概率论与数理统计教程华东师大茆诗松版第三章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)
合集茆诗松概率论与数理统计教程培训第三章-(1)培训.ppt
10
或更加直观的, (X,Y)的联合分布列也可用二向表来表示
X Y y1
y2
…
yn
x1
p11
p12
…
p1n
x2
p21
p22
…
p2n
…
…
…
…
…
xn
pn1
pn2
…
pnn
精品文档
11
分布律pij的两条基本性质: (1)非 负 性. Pij 0
(2)正 则 性.
Pij 1
i1 j1
精品文档
12
例一. 连续抛一枚硬币三次, 定义X是获得的正面 的次数, Y是三次中正面向上的次数与反面向 上的次数差的绝对值. 试求(X,Y)的分布律.
(X,Y)取值就相当于在平面内取值, 所以F(x,y)就是随机向量 (X,Y)落在以(x,y)为顶点的左下方无穷矩形区域内的概率, 见下面阴影部分.
精品文档
7
分布函数F(x,y)具有下列基本性质:
(1) F ( x, y)分别为x, y的不减函数, 即 对 于确 定 的y, 当x2 x1时 有 F ( x2 , y) F ( x1, y); 对 于确 定 的x, 当y2 y1时 有 F ( x, y2 ) F ( x, y1 ).
(4) 矩形公式:随机向量( X ,Y )落在矩形区域{x1 X x2 , y1 Y y2 } 内的概率为
P( x1 X x2 , y1 Y y2 ) F( x2 , y2 ) F( x1, y2 ) F( x2 , y1 ) F( x1, y1 )
精品文档
9
• 二维随机向量的分类: 离散型和连续型
定义 若二维随机向量(X,Y)的可能取值(x,y)是有限个或可
峁诗松 概率论与数理统计
华东师范大学
第三章 多维随机变量及其分布
第29页
3.2.1 边际分布函数
巳知 (X, Y) 的联合分布函数为 F(x, y)，
则
X FX (x) = F(x, +),
Y FY (y) = F(+ , y).
17 July 2013
华东师范大学
第三章 多维随机变量及其分布
第30页
3.2.2 边际分布列
(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).
17 July 2013
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
第三章 多维随机变量及其分布
第33页
注 意 点 (1)
由联合分布可以求出边际分布.
但由边际分布一般无法求出联合分布.
所以联合分布包含更多的信息.
17 July 2013
华东师范大学
第三章 多维随机变量及其分布
第34页
注 意 点 (2)
二维正态分布的边际分布是一维正态： 若 (X, Y) N ( )，
地取一整数值。试求（X, Y）的联合分布列.
17 July 2013
华东师范大学
第三章 多维随机变量及其分布
第15页
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
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。
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
茆诗松概率论与数理统计教程课件第三章 (3)
i 0
k
i 0
i 1
i!
e 1
2
i k 2
(k i )!
k
e 2
e
1
e k!
k! i k i 1 2 i 0 i! ( k i )!
e ( 1 2 ) k (1 2 ) k!
(1 2 )k ( 1 2 ) e k!
p( x, y )dxdy
| x y| z
dxdy
阴影部分面积
1 1 2 (1 z ) 2 2
2z z 2
所以Z=|X-Y|的密度函数为
pZ ( z ) FZ ' ( z ) 2(1 z ),
0 z 1
对某些常用的简单的函数g, 可利用“分布函数法” 导出pZ(z)和p(x,y)的关系式供我们直接使用.
解: 由题知
1 pX ( x ) e 2
x2 2
1 , pY ( y ) e 2
y2 2
,
x, y
所以由卷积公式有
1 pZ ( z ) pX ( x ) pY ( z x )dx e 2
x2 2
e
( z x )2 2
类似地, 我们可以求得n个独立变量的最大值和最小值的分 布函数.
例五. 设系统L由两个相互独立的子系统L1,L2连接而成,
连接的方式分别为:(1)串联, (2)并联, (3)备用(当系统 L1损坏时, 系统L2开始工作), 如图所示. 设L1和L2的寿 命分别为X,Y, 其概率密度分别为
e x , x 0 pX ( x ) 0, 其 它
2
k
i 0
i 1
i!
e 1
2
i k 2
(k i )!
k
e 2
e
1
e k!
k! i k i 1 2 i 0 i! ( k i )!
e ( 1 2 ) k (1 2 ) k!
(1 2 )k ( 1 2 ) e k!
p( x, y )dxdy
| x y| z
dxdy
阴影部分面积
1 1 2 (1 z ) 2 2
2z z 2
所以Z=|X-Y|的密度函数为
pZ ( z ) FZ ' ( z ) 2(1 z ),
0 z 1
对某些常用的简单的函数g, 可利用“分布函数法” 导出pZ(z)和p(x,y)的关系式供我们直接使用.
解: 由题知
1 pX ( x ) e 2
x2 2
1 , pY ( y ) e 2
y2 2
,
x, y
所以由卷积公式有
1 pZ ( z ) pX ( x ) pY ( z x )dx e 2
x2 2
e
( z x )2 2
类似地, 我们可以求得n个独立变量的最大值和最小值的分 布函数.
例五. 设系统L由两个相互独立的子系统L1,L2连接而成,
连接的方式分别为:(1)串联, (2)并联, (3)备用(当系统 L1损坏时, 系统L2开始工作), 如图所示. 设L1和L2的寿 命分别为X,Y, 其概率密度分别为
e x , x 0 pX ( x ) 0, 其 它
2
概率论与数理统计课件 第三章2
(2) 设连续型随机变量( X ,Y )的联合概率密度为 p( x, y), 边缘概率密度分别为 pX ( x), pY ( y),则有
X 和 Y 相互独立 p( x, y) pX ( x) pY ( y).
2019/4/3
第三章 多维随机变量及其分布
14
例1 设两个独立的随机变量 X 与Y 的分布律为
因此 ( X ,Y ) 的联合分布律为
Y X
2
4
1 0.18 0.12
3 0.42 0.28
2019/4/3
第三章 多维随机变量及其分布
16
例2 已知 ( X ,Y ) 的分布律为
( X ,Y ) (1,1) (1,2) (1,3) (2,1) (2,2)
111 1
pij
6
9 18
3
(1) 求 与 应满足的条件;
2019/4/3
第三章 多维随机变量及其分布
11
例2 设数 X 在区间 (0,1) 上随机地取值,当观察到 X x (0 x 1) 时,数 Y 在区间 (0, x) 上随机地取 值.求 Y 的概率密度 fY ( y).
2019/4/3
第三章 多维随机变量及其分布
12
三、随机变量的独立性
1.定义
3
2.二维正态分布
若二维随机变量 ( X,Y ) 具有概率密度
p( x, y)
1
e 1 2(1 ρ2
)
(
x
μ1 σ12
)2
2
ρ(
x
μ1 )( σ1σ2
y
μ2
)
(
y
μ2 σ22
)2
2πσ1σ2 1 ρ2
其中μ1, μ2 , σ1, σ2 , ρ 均为常数,且σ1 0, σ2 0, 1 ρ 1.
X 和 Y 相互独立 p( x, y) pX ( x) pY ( y).
2019/4/3
第三章 多维随机变量及其分布
14
例1 设两个独立的随机变量 X 与Y 的分布律为
因此 ( X ,Y ) 的联合分布律为
Y X
2
4
1 0.18 0.12
3 0.42 0.28
2019/4/3
第三章 多维随机变量及其分布
16
例2 已知 ( X ,Y ) 的分布律为
( X ,Y ) (1,1) (1,2) (1,3) (2,1) (2,2)
111 1
pij
6
9 18
3
(1) 求 与 应满足的条件;
2019/4/3
第三章 多维随机变量及其分布
11
例2 设数 X 在区间 (0,1) 上随机地取值,当观察到 X x (0 x 1) 时,数 Y 在区间 (0, x) 上随机地取 值.求 Y 的概率密度 fY ( y).
2019/4/3
第三章 多维随机变量及其分布
12
三、随机变量的独立性
1.定义
3
2.二维正态分布
若二维随机变量 ( X,Y ) 具有概率密度
p( x, y)
1
e 1 2(1 ρ2
)
(
x
μ1 σ12
)2
2
ρ(
x
μ1 )( σ1σ2
y
μ2
)
(
y
μ2 σ22
)2
2πσ1σ2 1 ρ2
其中μ1, μ2 , σ1, σ2 , ρ 均为常数,且σ1 0, σ2 0, 1 ρ 1.
茆诗松概率论与数理统计教程课件第三章 (2)
,
2 2
,
)
试求二维正态分布随机变量的边际分布.
解:
pX ( x)
p( x, y)dy
2 1 1 e e dy 1 2
(
x 1
2
2 1
)2
1 2(1
2
)
y2 2
x 1 1
2
2
令 t
1
1 2
y 2 2
x 1 1
,
则 ,
pX (x)
1
2 1
e
(
x 1
2
2 1
)2
t2
Y
1, 0,
第二次抽样得正品 第二次抽样得次品
试就放回抽样和非放回抽样这两种情形分别给出 (X,Y)的联合分布列和边际分布列, 并考虑X,Y 是否相互独立.
解: 放回抽样时, 概率分布律表如下:
Y X
0
1
P(Y=yj)
0
33 10 10
73 10 10
3/10
1
37 10 10 77 10 10
但有时变量间没有相互影响. 例如, 一个人的 身高X与收入Z就没有明显的相互影响.
当变量间的取值规律互不影响时, 我们称它们 是相互独立的.
• 独立性的定义
设n维随机变量( X1, X2 ,, Xn )的联合分布函数为F( x1, x2 ,, xn ),
Fi
(
xi
)为X
的
i
边
际
分
布
函
数.如
果
n
F ( x1 , x2 ,, xn ) Fi ( xi ) i 1
p( x,
y)
1
2 1 2
茆诗松概率论与数理统计教程课件第三章 (5)
p( x , y )dy]dx pY ( y )dy
积分中值定理
x
p( u, y )du pY ( y )
x
p( u, y ) du pY ( y )
所 以与 一 维 随机 变 量概 率 密度 的 定 义 : F ( x) 不 难得 出 如 下定 义 :
x
f ( x )dx相 类比 ,
这称为 在Y y j的条件下 , X的条件分布列 .
类似地 , 在X xi的 前 提 下 , Y的 条 件 分 布 列 为 P (Y y j | X xi ) pij pi , j 1,2,
例一. 设(X,Y)的联合分布为 X Y
1 2 3
5 0.08 0.11 0.03
i 1 i 1
当( X , Y )为 连 续 型 时 , p( x , y ) E ( g( X ) | Y y ) g( x ) p( x | y )dx g( x ) dx pY ( y )
条件数学期望 E ( X | Y y )为 常 数 , 而E ( X | Y )可 以 看 成 是一个变量 ,以 离 散 情 形 为 例 ,该变量的取值和相应 的概率为
E(X|Y) E(X|Y=y1)
P P(Y=y1)
E(X|Y=y2)
…
P(Y=y2)
…
故E ( X | Y )作为随机变量 , 因而有相应的数学期望 E[ E ( X | Y )],对此, 我们有如下重要结果 :
(4)重 期 望 公 式 : E[ E ( X | Y )] E ( X )
性质(4)的证明: (仅证连续情形 )
茆诗松概率论与数理统计教程第三章 (4)PPT课件
§4 多维随机变量的特征数
这一节里, 我们考察跟多维随机变量相关的有关特 征数的计算.
这里面, 除了我们熟知的各个分量的数学期望和方 差外, 我们将介绍刻画两个变量之间相关关系的 特征数: 协方差以及.我们还简要介绍多维随机 变量作为一个整体(即向量)时的数学期望及协方 差矩阵.
1
整体概述
概述一
点击此处输入
－ x p (x ,y )d d y x － y p (x ,y )d d xy
－ xX p (x)d xyY p (y)dy
EX EY
8
性2质 :若 X,Y相 互 独E立 (XY )， E则 X •EY
一 般 ,若 地 X1,X2, ,Xn相 互,则 独有 立 E(X1X2 Xn)E(X1)E(X2) E(Xn)
E (X 1X 2 X n)E (X 1)E (X 2) E (X n)
注意: 对于这些性质的证明, 我们仅给出连续型情 形的证明, 离散型情形大家可仿而证之.
7
证明： X,Y)的 设联 （合 p(x密 ,y),X 度 ,Y的 为 边际 为 pX(x),pY(y).
E (XY) (xy)p(x,y)dxdy
本节例E (二 X i)已 p,V求 (a X ir )出 p(1p).
所以根据方差的性质有
E ( X ) E ( X 1 ) E ( X 2 ) E ( X n ) np
V (X a ) V r(X a 1 X r 2 X n )
V (X a 1 ) V r(X a 2 ) r V (X a n )r p ( 1 p ) p ( 1 p ) p ( 1 p )
相关文本内容
概述二
点击此处输入
相关文本内容
概述三
这一节里, 我们考察跟多维随机变量相关的有关特 征数的计算.
这里面, 除了我们熟知的各个分量的数学期望和方 差外, 我们将介绍刻画两个变量之间相关关系的 特征数: 协方差以及.我们还简要介绍多维随机 变量作为一个整体(即向量)时的数学期望及协方 差矩阵.
1
整体概述
概述一
点击此处输入
－ x p (x ,y )d d y x － y p (x ,y )d d xy
－ xX p (x)d xyY p (y)dy
EX EY
8
性2质 :若 X,Y相 互 独E立 (XY )， E则 X •EY
一 般 ,若 地 X1,X2, ,Xn相 互,则 独有 立 E(X1X2 Xn)E(X1)E(X2) E(Xn)
E (X 1X 2 X n)E (X 1)E (X 2) E (X n)
注意: 对于这些性质的证明, 我们仅给出连续型情 形的证明, 离散型情形大家可仿而证之.
7
证明： X,Y)的 设联 （合 p(x密 ,y),X 度 ,Y的 为 边际 为 pX(x),pY(y).
E (XY) (xy)p(x,y)dxdy
本节例E (二 X i)已 p,V求 (a X ir )出 p(1p).
所以根据方差的性质有
E ( X ) E ( X 1 ) E ( X 2 ) E ( X n ) np
V (X a ) V r(X a 1 X r 2 X n )
V (X a 1 ) V r(X a 2 ) r V (X a n )r p ( 1 p ) p ( 1 p ) p ( 1 p )
相关文本内容
概述二
点击此处输入
相关文本内容
概述三
概率论与数理统计(茆诗松)第三章讲义
0 x y 0
1 xy ； dy = 2 2
1
1 x 0 2 dy = y ； 2 x 2 11 11 x 当 0 ≤ x < 2 , y ≥ 1 时， F ( x, y ) = ∫ dx ∫ dy = ；当 x ≥ 2 , y ≥ 1 时， F ( x, y ) = ∫ dx ∫ dy = 1 ． 0 0 0 0 2 2 2
∫ ∫
+∞ +∞
−∞ −∞
p( x, y )dxdy = 1 ．
二维连续随机变量的性质： （1） (X, Y ) 在区域 G 上取值的概率等于密度函数在 G 上的二重积分，P{( X , Y ) ∈ G} = ∫∫ p( x, y )dxdy ；
G
′′ ( x, y ) ． （2）在密度函数 p (x, y) 的连续点处， p ( x, y ) = Fxy
§3.1
3.1.1 多维随机变量
多维随机变量及其联合分布
则称 (X1, X2, …, Xn) 是 n 维随机变量 定义 设 X1, X2, …, Xn 是定义在同一个样本空间Ω上的 n 个随机变量， 或随机向量（Random Vector） ． 特别是当 X 与 Y 是定义在同一个样本空间Ω上的两个随机变量，则 (X, Y ) 是二维随机变量．在本章中 主要讨论二维随机变量，所得结论通常可以自然推广到一般的 n 维随机变量． 3.1.2 定义 联合分布函数
若二维随机变量 (X, Y ) 的全部可能取值是有限个或可列个，则称之为二维离散随机变量． 定义 设 X 的全部可能取值是 x1, x2, …，Y 的全部可能取值是 y1, y2, …，且 P{X = xi , Y = yj} = p(xi, yj) = pij , i, j = 1, 2, …， 称之为 (X, Y ) 的联合概率分布函数（Joint Probability Distribution Function） ． 通常将联合概率分布写成表格形式，又称为联合分布列．
1 xy ； dy = 2 2
1
1 x 0 2 dy = y ； 2 x 2 11 11 x 当 0 ≤ x < 2 , y ≥ 1 时， F ( x, y ) = ∫ dx ∫ dy = ；当 x ≥ 2 , y ≥ 1 时， F ( x, y ) = ∫ dx ∫ dy = 1 ． 0 0 0 0 2 2 2
∫ ∫
+∞ +∞
−∞ −∞
p( x, y )dxdy = 1 ．
二维连续随机变量的性质： （1） (X, Y ) 在区域 G 上取值的概率等于密度函数在 G 上的二重积分，P{( X , Y ) ∈ G} = ∫∫ p( x, y )dxdy ；
G
′′ ( x, y ) ． （2）在密度函数 p (x, y) 的连续点处， p ( x, y ) = Fxy
§3.1
3.1.1 多维随机变量
多维随机变量及其联合分布
则称 (X1, X2, …, Xn) 是 n 维随机变量 定义 设 X1, X2, …, Xn 是定义在同一个样本空间Ω上的 n 个随机变量， 或随机向量（Random Vector） ． 特别是当 X 与 Y 是定义在同一个样本空间Ω上的两个随机变量，则 (X, Y ) 是二维随机变量．在本章中 主要讨论二维随机变量，所得结论通常可以自然推广到一般的 n 维随机变量． 3.1.2 定义 联合分布函数
若二维随机变量 (X, Y ) 的全部可能取值是有限个或可列个，则称之为二维离散随机变量． 定义 设 X 的全部可能取值是 x1, x2, …，Y 的全部可能取值是 y1, y2, …，且 P{X = xi , Y = yj} = p(xi, yj) = pij , i, j = 1, 2, …， 称之为 (X, Y ) 的联合概率分布函数（Joint Probability Distribution Function） ． 通常将联合概率分布写成表格形式，又称为联合分布列．
相关主题
- 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)。
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
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
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
前言
标题添加
第14页
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
课堂练习
第15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.
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
第16页
点击此处输入相 关文本内容
第2页
点击此处输入 相关文本内容
标题添加
点击此处输入相 关文本内容
7/29/2020
点击此处输入 相关文本内容
华东师范大学
第三章 多维随机变量及其分布
第3页
§3.1 多维随机变量及其联合分布
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.
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
X2 x2
第5页
(x1, x2)
x1
X1
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
第6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.
Y X
x1 x2 … xi …
7/29/2020
y1 y2 … yj …
p11 p12 … p1j … p21 p22 … p2j … … … ……… pi1 pi2 … pi j … … … ………
华东师范大学
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)
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
第7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.
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
第8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:
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
7/29/2020
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
第17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
7/29/2020
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12页
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
第13页
例3.1.2 设随机变量 Y ~ N(0, 1),
➢ 同理可定义 n 维随机变量 (随机向量).
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
第4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)
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.
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。
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
(3) F(x, y) 关于 x 和 y 分别右连续. (右连续性)
(4) 当a<b, c<d 时，有 (非负性) F(b, d) F(b, c) F(a, d) + F( d).
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
(2) pij = 1. (正则性)
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
第10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.
7/29/2020
华东师范大学
第三章 多维随机变量及其分布
第11页