概率论与数理统计第三章.ppt

合集下载

概率论与数理统计课件第三章ppt

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

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

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 。

概率论与数理统计第三章PPT

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)

南京工程学院《概率论与数理统计》第三章课件 盛骤

南京工程学院《概率论与数理统计》第三章课件 盛骤

1
显然,P{X = 3, Y = 4}= 0 P{X =3} P{Y =4}=(1/4)(3/48) . 即 X 、Y 不独立.
3 . 连续随机变量相互独立的充分必要条件(证)
连续随机变量 X, Y 相互独立 对所有的实数 x, y , 都成立: f ( x ,y ) = f X ( x ) f Y ( y ) .

P ( X x i , Y y j ) pij ,
i , j 1, 2,
,记


y3 p13 称之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.

联 合 分 布 律 的 性 质 Y
性质1 对任意的 i , j , 有 p 性质2
( 1 ) 求分布函数 F ( x ,y ) ; ( 2 ) 计算 P { Y ≤ X }(结合图形).

( 1 ) 对任意的 x >0 、 y >0 ,
y
F ( x, y )

x
f (u, v )dudv
du 2e ( 2 u v )dv
0 0
y
x
(1 e 2 x )(1 e y ).
F ( x 2 , y 2 )+ F ( x 1 , y 1 )- F ( x 1, y 2 )- F ( x 2 , y 1 ) ≥ 0 .
3. 二维离散型随机变量
一维离散型随机变量X 的分布律
定义2 如果二维随机变量
X ,Y 全部可能取到的不相同
的值是有限对或可列无限多对, 则称
P ( X x k ) p k ,
2
3 4 p i ·= P{ X = xi } X pi . 1 2

概率论与数理统计课件第三章

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


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


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

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(浙大版)第三章PPT参考课件

概率论与数理统计(浙大版)第三章PPT参考课件

X,Y的边缘分布律为:

记为
P(Y y j ) P( X ,Y y j ) pij == pgj j 1, 2,L
i 1

记为
P( X xi ) P( X xi,Y ) pij == pig i 1, 2,L
j 1
注意:
X Y y1
(1) 0 pij 1
(2) pij 1
ij
2020/2/15
(2)表格法
X Y y1 y2 y3
x1 p11 p12 p13 x2 p21 p22 p23
(X,Y)的概率分布表:描述(X,Y)的取值规律
P((X ,Y ) G)
pij
( xi , yj )G

1 2
4 x(1
2x)dx

1

1

1
0
23 6
2020/2/15
21
§2 边缘分布
二维随机变量(X,Y)作为整体,有分布函数
其中X和Y都是随机变量,它们的分布函数
记为:
称为边缘分布函数。
FX (x),FY ( y),
F(x, y),
FX (x) F(x, )
事实上,
FY ( y) F(, y)
i 1,2, , m, ; j 1,2, , n,
中心问题:(X,Y)取这些可能值的概率分别为多少?
2020/2/15
二维(X,Y)的联合分布律:
(1)公式法
p( xi , yj ) P( X xi ,Y yj ) pij
pij的 性 质 :
(i, j 1,2, )

p2 p2 j

概率论与数理统计第四版第三章PPT课件

概率论与数理统计第四版第三章PPT课件

例2 设二维连续型随机变量( X , Y )具有概率密
度为:
ke(2x3y) x0,y0
f(x,y) 0
其它
1. 求常数 k ;
2. 求 F( x , y ) ;
3. 求 P{ X < Y }
休息 结束
解: 1. 求常数 k ;
y

ke(2x3y) x0,y0
f(x,y)
0
其它
x
Q f(u ,v)du dvF ( , )1
3) P{(X,Y)G} f (u,v)dudv G y
(X,Y)
G
x
休息 结束
4) 若 f ( x , y ) 在 ( x , y ) 处连续,则有:
2F( x, y) f( x, y)
xy
以上关于二维随机变量的讨论,可以 容易地推广到 n ( n > 2 )维随机变量的情 况。
休息 结束
第三章 多维随机变量及其分布
休息 结束
§3.1 二维随机变量
到现在为止,我们只讨论了一维随机变量 及其分布。 但有些随机现象用一个随机变量 来描述还不够,而需要用几个随机变量来描述。
休息 结束
在射箭时,命中点的位
置是由一对坐标( X, Y )来
确定的。
飞机的重心在空中的位置是
由三个随机变量( X,Y,Z )来
休息 结束
F(x2,y2)F(x1,y2)(F (x2,y1)F (x1,y1))
P{(X,Y)D} 0
y
( x1 , y2 ) ( x2 , y2 )
D
( x1 , y1 )
( x2 , y1 )
x
休息 结束
二维离散型随机变量的联合分布列 设二维离散型随机变量( X , Y )所有可

概率论与数理统计 第三章课件

概率论与数理统计 第三章课件

Y X
x1 x2 … xi …
y1 y2 … yj …
p11 p12 … p1j … p21 p22 … p2j … … … ……… pi1 pi2 … pi j … … … ………
概率论与数理统计 第三章
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)
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。
概率论与数理统计 第三章
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
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).
概率论与数理统计 第三章
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)
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.
概率论与数理统计 第三章
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
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) (4) 当a<b, c<d 时,有 (非负性)

东华大学《概率论与数理统计》课件-第3章概率论基础

东华大学《概率论与数理统计》课件-第3章概率论基础
重复排列:从n个不同元素中取r个(可重复),考 虑先后顺序共有nr=n n …. n种不同结果。
3.5 等可能样本空间
例7 琼斯先生有10本书要放在书架上,其中有 4本数学书,3本化学书,2本历史书,还有1本 语言书。琼斯想把同一种类的书放在一起,共 有几种不同的可能结果?如果是随意放置,恰 好同一种类的书放在一起的概率多大?
分步乘法计数原理:完成一件事,需要分成几 个步骤,每一步的完成有多种不同的方法,则 完成这件事的不同方法总数是各步骤不同方法 数的乘积。
例:网上预订行程,从郑州到上海共有12种不 同选择,从上海到香港共有4种不同的选择,那 么从郑州经上海到香港共有4×12=48种不同的 选择。
3.5 等可能样本空间
解法一:宿舍是无编号的,
解法二:宿舍是有编号的,
3.5 等可能样本空间
例11 如果一个房间里有n个人,没有两个人的 生日是同一天的概率是多大?如果希望概率小 于0.5,需要多少人?
习题
P53 ex18, ex20
引例: (1)假设某人投掷一对骰子,两个骰子点数之
和为8概率多大?
(2)如果已知第一个骰子最终朝上的数字为3, 那么两个骰子点数之和为8的概率为多少?
3.3文图和事件的代数表示
3.3文图和事件的代数表示
德·摩根律
例2
掷骰子一次,A=“掷出奇数点”,B=“点数不超 过3”,C=“点数大于2”,D=“掷出5点”。求
A B, B C, AB, BD, Ac , AcC
3.4 概率论公理
集函数P(E)称为事件E的概率,如果它满足下 列三条公理
3.5 等可能样本空间
例8 概率论课程上有6个男生,4个女生。对学 生进行考试,按照成绩排名。假定没有两个学 生的成绩是一样的,
  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)。
8
一. (X,Y)是二维离散型的随机变量 如果二维随机变量(X,Y)全部可能取到的 不相同的值 是有限对或可列无限多对, 则称(X,Y)是离散型的随机变量. 设二维离散型随机变量(X,Y)所有可能取 的值为(xi,yj), i,j=1,2,...,记P{X=xi, Y=yj}=pij, i,j=1,2,..., 则由概率的定义有
0
1/12
1/16
4
0
0
0
1/16
12
将(X,Y)看成一个随机点的坐标, 则离散型随机 变量X和Y的联合分布函数为
F(x, y) pij, xi x y j y
(1.2)
其中和式是对一切满足xix,yjy的i,j来求和的. 补充例题:
求例1中随机变量X和Y的联合分布函数.
解:由例1 所求的随机变量X和Y的联合分布律 得随机变量X和Y的联合分布函数为:pij 0,pij 1.i1 j1
9
称P{X=xi, Y=yj}=pij, i,j=1,2,...,为二维离散型随 机变量X和Y的分布律, 或随机变量X和Y的联 合分布律. 也可用表格表示X和Y的联合分布律:
X
Y
x1
x2
...
xi
...
y1
p11
p21
...
pi1
...
y2
p12
p22
...
Δ y0
1
lim
[F(x Δ x, y Δ y) - F(x Δ x, y)
Δ x0 Δ xΔ y
Δ y0
- F(x,
y Δ
y) F (x, y)]
2F (x, y) xy
f
(x, y).
17
这表示若f(x,y)在点(x,y)处连续, 则当Dx,Dy 很 小时 P{x<Xx+Dx, y<Yy+Dy}f(x,y)DxDy, 即(X,Y)落在小长方形(x,x+Dx](y,y+Dy]内的概 率近似等于f(x,y)DxDy. 在几何上z=f(x,y)表示空间的一个曲面, 由性质 2知, 介于它和xOy平面的空间区域的体积为1, 由性质3, P{(X,Y)G}的值等于以G为底, 以曲 面z=f(x,y)为顶面的柱体体积.
P{X
i,Y
j} P{X
i}P{Y
j|X
i}
1 4
1 i
,
i 1,2,3,4, j i.
11
P{X
i,Y
j}
P{X
i}P{Y
j|
X
i}
1 4
1i ,
i 1,2,3,4, j i.
于是(X,Y)的分布律为
Y
X1
2
3
4
1
1/4
1/8
1/12
1/16
2
0
1/8
1/12
1/16
3
0
- -
则称(X,Y)是连续型的二维随机变量, 函数f(x,y) 称为二维随机变量(X,Y)的概率密度, 或称为随 机变量X和Y的联合概率密度.
15
按定义, 概率密度f(x,y)具有以下性质:
1, f(x,y)0.
2,
f (x, y) d x d y 1.
- -
3, 设G是xOy平面上的区域, 点(X,Y)落在G内
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.
y (x,y)
O
x
6
易知, 随机点(X,Y)落在矩形域 [x1<Xx2, y1<Yy2]的概率为 P{x1<Xx2, y1<Yy2}
=F(x2,y2)-F(x2,y1)+F(x1,y1)-F(x1,y2). (1.1)
y
的概率为
P{( X ,Y ) G} f (x, y) d x d y. (1.3)
G
4. 若f(x,y)在点(x,y)连续, 则有
2F (x, y) f (x, y).
xy 16
由性质4, 在f(x,y)的连续点处有
P{x X x Δ x, y Y y Δ y}
lim
Δ x0
Δ xΔ y
13
0
1
4
3
8
4
8
11
24
F
X
,Y
16
24
18
24 25
48
38
48
45
48
1
当x 1或y 1 当1 x 2且y 1
当2 x 3且1 y 2
当2 x 3且y 2
当3 x 4且1 y 2
当3 x 4且2 y 3
当3 x 4且y 3
当x 4且1 y 2
当x 4且2 y 3
当x 4且3 y 4
当x 4且y 4
14
二. (X,Y)是二维连续型的随机变量 与一维随机变量相似, 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f(x,y)使对于 任意x,y有
yx
F(x, y)
f (u,v) d u d v,
4
一般, 设E是一个随机试验, 它的样本空间是 S={e}, 设X=X(e)和Y=Y(e)是定义在S上的随机 变量, 由它们构成的一个向量(X,Y), 叫做二维 随机向量或二维随机变量.
X(e) e S
Y(e)
5
定义 设(X,Y)是二维随机变量, 对于任意实数 x,y, 二元函数:
记成
F(x, y) P{( X x) (Y y)} P{X x,Y y}
pi2
...
...
...
...
...
...
yj
p1j
p2j
...
pij
...
...
...
...
...
...
...
10
例1 设随机变量X在1,2,3,4四个整数中等可能 地取一个值, 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 由乘法公式容易求得(X,Y)的分布律, 易知 {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
概率论与数理统计
福建师范大学福清分校数计系
1
第三章 多维随机变量及其分布
第1讲
2
§1 二维随机变量
3
在实际问题中, 对于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来描述. 例如, 为了研究某一地区学龄前儿童的发育情 况, 对这一地区的儿童进行抽查, 对于每个儿 童都能观察到他的身高H和体重W. 在这里, 样 本空间S={e}={某地区的全部学龄前儿童, 而 H(e), 和W(e)是定义在S上的两个随机变量. 又 如炮弹弹着点的位置需要由它的横坐标和纵 坐标来确定, 而横坐标和纵坐标是定义在同一 个样本空间的两个随机变量.
y2
y1 x1
x2
x
7
分布函数F(x,y)具有的基本性质:
1, F(x,y)是变量x和y的不减函数, 即对于任意 固定的y, 当x2>x1时F(x2,y)F(x1,y); 对于任意 固定的x, 当y2>y1时F(x,y2)F(x,y1). 2, 0F(x,y)1, 且 对于任意固定的y, F(-,y)=0, 对于任意固定的x, F(x,-)=0, F(-,-)=0, F(+, +)=1. 3, F(x,y)关于x和关于y都右连续. 4, 任给(x1,y1),(x2,y2), x1<x2, y1<y2, F(x2,y2)-F(x2,y1)+F(x1,y1)-F(x1,y2)0
相关文档
最新文档