二维连续型随机变量的函数分布
设(X,Y)为连续型随机向量,具有概率密度f(x,y), 又Z=g(X,Y)(g(x,y)为一已知的连续函数)。大部分情况下,Z是一连续型 随机变量。
表3-1
Y X y1 y2 … yj …
x1
p11 p12 … p1j …
x2
p21 p22 … p2j …
.
.. .
. .. .
xi
pi1 pi2
pij…
概率论与数理统计
由概率的定义可知 pij具有如下性质:
(1) 非负性: pij≥0,i,j=1,2…;
(2)规范性: pij 1 i ,j

服从参
数为的瑞利分布。
(1)和的分布
设(X,Y)的联合概率密度为f(x,y),现求Z=X+Y的概率密度。

源自文库
,则Z的分布函数为:
概率论与数理统计
固定z和y对积分
于是:
作换元法,令 x+y=u 得
概率论与数理统计
由概率密度定义,即得Z的概率密度为 由X与Y的对称性,又可得 当X与Y相互独立时,有
Y
1 X2
1
0
1/3
2
1/3
1/3
求 XY, XY ,XY及X/Y的分布.
解:先列出下表
概率论与数理统计
P
0
1/3
(X,Y)
(1,1)
(1,2)
XY
2
3
XY
0
1
XY
1
2
X/Y
1
1/2
于是X+Y的分布律为
X+Y
2
3
P
0
2/3
1/3
1/3
(2,1)
(2,2)
3
4
1
0
2
4
2
1
4 1/3
概率论与数理统计
1
2/20 1/20
2/20
1/2
4/20 2/20
4/20
解: X与Y的边缘分布律分别为
问X与Y相互独
X -1/2 1 1/2 pi. 1/4 1/4 1/2
Y -1 0 2
立吗? 逐一验证可知,
pij= pi. ·p.j(i=1,2,3,j=1,2,3)。 从而X与Y相互独立。
p.J 2/5 1/5 2/5
结论推广:“若X与Y独立,则对于任意一维区间I1和I2,事件{X∈I1}与 {Y∈I2}相互独立”。
当(X,Y)为离散型或连续型随机向量时,可用它的分布律或概率密度来 判别X与Y的独立性。
概率论与数理统计
例题 设二维随机变量(X,Y)的分布律如表所示。
X
Y
-1 0
2
-1/2
2/20 1/20
2/20
其中
分别是X和Y的密度函数。
概率论与数理统计
设X,Y是相互独立且分别服从参数1,和 2, 的分布,即X,Y的概率
密度分别为
证明 : X+Y服从参数为 证 : 由定义,Z=X+Y的概率密度为
的 分布.
当z≤0时 fZ(z)=0
概率论与数理统计
当z>0时,
概率论与数理统计
综上所述,Z=X+Y的概率密度为
这正是参数为
的 分布的概率密度。
概率论与数理统计
概率论与数理统计
概率论与数理统计
概率论与数理统计
概率论与数理统计
概率论与数理统计
概率论与数理统计
X
X
Y
Y
概率论与数理统计
解: (1)串联情况
X
Y
概率论与数理统计
(2)并联情况
X
Y
感谢聆听 批评指导
记作
或记为
.
同样,在X=x条件下随机变量Y的条件分布函数
概率论与数理统计
设(X,Y)的分布函数为F(x,y),概率密度为f(x,y)。若在点(x,y)处f(x,y)连续,边缘 概率密度fY(y)连续,且fY(y)>0,则有:
亦即
概率论与数理统计
若记
为条件Y=y下X的条件概率函数,则由上式知:
类似地在相应条件下可得在X=x条件下Y的条件概率密度为
(4)对于任意(x1,y1)和(x2,y 2 ),x1 x 2 ,y1 y 2 ,有 F(x2,y 2 ) F(x2,y1) F(x1,y 2 ) F(x1,y1) 0
概率论与数理统计
2. 二维离散型随机变量
定义3.3 若二维随机向量(X,Y)的所有可能取值是有限对或无
限可列多对,则称(X,Y) 为二维离散型随机向量。
概率论与数理统计
例题
x
O
y
03
第3节 条件分布
概率论与数理统计
1. 二维离散型随机变量的条件分布律
定义3.5
概率论与数理统计
例题
一射手进行射击,每次射击击中目标的概率均为p(0<p<1)且 假设各次击中目标与否相互独立,射击进行到击中目标两次 为止.设以X表示到第一次击中目标所需要的射击次数,以Y 表示总共进行的射击次数.试求(X,Y)的联合分布律和条件分 布律.
为求Z的概率密度,可先求出Z的分布函数
概率论与数理统计
求解过程中,关键在于将事件{Z≤z}等价地转化为用(X,Y)表示的事件
{g(X,Y) ≤z}={(X,Y)
},其中

即首先找出上式右端的积分区域Dz。如果求得了FZ(z) ,那么可通过
求出Z的概率密度

概率论与数理统计
例题
设 独立,求
且X与Y相互 的概率密度。
第3章 随机向量
目录 CONTENTS
第1节 二维随机向量及其分布
第2节 边缘分布
第3节
条件分布
第4节 随机变量的独立性
第5节 两个随机变量的函数的分布
01
第1节 二维随机向量及其分布
概率论与数理统计
1. 二维随机向量及其分布函数
定义3.1 设E是一个随机试验,它的样本空间是={e}.设X(e)
由独立性定义可证 “若X与Y相互独立,则对于任意实数x1<x2,y1<y2,事件 { x1<X≤x2}与事件{ y1<Y≤y2}相互独立”。
概率论与数理统计
P{x1<X≤x2 ,y1<Y≤y2} =F(x2, y2)-F(x2, y1)-F(x1, y2)+F(x1, y1) =FX(x2) FY(y2)-FX(x2) FY(y1)-FX(x1) FY(y2)+FX(x1) FY(y1) =[ FX(x2)-FX(x1)][ FY(y2)-FY(y1)] = P{x1<X≤x2}P{y1<Y≤y2} 所以事件{x1<X≤x2}与{y1<Y≤y2}是相互独立的。
解: 由题意,{X=i}表示第i次首次击中目标,{Y=j}表示第j次击中目标,因而 i<j,{X=i, Y=j}表示第i次和第j次击中目标而其余j-2次均未击中目标.于是(X,Y) 的联合分布律为:
概率论与数理统计
概率论与数理统计
对于固定的
i 1,2 ,L ,
在条件 X i 下 Y 的条件分布律为
由古典概率计算可得
概率论与数理统计
于是(X,Y)的分布可用表示
Y
X
0
4/84
1
12/84
2
4/84
由(X,Y)的分布律,所 求概率为
0
18/84 24/84 3/84
1
2
3
12/84 1/84
6/84 0
0
0
概率论与数理统计
概率论与数理统计
3. 二维连续型随机变量
定义3.4 设(X,Y)为二维随机向量,(X,Y)的分布函数为F(x,y).若存在
概率论与数理统计
例题
设随机变量(X,Y)在区域D={(x,y)∣x2+y2≤1}上服从均匀分布,
求条件概率密度

解: (X,Y)的概率密度为
且有边缘概率密度 :
当-1<y<1时有:
概率论与数理统计
特别地,当y = 0和y = 时,条件概率密度分别为:
类似于条件概率的乘法公式,也有
04
第4节 随机变量的独立性
(X,Y)的分布函数满足如下基本性质:
(1) F(x,y)是变量x,y的不减函数. (2) 0F(x,y)1
对于任意的 y ,F(,y ) 0 对于任意的 x ,F(x ,) 0 F(,) 0,F(,) 1
(3)F(x ,y )关于x ,y是右连续的,即 F(x ,y ) F(x 0,y ),F(x ,y ) F(x ,y 0)
其中,和式是对一切满足 xi x, yi y 的 i, j 来求和的.
概率论与数理统计
从一个装有2个红球,3个白球和4个黑球的袋中随机地取3个
例题 球,设X和Y分别表示取出的红球数和白球数,求(X,Y)的分布
律,并求P{X≤1,Y<2},P{X+Y=2},及P{X=1}. 解:X的可能值为0,1,2,Y的可能为0,1,2,3.(X,Y)的所有可能值为 (0,0),(0,1),(0,2),(0,3),(1,0),(1,1),(1,2),(2,0),(2,1).
概率论与数理统计
定义3.7 设X和Y是两个随机变量,如果对于任意实数x和y,事
件{X≤x}与{Y≤y}相互独立,即有P{ X≤x , Y≤y }=P{X≤x}P{Y≤y},则称随 机变量X与Y相互独立。 设F(x,y)为二维随机变量(X,Y)的分布函数, (X,Y)关于X和关于Y的边缘分布 函数分别为FX(x),FY(y),则上式等价于
相关文档
最新文档