概率论与数理统计完整1 第三章ppt课件
合集下载
概率论与数理统计课件第三章ppt
Y X
y1
y2
...
yj
… pi·
x1 p11 p12 … p1 … p1·
x... 2 p... 21 x... i p... i1
p· p·1
p... 22 p... i2
p·2
…j
… p2
… j...
… …
p...pi·jj
… … … …
…
p... 2· p... i ·
1
j
例1.设袋中有五个同类产品，其中有两个 是次品，每次从袋中任意抽取一个，
设(X,Y)为连续型随机变量，其联合分布函 数和联合概率密度分别为F(x,y)和 f(x,y),则
f X
(x)
d dx
FX
(x)
f (x, y)dy
fY
( y)
d dy
FY
(
y)
f
(x,
y)dx
分别称为(X,Y)关于X和Y的边缘概率密度
函数，简称边缘概率密度。
例2. 设(X,Y)的分布密度是
e(xy) , x 0, y 0
3.1
例1.甲乙掷色子,观察点数。
w1i={甲掷i点} w2j={乙掷j点}
X,Y (i, j)
i,j=(1,2,…,6)
二维随机变量的定义
对于随机试验E，Ω是其样本空间。X(w) 和 Y(w)是定义在样本空间Ω上的两个随机变量, 由它们构成的向量(X,Y)称为二维随机变量 或二维随机向量。
y
w.
Y X
y1
y2
...
yj
…
x1 p11 p12 x... 2 p... 21 p... 22
x... i p... i1 p... i2
概率论与数理统计课件 第三章1
0, 其他.
求 (1) 边缘概率密度 pX ( x), pY ( y);
(2) P{ X＋Y ２}
y
(1,1)
y 1 x
2019/4/3
O x 1 x e2 x
第三章 多维随机变量及其分布
28
例3 设二维随机变量 ( X , Y ) 具有概率密度
Ce(3x4 y) , x 0, y 0,
(x, y)
2019/4/3
第三章 多维随机变量及其分布
23
3.说明
几何上, z p( x, y) 表示空间的一个曲面.
p( x, y)d x d y 1,
表示介于 p (x, y)和 xoy 平面之间的空间区域的 全部体积等于1.
P{( X ,Y )G} p( x, y) d x d y, G
19
2019/4/3
第三章 多维随机变量及其分布
20
2019/4/3
第三章 多维随机变量及其分布
21
四、二维连续型随机变量
1.定义
对于二维随机变量 ( X ,Y ) 的分布函数 F ( x, y), 如果存在非负的函数 p( x, y) 使对于任意 x, y 有
yx
F ( x, y)
p(u, v) d ud v ,
记 P{X xi , Y yj } pij , i, j 1, 2,
称此为二维离散型随机变量 ( X ,Y ) 的分布律, 或随机变量 X 和 Y 的联合分布律.
其中 pij 0,
pij 1.
i1 j1
2019/4/3
第三章 多维随机变量及其分布
13
二维随机变量 ( X,Y ) 的分布律也可表示为
1 ( arctan x)
3-1概率论与数理统计PPT课件
随机变量的分布包含两个部分： 取哪些值？ 取这些值相应的概率是多少？
3.1.2 离散随机变量及其概率分布
离散随机变量 如果一个随机变量只取有限多个或者可数无穷多个 (可列个) 可能值，这种随机变量就称为离散随机变量。
离散随机变量所有可能的取值以及相应的概率
称为它的概率分布（律），简称分布律。一般表示成：
X
x1 x2 x3 … xn …
pk
p1 p2 p3 … pn …
根据概率的定义，离散随机变量分布律
必须满足下面两个条件：
(1) pi ≥ 0 , i = 1, 2, 3, …
(2) ∑ pi = 1
看例题
3.2 重要的离散型随机变量
3.2.1 独立重复实验序列
1. 随机试验的独立性
对于一些随机试验来说，如果它们的结果互相 不影响，即每个随机试验的各种结果出现的概率不依 赖于其它随机试验出现的结果，就称这些随机试验是 相互独立的。
第3章 离散随机变量
3.1.1随机变量的概念 在涉及随机试验的实际问题中，经常遇到这样的
情况，很大一部分问题与数值发生联系，从而可以 将随机试验量化。
例1. 电话的次数 ，可能是0，1，2，… 例2 某射手对一活动靶进行射击，到击中目标为止， 所进行的射击次数，可能是1，2，…
例3 某一时间段内，车站到来的乘客数， 或在某一个区域里，野生动物的数量 ·····； 它所有可能的取值是一切非负整数。
看例9
例 (金融保险) 根据生命表知道，在某个年龄段的投保人中一年内 每个人死亡的概率是 0.005 ，现在有 10,000 人参加 保险，问未来一年中死亡人数不超过 60 人的概率。
解。 分析： 以 X 记这 10,000 人中死亡的人数，则显然有 X ~ B (104，0.005 ) ，需要计算P { X ≤ 60 } 。 P { X ≤ 60 } = ∑k6=00 [C10000k 0.005k 0.99510000 – k ] ≈ 0.9222 。
3.1.2 离散随机变量及其概率分布
离散随机变量 如果一个随机变量只取有限多个或者可数无穷多个 (可列个) 可能值，这种随机变量就称为离散随机变量。
离散随机变量所有可能的取值以及相应的概率
称为它的概率分布（律），简称分布律。一般表示成：
X
x1 x2 x3 … xn …
pk
p1 p2 p3 … pn …
根据概率的定义，离散随机变量分布律
必须满足下面两个条件：
(1) pi ≥ 0 , i = 1, 2, 3, …
(2) ∑ pi = 1
看例题
3.2 重要的离散型随机变量
3.2.1 独立重复实验序列
1. 随机试验的独立性
对于一些随机试验来说，如果它们的结果互相 不影响，即每个随机试验的各种结果出现的概率不依 赖于其它随机试验出现的结果，就称这些随机试验是 相互独立的。
第3章 离散随机变量
3.1.1随机变量的概念 在涉及随机试验的实际问题中，经常遇到这样的
情况，很大一部分问题与数值发生联系，从而可以 将随机试验量化。
例1. 电话的次数 ，可能是0，1，2，… 例2 某射手对一活动靶进行射击，到击中目标为止， 所进行的射击次数，可能是1，2，…
例3 某一时间段内，车站到来的乘客数， 或在某一个区域里，野生动物的数量 ·····； 它所有可能的取值是一切非负整数。
看例9
例 (金融保险) 根据生命表知道，在某个年龄段的投保人中一年内 每个人死亡的概率是 0.005 ，现在有 10,000 人参加 保险，问未来一年中死亡人数不超过 60 人的概率。
解。 分析： 以 X 记这 10,000 人中死亡的人数，则显然有 X ~ B (104，0.005 ) ，需要计算P { X ≤ 60 } 。 P { X ≤ 60 } = ∑k6=00 [C10000k 0.005k 0.99510000 – k ] ≈ 0.9222 。
概率论与数理统计第三章PPT
乘法公式应用举例 （波里亚罐子模型）
b个白球, r个红球
一个罐子中包含b个白球和r个红球. 随机地抽取一个球，观看颜色后放回罐中， 并且再加进c个与所抽出的球具有相同颜 色的球. 这种手续进行四次，试求第一、 二次取到白球且第三、四次取到红球的概 率.
随机取一个球，观看颜色后放 回罐中，并且再加进c个与所抽出 的球具有相同颜色的球. b个白球, r个红球
解: 设Wi={第i次取出是白球}, i=1,2,3,4 Rj={第j次取出是红球}， j=1,2,3,4 于是W1W2R3R4表示事件“连续取四个球，第 一、第二个是白球，第三、四个是红球. ”
用乘法公式容易求出 P(W1W2R3R4) =P(W1)P(W2|W1)P(R3|W1W2)P(R4|W1W2R3)
用它们可计算两 个事件同时发生 的概率
(3)
注意P(AB)与P(A | B)的区别！
请看下面的例子
例 甲、乙两厂共同生产1000个零件，其中300件 是乙厂生产的. 而在这300个零件中，有189个是 标准件，现从这1000个零件中任取一个，问这个 零件是乙厂生产的标准件的概率是多少？
设B={零件是乙厂生产}
P A 4 10 0.4
4 3 12 10 9 90 6 4 24 P AB P A P B | A 10 10 90 P AB P A P B | A
P16例4
P ABC P A P B | A P C | AB
二、 乘法法则 P ( AB) 由条件概率的定义： P ( A | B)
P ( B)
若已知P(B), P(A|B)时, 可以反求P(AB). 即 若P(B)>0,则P(AB)=P(B)P(A|B) (2) 将A、B的位置对调，有 (2)和(3)式都称为 乘法公式, 利 若 P(A)>0, 则P(BA)=P(A)P(B|A) 而 P(AB)=P(BA) 故 若P(A)>0,则P(AB)=P(A)P(B|A)
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
|
概率论与数理统计课件(PPT)
随机现象：不确定性与统计规律性
概率论——研究和揭示随机现象 的统计规律性的科学
目录
• • • • • • 第一章 随机事件及其概率 第二章 随机变量 第三章 随机变量的数字特征 第四章 样本及抽样分布 第五章 参数估计 第六章 假设检验
第一章 随机事件及其概率
• 随机事件及其运算 • 概率的定义及其运算 • 条件概率 • 事件的独立性
注意到不论是对概率的直观理 解，还是频率定义方式，作为事件 的概率，都应具有前述三条基本性 质，在数学上，我们就可以从这些 性质出发，给出概率的公理化定义
1.定义(p8) 若对随机试验E所对应的样本空间中 的每一事件A，均赋予一实数P(A)，集合函数
P(A)满足条件：
(1) P(A) ≥0；
(2) P()＝1；
历史上曾有人做过试验,试图证明抛掷匀质硬币时 ，出现正反面的机会均等。
实验者
De Morgan Buffon K. Pearson K. Pearson
n
2048 4040 12000 24000
nH
1061 2048 6019 12012
fn(H)
0.5181 0.5069 0.5016 0.5005
N ( A) P( A) N ()
P(A)具有如下性质(P7)
(1) 0 P(A) 1；
(2) P()＝1； P( )=0 (3) AB＝，则 P( A B )＝ P(A) ＋P(B)
例:有三个子女的家庭,设每个孩子是男是女的概率 相等,则至少有一个男孩的概率是多少?
解:设A--至少有一个男孩,以H表示某个孩子是男孩 ={HHH,HHT,HTH,THH,HTT,TTH,THT,TTT}
1.1随机事件及其概率
概率论——研究和揭示随机现象 的统计规律性的科学
目录
• • • • • • 第一章 随机事件及其概率 第二章 随机变量 第三章 随机变量的数字特征 第四章 样本及抽样分布 第五章 参数估计 第六章 假设检验
第一章 随机事件及其概率
• 随机事件及其运算 • 概率的定义及其运算 • 条件概率 • 事件的独立性
注意到不论是对概率的直观理 解，还是频率定义方式，作为事件 的概率，都应具有前述三条基本性 质，在数学上，我们就可以从这些 性质出发，给出概率的公理化定义
1.定义(p8) 若对随机试验E所对应的样本空间中 的每一事件A，均赋予一实数P(A)，集合函数
P(A)满足条件：
(1) P(A) ≥0；
(2) P()＝1；
历史上曾有人做过试验,试图证明抛掷匀质硬币时 ，出现正反面的机会均等。
实验者
De Morgan Buffon K. Pearson K. Pearson
n
2048 4040 12000 24000
nH
1061 2048 6019 12012
fn(H)
0.5181 0.5069 0.5016 0.5005
N ( A) P( A) N ()
P(A)具有如下性质(P7)
(1) 0 P(A) 1；
(2) P()＝1； P( )=0 (3) AB＝，则 P( A B )＝ P(A) ＋P(B)
例:有三个子女的家庭,设每个孩子是男是女的概率 相等,则至少有一个男孩的概率是多少?
解:设A--至少有一个男孩,以H表示某个孩子是男孩 ={HHH,HHT,HTH,THH,HTT,TTH,THT,TTT}
1.1随机事件及其概率
同济大学《概率论与数理统计》PPT课件
随机事件 D=“出现的点数超过 6”= ，即一定不会发生的不可能事件。
同济大学数学系 & 人民邮电出版社
四、随机事件之间的关系与运算
第1章 随机事件与概率 10
（1）事件的包含
若事件 A 的发生必然导致事件 B 的发生, 则称事件A 包含在事件 B 中. 记作 A B .
BA
A B
同济大学数学系 & 人民邮电出版社
3
某快餐店一天内接到的订单量；
4
航班起飞延误的时间；
5
一支正常交易的A股股票每天的涨跌幅。
二、样本空间
第1章 随机事件与概率 6
一个随机试验，每一个可能出现的结果称为一个样本点，记为
全体样本点的集合称为样本空间, 记为 , 也即样本空间是随机试验的一切可能结果组成
的集合, 集合中的元素就是样本点. 样本空间可以是有限集, 可数集, 一个区间（或若干区间的并集）.
01 在相同的条件下试验可以重复进行;
OPTION
02 每次试验的结果不止一个, 但是试验之前可以明确;
OPTION
03 每次试验将要发生什么样的结果是事先无法预知的.
OPTION
一、随机试验
例1
随机试验的例子
第1章 随机事件与概率 5
1 抛掷一枚均匀的硬币，有可能正面朝上，也有可能反面朝上；
2
抛掷一枚均匀的骰子，出现的点数；
（互斥）.
同济大学数学系 & 人民邮电出版社
2、随机事件之间的运算
第1章 随机事件与概率 12
（1）事件的并
事件 A 或 B至少有一个发生时, 称事件 A 与事件B 的并事件发生, 记为 A U B .
（2）事件的交（积）
同济大学数学系 & 人民邮电出版社
四、随机事件之间的关系与运算
第1章 随机事件与概率 10
（1）事件的包含
若事件 A 的发生必然导致事件 B 的发生, 则称事件A 包含在事件 B 中. 记作 A B .
BA
A B
同济大学数学系 & 人民邮电出版社
3
某快餐店一天内接到的订单量；
4
航班起飞延误的时间；
5
一支正常交易的A股股票每天的涨跌幅。
二、样本空间
第1章 随机事件与概率 6
一个随机试验，每一个可能出现的结果称为一个样本点，记为
全体样本点的集合称为样本空间, 记为 , 也即样本空间是随机试验的一切可能结果组成
的集合, 集合中的元素就是样本点. 样本空间可以是有限集, 可数集, 一个区间（或若干区间的并集）.
01 在相同的条件下试验可以重复进行;
OPTION
02 每次试验的结果不止一个, 但是试验之前可以明确;
OPTION
03 每次试验将要发生什么样的结果是事先无法预知的.
OPTION
一、随机试验
例1
随机试验的例子
第1章 随机事件与概率 5
1 抛掷一枚均匀的硬币，有可能正面朝上，也有可能反面朝上；
2
抛掷一枚均匀的骰子，出现的点数；
（互斥）.
同济大学数学系 & 人民邮电出版社
2、随机事件之间的运算
第1章 随机事件与概率 12
（1）事件的并
事件 A 或 B至少有一个发生时, 称事件 A 与事件B 的并事件发生, 记为 A U B .
（2）事件的交（积）
(最新整理)概率论与数理统计ppt课件
2021/7/26
4
随机试验:
(1) 可在相同的条件下重复试验; (2) 每次试验的结果不止一个,且能事先明确所有可能的 结果; (3) 一次试验前不能确定会出现哪个结果.
2021/7/26
5
§2. 样本空间与随机事件
(一) 样本空间:
定义 随机试验E的所有可能结果组成的集合称为 E的样 本空间, 记为S. 样本空间的元素称为样本点，用表示.
概率的古典定义:
对于古典概型, 样本空间S＝{1, 2, … , n}, 设事件A包 含S的 k 个样本点，则事件A的概率定义为
A中的基本事k件数 2021/7/26 P(A)S中的基本事n件总数 16
古典概型概率的计算步骤:
(1) 选取适当的样本空间S, 使它满足有限等可能的要求, 且把事件A表示成S的某个子集. (2) 计算样本点总数n及事件A包含的样本点数k.
1. 定义: 设A, B是两个事件, 且P(A)>0, 称
P(B| A) P(AB ) P(A)
为202在1/7/2事6 件A发生的条件下事件B发生的条件概率3.0
2. 性质: 条件概率符合概率定义中的三个条件, 即 10 对于每一 B个 有 , 1事 P件 (|BA )0.
20 P(|SA)Байду номын сангаас.
33
(二) 乘法公式:
由 条 件,概 立率 即P定 可 ( A 义 0得 则 ), 有 P (A P B()A|)A P)(.B
推广 P(AB)>0, 则有 P(ABC)=P(A)P(B|A)P(C|AB).
(2 )P ( ) 1 ,P ( ) 0 ; (3) 对 于 两 两 互 斥个的事可 A1件 ,A列 2,多 , P(A1A2)P(A1)P(A2)
- 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)。
(4) 当a<b, c<d 时，有 (非负性) F(b, d) F(b, c) F(a, d) + F(a, c) 0.
注意：上式左边 = P(a<Xb, c<Y d).
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第6页
3.1.3 联合分布列
二维离散随机变量
若(X, Y) 的可能取值为有限对、或可列对， 则称(X, Y)为二维离散随机变量.
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.
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
X2 x2
第4页
(x1, x2)
x1
X1
5/23/2020
华东师范大学
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第7页
二维离散分布的联合分布列
称 pij = P(X=xi, Y=yj)， i, j=1, 2, ..., 为(X,Y) 的联合分布列，其表格形式如下:
Y X
x1 x2 … xi …
5/23/2020
y1 y2 … yj …
p11 p12 … p1j … p21 p22 … p2j … … … ……… pi1 pi2 … pi j … … … ………
第16页
联合密度函数的基本性质
(1) p(x, y) 0. (非负性)
(2)
p(x,y)dxdy1
(正则性)
- -
注意： P(X,Y) D p(x,y)dxdy
D
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第17页
3.1.5 常用多维分布
一、多项分布
若每次试验有r 种结果：A1, A2, ……, Ar
第三章 多维随机变量及其分布
第1页
第三章 多维随机变量及其分布
§3.1 多维随机变量及其联合分布 §3.2 边际分布与随机变量的独立性 §3.3 多维随机变量函数的分布 §3.4 多维随机变量的特征数 §3.5 条件分布与条件期望
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第2页
§3.1 多维随机变量及其联合分布
第13页
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
课堂练习
第14页
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到X 中等可能 地取一整数值。试求（X, Y）的联合分布列.
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第15页
华东师范大学
第三章 多维随机变量及其分布
第8页
联合分布列的基本性质
(1) pij 0, i, j = 1, 2,… (非负性)
(2) pij = 1. (正则性)
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第9页
确定联合分布列的方法
(1) 确定随机变量 (X, Y) 的所有取值数对. (2) 计算取每个数值对的概率. (3) 列出表格.
3.3.1 多维随机变量 ➢ 定义3.1.1
若X, Y是两个定义在同一个样本空间上的 随机变量，则称(X, Y) 是两维随机变量.
➢ 同理可定义 n 维随机变量 (随机向量).
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第3页
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)
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
列表为：
XY 0 1 2 3 4
0
0 0 0 0 1/16
1
0 0 0 1/4 0
2
0 0 6/16 0 0
3
0 1/4 0 0 0
4 1/16 0 0 0 0
第11页
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第12页
例3.1.2 设随机变量 Y ~ N(0, 1),
记 P(Ai) = pi ,
i = 1, 2, ……, r
求
X1 1 0,,
|Y|1, |Y|1
X2 1 0,, ||Y Y|| 2 2的联合分布列.
解: (X1, X2) 的可能取值数对及相应的概率如下：
P(X1=0, X2=0) = P(|Y|≥1, |Y|≥2) = P(|Y|≥2) = 2 2Φ(2) = 0.0455
P(X1=0, X2=1) = P(|Y|≥1, |Y|<2) = P(1≤|Y|<2) = 2[Φ(2) Φ(1)] = 0.2719
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第10页
例3.1.1 将一枚均匀的硬币抛掷4次，X表示正面向上
的次数，Y表示反面朝上次数。求 (X, Y) 的联合分布列.
解：概率非零的(X,Y) 可能取值对为: X Y 其对应的概率分别为： 0 4 P(X=0, Y=4)= 0.54=1/16 1 3 P(X=1, Y=3)= C410.50.53 =1/4 2 2 P(X=2, Y=2)= C420.520.52 =6/16 3 1 P(X=3, Y=1)= C430.530.51 =1/4 4 0 P(X=4, Y=0)= 0.54 =1/16
P(X1=1, X2=0) = P(|Y|<1, |Y|≥2) = 0
P(X1=1, X2=1) = P(|Y|<1, |Y|<2) = P(|Y|<1) = 0.6826
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
列表为：
X1 X2 0 1
0
0.0455 0
1
0.2719 0.6826
3.1.4 联合密度函数
设二维随机变量(X, Y) 的分布函数为 F(x, y)，若存在 非负可积函数 p(x, y)，使得
xy
F(x,y)= p(u,v)dvdu --
则称 (X, Y) 为二维连续型随机变量。 称p(x, y) 为联合密度函数。
5/23/2020
华东师范大学
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5页
联合分布函数的基本性质
(1) F(x, y) 关于 x 和 y 分别单调增. (单调性)
(2) 0 F(x, y) 1，且 (有界性) F(, y) = F(x, ) =0， F(+, +) = 1.
(3) F(x, y) 关于 x 和 y 分别右连续. (右连续性)
注意：上式左边 = P(a<Xb, c<Y d).
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第6页
3.1.3 联合分布列
二维离散随机变量
若(X, Y) 的可能取值为有限对、或可列对， 则称(X, Y)为二维离散随机变量.
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.
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
X2 x2
第4页
(x1, x2)
x1
X1
5/23/2020
华东师范大学
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第7页
二维离散分布的联合分布列
称 pij = P(X=xi, Y=yj)， i, j=1, 2, ..., 为(X,Y) 的联合分布列，其表格形式如下:
Y X
x1 x2 … xi …
5/23/2020
y1 y2 … yj …
p11 p12 … p1j … p21 p22 … p2j … … … ……… pi1 pi2 … pi j … … … ………
第16页
联合密度函数的基本性质
(1) p(x, y) 0. (非负性)
(2)
p(x,y)dxdy1
(正则性)
- -
注意： P(X,Y) D p(x,y)dxdy
D
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第17页
3.1.5 常用多维分布
一、多项分布
若每次试验有r 种结果：A1, A2, ……, Ar
第三章 多维随机变量及其分布
第1页
第三章 多维随机变量及其分布
§3.1 多维随机变量及其联合分布 §3.2 边际分布与随机变量的独立性 §3.3 多维随机变量函数的分布 §3.4 多维随机变量的特征数 §3.5 条件分布与条件期望
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第2页
§3.1 多维随机变量及其联合分布
第13页
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
课堂练习
第14页
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到X 中等可能 地取一整数值。试求（X, Y）的联合分布列.
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第15页
华东师范大学
第三章 多维随机变量及其分布
第8页
联合分布列的基本性质
(1) pij 0, i, j = 1, 2,… (非负性)
(2) pij = 1. (正则性)
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第9页
确定联合分布列的方法
(1) 确定随机变量 (X, Y) 的所有取值数对. (2) 计算取每个数值对的概率. (3) 列出表格.
3.3.1 多维随机变量 ➢ 定义3.1.1
若X, Y是两个定义在同一个样本空间上的 随机变量，则称(X, Y) 是两维随机变量.
➢ 同理可定义 n 维随机变量 (随机向量).
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第3页
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)
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
列表为：
XY 0 1 2 3 4
0
0 0 0 0 1/16
1
0 0 0 1/4 0
2
0 0 6/16 0 0
3
0 1/4 0 0 0
4 1/16 0 0 0 0
第11页
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第12页
例3.1.2 设随机变量 Y ~ N(0, 1),
记 P(Ai) = pi ,
i = 1, 2, ……, r
求
X1 1 0,,
|Y|1, |Y|1
X2 1 0,, ||Y Y|| 2 2的联合分布列.
解: (X1, X2) 的可能取值数对及相应的概率如下：
P(X1=0, X2=0) = P(|Y|≥1, |Y|≥2) = P(|Y|≥2) = 2 2Φ(2) = 0.0455
P(X1=0, X2=1) = P(|Y|≥1, |Y|<2) = P(1≤|Y|<2) = 2[Φ(2) Φ(1)] = 0.2719
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
第10页
例3.1.1 将一枚均匀的硬币抛掷4次，X表示正面向上
的次数，Y表示反面朝上次数。求 (X, Y) 的联合分布列.
解：概率非零的(X,Y) 可能取值对为: X Y 其对应的概率分别为： 0 4 P(X=0, Y=4)= 0.54=1/16 1 3 P(X=1, Y=3)= C410.50.53 =1/4 2 2 P(X=2, Y=2)= C420.520.52 =6/16 3 1 P(X=3, Y=1)= C430.530.51 =1/4 4 0 P(X=4, Y=0)= 0.54 =1/16
P(X1=1, X2=0) = P(|Y|<1, |Y|≥2) = 0
P(X1=1, X2=1) = P(|Y|<1, |Y|<2) = P(|Y|<1) = 0.6826
5/23/2020
华东师范大学
第三章 多维随机变量及其分布
列表为：
X1 X2 0 1
0
0.0455 0
1
0.2719 0.6826
3.1.4 联合密度函数
设二维随机变量(X, Y) 的分布函数为 F(x, y)，若存在 非负可积函数 p(x, y)，使得
xy
F(x,y)= p(u,v)dvdu --
则称 (X, Y) 为二维连续型随机变量。 称p(x, y) 为联合密度函数。
5/23/2020
华东师范大学
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5页
联合分布函数的基本性质
(1) F(x, y) 关于 x 和 y 分别单调增. (单调性)
(2) 0 F(x, y) 1，且 (有界性) F(, y) = F(x, ) =0， F(+, +) = 1.
(3) F(x, y) 关于 x 和 y 分别右连续. (右连续性)