概率论第三章主要内容——西南财经大学数学专业
概率论与数理统计第三章
二维离散型随机变量的边缘分布密度
设(X,Y)为离散型随机变量,
P( X ai , Y b j ) pij ,
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:P ( X xi | Y y j ) 0, i=1,2, …
P( X x
i 1
i
|Y yj) 1
例1 已知(X,Y)的分布密度如下,分别求在 X=1和X=0条件下,Y的分布密度。 Y 1 0 X
若对于不同的(ai,bj),Z ( X , Y ) 有相同的值,则应取这些相同值对应的概率之和。
例1:设(X,Y)联合概率分布为: X Y -1 2
-1
0
1
2
1/5 3/20 1/10 3/10 1/10 0 1/10 1/20
求X+Y,XY的概率分布。
例2:设(X,Y)相互独立,其分布密度为
常见的二维随机变量的分布
◆均匀分布 设G为平面区域, G的面积为A(0 A ), 若( X , Y )的分布密度为
1 ( x, y ) G A f ( x, y ) 其它 0 则称( X , Y )在G上服从均匀分布。
例2:设(X,Y)在区域G(0≤y≤2x,0 ≤x ≤2)上 服从均匀分布,求 (1)(X,Y)的分布密度、分布函数。 (2)概率P(Y>X2)
一般地,我们称n个随机变量的整体 X=(X1, X2, …,Xn)为n维随机变量或随 机向量.
[考研数学]概率论与数理统计第三章内容介绍
概率论与数理统计第三章 统计推断学习要点:总体、样本、统计量,最大似然估计法,置信区间求法,假设检验本章重点:总体参数的最大似然估计法;单正态总体均值的置信区间和假设检验。
教学要求:⒈ 理解总体、样本,统计量等概念,知道χ2分布,t 分布,会查表。
所研究对象的一个或多个指标的全体称为总体,组成整体的基本单位称为个体,从总体中抽取出来的个体称为样品,若干个样品组成的集合称为样本。
样本中所含的样品个数称为样本容量。
统计量就是不含未知参数的样本函数。
⒉ 掌握参数的最大似然估计法。
最大似然估计法:设X X X n 12,,, 是来自总体X f x ~(;)θ(其中未知)的样本,而x x x n 12,,, 为样本值,使似然函数L x x x f x f x f x n n (;,,,)(;)(;)(;)θθθθ1212 =达到最大值的 θ称为参数θ的最大似然估计值。
一般地,θ的最大似然估计值 θ满足: d d ln L θ=0 ⒊ 了解估计量的无偏性,有效性概念。
参数θ的估计量 (,,,)θx x x n12 若满足 E ( )θθ=,则称 θ为参数θ的无偏估计量。
若θθ12,都是θ的无偏估计,而且D D ()()θθ12≤,则称θ1比θ2更有效。
⒋ 了解区间估计的概念,熟练掌握方差已知条件下单正态总体期望的置信区间的求法,掌握方差未知条件下单正态总体期望的置信区间的求法。
当置信度α确定后,方差已知条件下单正态总体期望的置信区间是[,]x n x n -+λσλσ其中σ是总体标准差,x 是样本均值,n 是样本容量,λ由Φ()λα=-12确定。
方差未知条件下单正态总体期望的置信区间是[,]x s n x s n-+λλ其中snx xiin=--=∑1 121()称为样本标准差,λ满足P t()≤=-λα1。
⒌知道假设检验的基本思想,掌握单正态总体均值的检验方法,会作单正态总体方差的检验方法。
考核要求:(1)判断是否是统计量(选择)(2)估计量的无偏性、有效性的概念(选择或填空)(3)熟练掌握求正态总体期望的置信区间的方法(计算题)(4)熟练掌握单正态总体均值的检验方法,会作单正态总体方差的检验(计算题)。
概率论-第三章_2
0,
x 0 or x 1;
0x
8
xydy,
0 x 1.
0, x 0 or x 1;
4x3,
0 x 1.
y
( 1,1 )
G 0
1x
电子科技大学
随机变量的独立性
20.4.24
0, y 0 or y 1; fY ( y) 4 y - 4 y3 , 0 y 1.
在区域 G={( x, y) 0 y x 1}
n
F ( x1 , x2 , , xn ) Fi ( xi ),
i 1
称X1 ,X2,…Xn 相互独立.
问题 能否说“对任意实数向量(x1 , x2, …,
xn), 随机事件组 Ak={Xk ≤ xk}, k=1,2, …, n均相
互独立”?
电子科技大学
随机变量的独立性
20.4.24
分析 随机事件A1,A2,…,An 相互独立, 应有以下
x
a
2 S(D) 2b .
aπ
aπ
b x = b cosy
D 0
y
π/2
电子科技大学
随机变量的独立性
20.4.24
练习 设随机变量 X 与 Y 相互独立, 填出 空白处的数值.
X Y y1
y2
y3
pi .
x1 1/24 1/8
1/4
x2 1/8 3/8
3/4
p. j 1/6 1/2
1
电子科技大学
随机变量的独立性
20.4.24
例3.2.2 设随机变量 ( X, Y ) 具有联合概率密
度
2 0 x 1, 0 y x
f ( x, y) 0
其他
概率论与数理统计课件 第3章3节
1 x 1,
16
0,
其它.
五、二维正态分布
exp{ x } e x
若 ( X,Y ) 的概率密度为
f (x, y)
1
exp{ 1 [(x 1 )2
2 1 2 1 2
2(1 2 )
2 1
2 (x 1 )( y 2 ) ( y 2 )2 ]}, x, y (, )
1 2
0, 其它 .
-1
fY ( y )
f ( x, y )dx
1 1 y2
2
1 y2
dx
1 y2 ,
1 y 1,
0, 当1 y 1时,fY ( y ) 0
其它.
fX Y( x y)
f ( x,y )
2
1 1 y2
,
fY ( y ) 0, 其它 .
1 y2 x
1 y2 ,
f
(
1 x2 ,
例3. 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(x, 1)上随机地取值,
求Y的概率密度.
解:
按题意,
X~fX
(x)
1, 0 x 1, y 0, 其它,
又在X x条件下, Y的条件分布概率密度 1 y=x
1 (1-x), x y 1,
0.004 0.001
P{Y 1|X 1} 0.010 / 0.045 P{Y 2|X 1} 0.005 / 0.045.
用表格形式表示为:
k
0
1
2
P{Y=k|X=1} 6/9 2/9 1/9
例2:(X,Y)的联合分布律为
已知:P(Y 1| X 1) 0.5
概率论与数理统计总结之第三章
第三章 多维随机变量及其分布第一节二维随机变量的概念1.二维随机变量定义:设(X,Y)是二维随机变量,记为:(,){()()}=≤⋂≤F x y P X x Y y (,)=≤≤P X x Y y (,)-∞<<∞-∞<<∞x y称(,)F x y 为X 与Y 的分布函数,或称X 与Y 的联合分布函数}}(){{(,lim (,)→+∞=≤=≤≤+∞=X y F x P X x P X x Y F x y}}(){{,lim (,)→+∞=≤=≤+∞≤=Y x F y P Y y P X Y y F x y分布函数(,)F x y 性质:1)(,)F x y 是变量x 和变量y 的不减函数,(分别关于x 和y 有单调不减性) 2)0(,)1≤≤F x y ,任意一边趋于-∞=0.F(∞,∞)=1(用来确定未知参数).3)(,)(0,)(0,0)=+=++F x y F x y F x y ,即(,)F x y 分别关于x 右连续,关于y 也右连续,4)对于任意11221212(,),(,),,,<<x y x y x x y y 下述不等式成立(可用于判定二元函数(,)F x y 是不是某二维随机变量的分布函数):22211112(,)(,)(,)(,)0-+-≥F x y F x y F x y F x y 2.二维离散型随机变量:定义:如果二维随机变量(X,Y)只取有限对或可列无穷多对,则称(X,Y)是二维离散型随机变量其概率{,},,1,2,====i i ij P X x Y y p i j …为二维离散型随机变量(X,Y)的分布律,或随机变量X 和Y 是联合分布律 性质:1.0,(i,j 1.2.....)≥=ij P2.1≤≤=∑∑i i ijx x y yp满足以上两条,即为二维离散型随机变量的分布律. 注;步骤:定取值,求概率,验证1.离散型随机变量X 和Y 的联合分布函数为(,)≤≤=∑∑i i ijx x y yF x y p,其中和式是对一切满足,≤≤i i x x y y 的i,j 来求和的边缘分布定义:对于离散型随机变量(X,Y),分量X 和Y 的分布律(), 1.2...(), 1.2..的边缘分布律:的边缘分布律:••========∑∑i i ij jJ i ij iX p P X x p i Y p P Y y p i ,0,0(, 1.2....)1•••≥≥===∑∑i j jiip p i j pi p联合确定边缘,但一般情况,边缘不能确定的联合,除非相互独立. 比如;有放回的摸球,就是X ,Y 相互独立. 不放回地摸球,是条件分布.3.二维连续型随机变量的概率密度和边缘概率密度. 对比一维的: 概率密度:()()1∞-∞==⎰f x f x dx ,分布律:{}(),≤≤=⎰b aP a x b f x dx 分布函数:()()-∞=⎰xF x f t dt二维:定义: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(,)f x y ,使得对于任意实数x,y 有(,)(,)-∞-∞=⎰⎰xyF x y f u v dudv ,则称(X,Y)为二维连续型随机变量,(,)f x y 称为(X,Y)的概率密度,或联合概率密度.概率密度的性质: 1.(,)F x y ≥0 2.(,)1∞∞-∞-∞=⎰⎰f x y dxdy只要具有以下两条性质,必可作为某二维随机变量的概率密度.3.已知(X,Y)的概率密度(,)f x y ,则(X,Y)在平面区域D 内取值的概率为:{(,)}(,)∈=⎰⎰DP X Y D f x y dxdy (作二重积分)(随机点(X,Y)落在平面区域D 上的概率等于以平面区域D 为底,以曲面(,)=z f x y 顶的典顶的体积) 4.若(,)F x y 在点(x,y)连续,则有2(,)(,)∂=∂∂F x y f x y x y(连续就能根据分布律求概率密度)1) 当求()=P X Y 时,它只是一条线,所以:()0==P X Y2) 一个方程有无实根:20++=ax bx c ,即求:22240,40,40,一个实根无实根两个实根+=+<+>b ac b ac b ac均匀分布:定义:设D 为平面上的有界区域,其面积为S ,且0>S ,如果二维随机变量(X,Y)的概率密度为1,(x,y)(,)0,其它⎧∈⎪=⎨⎪⎩Df x y S,则称(X,Y)服从区域D 上的均匀分布(或叫(X,Y)在D 上服从均匀分布,记作(X,Y )D U . 两种特殊情形:1) D 为矩形,,c )≤≤≤≤a x b y d 时,1,()()(,),c )0,其它⎧⎪--=≤≤≤≤⎨⎪⎩b a dc f x y a x b y d2) D 为圆形,如(X,Y)在以原点为圆心,R 为半径的圆域上服从均匀分布,则(X,Y)的概率密度为:22221,(,))0,其它π⎧⎪=+≤⎨⎪⎩f x y x y R R定义:对连续型随机变量(X,Y),分量X,Y 的概率密度称为(X,Y)关于X 或Y 的边缘概率密度,记作(),X f x ().Y f y X 的分布函数:()(,)(,)∞-∞-∞⎡⎤=∞=⎢⎥⎣⎦⎰⎰xX F x F x f u v dv du (让Y趋于正无穷) Y 的分布函数:()(,)(,)∞-∞-∞⎡⎤=∞=⎢⎥⎣⎦⎰⎰yY F y F y f u v du dv (让X趋于正无穷) X 的概率密度:()(,),()∞-∞=-∞<<∞⎰X f x f x y dy xY 的概率密度:()(,),()∞-∞=-∞<<∞⎰Y f y f x y dx y(二维的边缘概率密度是直接以联合概率密度在负无穷到正无穷对对应元素积分,其间需要对划分区间的作分别积分)(X,Y)的概率密度:(,)(,)[(,)]-∞-∞-∞-∞==⎰⎰⎰⎰x yx yf x y f u v dudv f u v dv du二维正态分布: 二维正态221212(,)(,,,,)σσρX Y N u u 分布函数的性质:1.211()(,)σX N u ,222()(,)σY N u 边缘服从一维正态分布2.0,ρ=⇔xy X Y 独立(相关系数为O,则两个随机变量独立)3.212()()σ++k X k Y N u (线性组合按一维正态处理)4. 1212(),±±k X k Y c X c Y 服从二维正态(如:(,)+-X Y X Y ) 条件分布:设(X,Y)是二维离散型随机变量,对于固定的j ,若{}0=>j P Y y ,则称{=i P X x |{,}},1,2,{}⋅=======i j ij j j jP X x Y y p Y y i P Y y p …为在=j Y y 条件下随机变量X 的条件分布律同样地,若{}0,=>i P X x 则称{=j P Y y |{,}},1,2,{}⋅=======i j ij i i i P X x Y y p X x j P X x p …为=i X x 条件下随机变量Y 的条件分布律 变形,即得求联合分布律的方法.设二维随机变量(X,Y)的概率密度为f(x,y),(X,Y)关于Y 的边缘概率密度为()Y f y .若对于固定的y,()0,>Y f y 则称(,)()Y f x y f y 为在Y=y 的条件下X 的条件概率密度称|(,)(|)()-∞-∞=⎰⎰xxX Y Y f x y f x y dx dx f y 为在Y=y 的条件下,X 的条件分布函数,记为P{X ≤x|Y=y}或|(|)X Y F x y ,即|(,)(|){|}()-∞=≤==⎰x X Y Y f x y F x y P X x Y y dx f y 设F(x,y)及(),()X Y F x F y 分别是二维随机变量(X,Y)的分布函数及边缘分布函数,若对于所有x,y 有P{X ≤x,Y ≤y}=P{X ≤x}P{Y ≤y},即(,)()()=X Y F x y F x F y ,则称随机变量X 和Y 是相互独立的设(X,Y)是连续型随机变量,(,),(),()X Y f x y f x f y 分别为(X,Y)的概率密度和边缘概率密度,则X 和Y 相互独立的条件等价于(,)()()=X Y f x y f x f y 在平面上几乎处处成立(除去面积为0的集合以外,处处成立)第二节随机变量的独立性1. 两个随机变量的独立性 定义:设(,),().()X Y F x y F x F y 分别是二维随机变量(X,Y)的分布函数和两个边缘分布函数,若对任意实数,x y 有(,)().()=X Y F x y F x F y ,则称X 与Y 相互独立.可用于判断独立性(随机变量独立,对任意实数x,y,事件X ,Y ≤≤x y 相互独立) 以上公式等价于:(X ,Y )(X ).()≤≤=≤≤X Y P x y P x P Y y 可类推至多个函数的情况.1)如果X,Y 随机变量独立,().()连续f x g y ,(通过函数作用)则().()f x g y 也独立.(可类推至多个随机变量的情况)例:X,Y 独立,则22,x y 独立.2)如果1212,...,...,YYYm m X X X 相互独立,12m 121()()...()()()....()和,f x f x f x g y g y g y 也相互独立。
概率论与数理统计第三章
(x, y) (X, Y)
☺ 说明
(x1, y2)
(x2, y2)
(x1, y1)
(x2, y1)
x
由上面的几何解释,易见: 由上面的几何解释,易见: 随机点(X, 落在矩形区域 落在矩形区域: 随机点 Y)落在矩形区域: {x1<X≤x2, y1<Y≤y2} 内的概率 P{x1<X≤x2 , y1<Y≤y2} =F(x2, y2)-F(x2, y1)- F(x1, y2)+F(x1, y1)
•
计算机科学学院
•
裘国永
第三章 多维随机变量及其分布
二维随机变量 边缘分布 条件分布 相互独立的随机变量 两个随机变量的函数的分布
本章内容是第二章内容的推广 一维随机变量及其分布
多维随机变量及其分布
由于从二维推广到多维一般无实质性的困难, 由于从二维推广到多维一般无实质性的困难, 我们重点讨论二维随机变量。 我们重点讨论二维随机变量。
二、联合分布函数 X和Y的联合分布函数(Joint distribution) 和 的联合分布函数( )
F( x, y) = P{( X ≤ x) I(Y ≤ y)}
= P { X ≤ x,Y ≤ y}
一维随机变量X 一维随机变量
∆
−∞ < x , y < ∞
X的分布函数 的分布函数
F( x) = P{ X ≤ x}
的分布律。 求(X,Y)的分布律。 的分布律
解:
A2 P{ X = 1, Y = 1} = 2 2 A5
2× 3 P{ X = 1, Y = 0} = 2 A5
3× 2 P{ X = 0, Y = 1} = 2 A5
A P{ X = 0, Y = 0} = A
概率论第三章
概率论:
概率论,是研究随机现象数量规律的数学分支。
随机现象是相对于决定性现象而言的,在一定条件下必然发生某一结果的现象称为决定性现象。
例如在标准大气压下,纯水加热到100℃时水必然会沸腾等。
随机现象则是指在基本条件不变的情况下,每一次试验或观察前,不能肯定会出现哪种结果,呈现出偶然性。
例如,掷一硬币,可能出现正面或反面。
随机现象的实现和对它的观察称为随机试验。
随机试验的每一可能结果称为一个基本事件,一个或一组基本事件统称随机事件,或简称事件。
典型的随机试验有掷骰子、扔硬币、抽扑克牌以及轮盘游戏等。
事件的概率是衡量该事件发生的可能性的量度。
虽然在一次随机试验中某个事件的发生是带有偶然性的,但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。
概率论与数理统计第三版:
《概率论与数理统计第三版》是2001年高等教育出版社出版的图书,作者是盛骤。
内容简介:
《概率论与数理统计第三版》分三部分,概率论部分,为读者提供了必要的理论基础;数理统计部分,主要讲述了参数估计和假设检验,并介绍了方差分析和回归分析;随机过程部分,主要讨论了平稳随机过程,还介绍了马尔可夫过程。
编辑推荐:
本书是由1989年8月出版的《概率论与数理统计》第二版修订而成的,内容包括概率论、数理统计、随机过程三部分,每章附有习题.可以作为高等院校工科、理科(非数学专业)各专业的教材使用,也可供工程技术人员参考.。
概率论第三章
若二维随机变量( 若二维随机变量(X,Y)具有概率密度 ) 1 1 x − µ1 2 f (x, y) = exp{− ) 2 [( 2 2(1− ρ ) σ1 2πσ1σ2 1− ρ x − µ1 y − µ2 y − µ2 2 )( ) +( ) ]} − 2ρ( 其中
µ1, µ2,σ1,σ2, ρ
3.1.2、二维随机变量的联合分布函数 、 维随机变量的联合 联合分布函数
二维随机变量( 二维随机变量(X,Y) ) ( X , Y )的联合分布函数 )的联合分布函数
一维随机变量X 一维随机变量 X的分布函数 的分布函数
F(x, y) = P(X≤ x,Y ≤ y) − ∞ < x, y < ∞
xi ≤3yj ≤2
求:F(3,2) = P(X≤ 3,Y ≤ 2) = ∑∑pij
1 1 1 1 = + 0+ 0+ + + 0 = 4 8 8 2
例2 设随机变量 Y ~ E (1) ,随机变量
0 , 若Y ≤ k ( k = 1,) 2 Xk = 1 , 若Y > k 的联合概率分布列。 求 X 1 和 X 2 的联合概率分布列。
第三章 多维随机变量及其分布
到现在为止, 到现在为止,我们只讨论了一维随机变量 及其分布. 及其分布. 但有些随机现象用一个随机变量来 描述还不够, 描述还不够,而需要用几个随机变量来描述 在打靶时, 在打靶时,命中点的位置是由一 对随机变量(两个坐标)来确定的. 对随机变量(两个坐标)来确定的. 飞机的重心在空 中的位置是由三个随 机变量(三个坐标) 机变量(三个坐标)来 确定的等等. 确定的等等.
1/ 4 x 1 1 解: (3)P( X < ,Y < ) = ∫0 [∫0 3xdy]dx 4 2
大学数学概率论各章节重要考点
大学数学概率论各章节重要考点大学数学概率论各章节重要考点导语:概率与数理统计这门课程从试卷本身的难度的话,在三门课程中应该算最低的,但是从每年得分的角度来说,这门课程是三门课中得分率最低的。
下面就由小编为大家带来大学大学数学概率论各章节重要考点,大家一起去看看怎么做吧!一、概率与数理统计学科的特点(1)研究对象是随机现象高数是研究确定的现象,而概率研究的是不确定的,是随机现象。
对于不确定的,大家感觉比较头疼。
(2)题型比较固定,解法比较单一,计算技巧要求低一些比如概率的解答题主要考查二维离散型随机变量、二维连续型随机变量、随机变量函数的分布和参数的矩估计、最大似然估计。
考生只要掌握了相应的解题方法,计算准确,就可以拿到满分.(3)高数和概率相结合求随机变量的分布和数字特征运用到高数的理论与方法,这也是考研所要求考生所具备的解决问题的综合能力。
在复习概率与数理统计的过程中,把握住每章节的考试重点,概率一定能取得好成绩。
二、通过各章节来具体分析考试重点第一章随机事件与概率本章需要掌握概率统计的基本概念,公式。
其核心内容是概率的基本计算,以及五大公式的熟练应用,加法公式、乘法公式、条件概率公式、全概率公式以及贝叶斯公式。
1.本章的重点内容:四个关系:包含,相等,互斥,对立﹔五个运算:并,交,差﹔四个运算律:交换律,结合律,分配律,对偶律(德摩根律)﹔概率的基本性质:非负性,规范性,有限可加性,逆概率公式﹔五大公式:加法公式、减法公式、乘法公式、全概率公式、贝叶斯公式﹔·条件概率﹔利用独立性进行概率计算﹔·重伯努利概型的计算。
近几年单独考查本章的考题相对较少,从考试的角度来说不是重点,但第一章是基础,大多数考题中将本章的内容作为基础知识来考核,都会用到第一章的知识。
2.常见典型题型:随机事件的关系运算﹔求随机事件的概率﹔综合利用五大公式解题,尤其是常用全概率公式与贝叶斯公式。
第二章随机变量及其分布本章重点掌握分布函数的性质;离散型随机变量的分布律与分布函数及连续型随机变量的密度函数与分布函数;常见离散型及连续型随机变量的分布;一维随机变量函数的分布。
概率论与数理统计第三章笔记
概率论与数理统计第三章笔记好的,以下是为您生成的一篇“概率论与数理统计第三章笔记”,希望符合您的需求:---# 概率论与数理统计第三章笔记在学习概率论与数理统计这门课的时候,第三章的内容就像是一座神秘的城堡,充满了新奇和挑战。
这一章主要讲的是多维随机变量及其分布。
一开始,听到这个概念的时候,我的脑袋里就像是被塞进了一团乱麻。
不过,随着深入学习,我逐渐理清了其中的头绪。
先来说说多维随机变量的联合分布函数。
这玩意儿就像是一个神奇的魔法盒子,它能把多个随机变量的可能性都装在一起。
想象一下,有两个随机变量 X 和 Y,它们就像是两个调皮的小精灵,在一个大大的游乐场里到处乱跑。
而联合分布函数 F(x,y) 呢,就能告诉我们这两个小精灵同时出现在某个特定区域的概率。
比如说,X 表示今天的气温,Y 表示湿度,那 F(x,y) 就能告诉我们在气温为 x 度,湿度为 y 的情况下的可能性。
再讲讲多维离散型随机变量。
这可有意思啦!比如说,咱们来假设一个场景,有一家小杂货店,店里卖两种零食,薯片和巧克力。
每天来买零食的顾客人数是随机的,而且他们选择薯片或者巧克力的情况也是随机的。
我们把买薯片的人数设为 X,买巧克力的人数设为 Y。
那么 (X,Y) 就是一个二维离散型随机变量。
我们可以列出它们所有可能的取值以及对应的概率,就像是给这两个调皮的小家伙拍了一张张照片,记录下它们每一个瞬间的样子。
然后是多维连续型随机变量。
这就像是一条流淌不息的河流,没有明显的断点。
还是用上面那个杂货店的例子,不过这次假设每天的销售额是连续变化的。
销售额 X 受到很多因素的影响,比如客流量、顾客的购买欲望等等。
这时候,我们就得用概率密度函数 f(x,y) 来描述它。
想象一下,这个函数就像是一张地图,告诉我们销售额在不同区域的密集程度。
在学习边缘分布的时候,我可真是费了好大的劲。
边缘分布就像是从一个大蛋糕上切下来的一小块。
还是以杂货店为例,如果我们只关心买薯片的人数 X 的分布,不考虑巧克力的情况,那这就是 X 的边缘分布。
概率论第三章课件
f ( x , y ) d x d y , G
例5 设二维随机变量(X,Y )具有概率密度
ke( 2 x y ) , f ( x, y) 0,
x 0, y 0 其它
(1)确定系数k;(2)求分布函数F(x,y);(3)求概率 P{X≤Y}。 解 (1)由于
反过来还可以证明,任意一个具有上述四个性 质的二元函数,必定可以作为某个二维随机变量的 联合分布函数。 对于n维随机向量(X1,X2,…,Xn )可类似定义 分布函数如下:
对任意n个实数x1 , x2 ,, xn , n元函数 F ( x1 , x2 ,, xn ) P{ X 1 x1 , X 2 x2 ,, X n xn } 称为n维随机向量( X 1 , X 2 ,, X n )的分布函数, 或随机 向量( X 1 , X 2 ,, X n )的联合分布函数 它有类似于二维 , 随机变量的分布函数的 性质.
如果将(X,Y)看作平面上随机点的坐标,则 F(x,y)=P{X≤x,Y≤y} 就表示点(X,Y)落在图(1)中阴影部分的概率。
y
X x ,Y y
( x, y)
o
图(1)
x
y
这时,点 (X,Y)落入任一 y2 矩形区域 y1 {x1< X ≤x2,y1< Y ≤y2} 的概率,可运用概率的加法 性质求得(借助图(2)): O
G
3、说明
几何上, z f ( x, y ) 表示空间的一个曲面 .
表示介于 f (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 ) G }的值等于以G为底 , 以曲面z f ( x , y ) 为顶面的柱体体积.
大学《概率论与数理统计》课件-第三章多维随机变量及其分布
= = .
13
综上
,
,
, = ,
,
,
(2) P{ + ≤1} = ඵ
< 或 < ;
≤ ≤ , ≤ ≤ ;
≤ ≤ , > ;
> , ≤ ≤ ;
≥ , ≥ .
19
§3.2 边缘分布
要点: 边缘分布函数、边缘分布律、
边缘概率密度的性质和计算
20
一、边缘分布函数
定义 设(X, Y)为二维随机变量,其分布函数为F(x, y).
(x) = P{X ≤ x}
(X, Y)关于X的边缘分布函数
(y) = P{Y ≤ y}
(X, Y)关于Y的边缘分布函数
1 0 pij 1,
性
质
2
pij 1.
j 1 i 1
分
布
函
数
F ( x, y)
pij
x x
i
yj y
Y
X
联
y1
y2 y j
合
x1
p11
p12 p1 j
分
x2
p21
p22 p2 j
布
pi 2 pij
律
xi
pi 1
+∞
=න
න
+
= .
− +
y
= .
G
O
x
12
例5 已知随机变量(X, Y)的联合概率密度函数为
概率论第三章
例2.一袋中有四个球,上面分别标有数字1,2,2,3.从 袋中任取一球后不放回,再从袋中任取一个球,以 X , Y 分别表示第一、二次取得的球上标有的数字,求 ( X , Y ) 的分布律。 解 X , Y 可能取值均为1,2,3.
p11 P{ X 1, Y 1}
p12 P{ X 1, Y 2}
F (,) 1.
③ 关于 右连续,即
例1. 设 ( X , Y ) 的分布函数为
x y F ( x , y ) A( B arctan )(C arctan ) 3 4 求常数 A, B, C 的值及概率 P{ X 3, Y 4}. 9 F (3, 4) 解 由分布函数的性质
第三章 多维随机变量及其分布
一、二维随机变量
二、边缘分布
三、相互独立的随机变量 四、两个随机变量的函数的分布
第一节
二维随机变量
定义1 设随机试验 的样本空间是 设 和 是定义在 上的随机变量,则由它们构成的一 个向量 定义2 设 二元函数 称为二维随机变量或二维随机向量。 是二维随机变量,对于任意实数
16
一、二维离散型随机变量
定义: 若二维随机变量 ( X , Y ) 的所有可能取值 ( xi , y j ),
i, j 1, 2, 是有限对或可列无限多对时,则称 ( X , Y ) 为 离散型随机变量。
P{ X xi , Y y j } pi j (i , j 1 , 2 , )
若存在 f ( x, y) 0 , 使得对任意实数 x , y , 总有
F ( x, y )
y
x
f (u , v )dudv
则称 ( X , Y ) 为二维连续型随机变量, f ( x, y ) 称为 ( X , Y ) 的 概率密度,或称为随机变量 X 和 Y的联合概率密度。 f (x,y)的性质: ① f ( x, y ) 0 ②
《概率论与数理统计》第三章
则, 6a 2 a 1 0, a
1 1 1 或 a (负舍),所以, a 。 3 2 3
例 3.设(X,Y)的分布律为 Y X 1 2 3
0 1
0.1 0.1 0.3 0.25 0 0.25
求: (1) P{ X 0}; (2) P{Y 2}; (3) P{ X 1, Y 2}; (4) P{ X Y 2}。 解: (1) P{ X 0} 0.1 0.1 0.3 0.5
则(X,Y)的分布律与边缘分布率为:
Y X 0
0
1
pi
1
P j
3 2 5 4 2 3 5 4
3 2 5 4 2 1 5 4
3 5 2 5
3 5
2 5
比较两表可看出:在有放回抽样与不放回抽样两种情况下,(X,Y)的 边缘分布完全相同,但(X,Y)的分布律却不相同。这表明,若两个分 量的概率分布完全相同,但分量之间的关系却不相同,则他们的分 布律也不会相同。
例 4.现有 1,2,3 三个整数,X 表示从这三个数字中随机取出一个整数,Y 表示从 1 至 X 中随机抽取的一个整数,试求(X,Y)的分布律。 解:X 与 Y 的可能取值均为 1,2,3.利用概率乘法公式,可得(X,Y)取各对数值的 概率分别为:
P{ X 1, Y 1} P{ X 1} P{Y 1 | X 1} 1 1 1 3 3
三、二维连续型随机变量的概率密度和边缘概率密度 1.定义: F ( x, y )
x
y
f (u, v )dudv 。
其中 F x, y 是联合分布函数,������ ������, ������ 是概率密度函数。 2.性质: (1) f ( x, y ) 0 ; (2)
大学数学概率论的基本概念第三章PPT课件
(1≤ k≤ n)的不同排列总数为:
nn nnk
例如:从装有4张卡片的盒中 有放回地摸取3张
第1张 第2张 第3张
1 2 34
n=4,k =3
1
1
1
2
2
2 共有4.4.4=43种可能取法
3
3
3
4
4
4
18
2、组合: 从n个不同元素取 k个
(1kn)的不同组合总数为:
Cnk
Pnk k!
n! (nk)!k!
SC I ENCE
问:在多大程度上认为这样的结果 是奇怪的,甚至怀疑是一种魔术?
21
解:七个字母的排列总数为7!
拼成英文单词SCIENCE 的情况数为
224
故该结果出现的概率为:
p4 1 0.00079 7! 1260
这个概率很小,这里算出的概率有如 下的实际意义:如果多次重复这一抽卡试 验,则我们所关心的事件在1260次试验中 大约出现1次 .
设完成一件事有m个步骤,
第一个步骤有n1种方法,
第二个步骤有n2种方法, …;
第m个步骤有nm种方法,
则完成这件事共有
n1n2 nm
必须通过每一步骤, 才算完成这件事,
种不同的方法 .
14
例如,若一个男人有三顶帽子和两件 背心,问他可以有多少种打扮?
可以有 32 种打扮
15
加法原理和乘法原理是两个很重要 计数原理,它们不但可以直接解决不少 具体问题,同时也是推导下面常用排列 组合公式的基础 .
称这种试验模型为等可能概型 或古典概型.
8
二、古典概型中事件概率的计算
记 S e 1 ,e 2 , ,e n ;A i e i i 1 , ,n ,
概率论与数理统计第3章
y
(2)
{Y X } {( X ,Y ) G },
YX
G
O
P{Y X } P{( X ,Y ) G }
x
f ( x , y ) d x d y
G
0
( 2 x y ) d x y 2e d y
1 . 3
2e ( 2 x y ) , f ( x, y) 0,
(2)
p
i j
ij
1
二维离散型随机向量的联合分布函数为
xi x y j y
p
13
例1
一袋中装有2只白球 则( X , Y )的联合概率分布为 和3只黑球,进行有放 回取球 Y 0 1
X 0 1
1 第一次取出白球 X 0 第一次取出黑球 1 第二次取出白球 Y 0 第二次取出黑球
Y 的边缘概率密度.
25
3 x 3 e x0 边缘密度函数为 例6 求随机向量 (X,Y)的边缘分布函数和边缘密度函数, ( x) f X ( x ) FX x0 已知其联合分布函数为 0
故 F ( x2 , y2 ) F ( x2 , y1 ) F ( x1 , y1 ) F ( x1 , y2 ) 0.
9
三、边缘分布函数
( X , Y )为二维随机向量, 联合分布函数为F ( x, y)
X和Y分别也是随机变量 X , Y的分布函数分别记为 FX ( x)和FY ( y) FX ( x) P{ X x} P{ X x, Y } lim F ( x , y ) F ( x , )
4
二、联合分布函数的性质
设 ( X , Y ) 是二维随机向量, 对于任意实数 x , y , 二元函数 : F ( x , y ) P{( X x ) (Y y )} P { X x , Y y } 称为二维随机向量 ( X , Y ) 的分布函数, 或称为随 机变量X 和 Y 的联合分布函数.
概率论与数理统计第三章
称为二维随机变量(X,Y)的联合分布函数, 简称为(X,Y)的分布函数。
几何意义:F(x,y)表示随机点 落入以(x,y)为顶点而位于 该点左下方的无穷矩形区 域D内的概率。(如图阴 影部分)
随机点(X,Y) 落在矩形区域:x1 x x2, y1 y y2 内的概率为
设二维随机变量 (X,Y) 的分布函数为 F(x,y),分别记关 于 X 和 Y 的边缘分布函数为 Fx(x)和 Fy(y),由于 Fx(x)=P(X≤x,Y<+∞ )=F(x,+∞ ), 同理,有 Fy(y)=F(+∞ ,y). 由此看出,边缘分布函数Fx(x),Fy(y)完全由联合分布 函数 F(x,y) 来确定。
y)
1/ 0
A ,
,
(x, y)G 其他
则称( X, Y )服从区域G上的均匀分布
与第2章中服从区间[a, b]上的均匀分布类似,服从区域 G 上的均 匀分布 (X, Y) 落在 G 中任一区域 D的概率只与的 D 面积成正比,
而与 D 的位置和形状无关。 P(X ,Y ) D m(D)
m(G)
第三章 多维随机变量及其分布
我们开始学习——多维随机变量 它是第二章内容的推广. 一维随机变量及其分布
多维随机变量及其分布 由于从二维推广到多维一般无实质性的 困难,我们重点讨论二维随机变量 .
到现在为止,我们只讨论了一维r.v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.
y
.
(1)求(X, Y)的分布函数 F(x, y); (2)求 P(0<X≤3,0<Y≤4)。
解 (1)F (x, y)
概率论与数理统计第三章章节总结
概率论与数理统计第三章章节总结
概率论与数理统计的第三章主要介绍了随机变量及其分布、随机变量的离散概率和连续概率、期望和方差的计算、贝叶斯统计学等内容。
以下是本章的总结:
1. 随机变量及其分布
第三章第一小节介绍了随机变量的定义和性质,并介绍了离散型和连续型随机变量的区别。
然后,章节第二小节介绍了随机变量的分布,其中包括概率分布、密度函数、期望和方差的计算方法。
这些内容对于理解随机变量的分布非常重要。
2. 随机变量的离散概率和连续概率
第三章第三小节介绍了随机变量的离散概率和连续概率。
离散概率讨论的是离散型随机变量在某一范围内的取值概率,而连续概率讨论的是连续型随机变量在某一区间内的概率。
这些概念对于理解随机变量的性质和分布非常重要。
3. 期望和方差的计算
第三章第四小节介绍了期望和方差的计算方法。
期望是指一个随机变量的平均值,可以通过计算各个取值的概率和总和来实现。
方差是指一个随机变量在各个取值之间的差异,可以通过计算各个取值的差值和总和来实现。
这些内容对于计算随机变量的期望和方差非常重要。
4. 贝叶斯统计学
第三章第五小节介绍了贝叶斯统计学的原理和应用。
贝叶斯统计
学可以用来预测未来事件的概率,也可以用于概率模型的建模和优化。
这些内容对于实际应用非常有帮助。
综上所述,概率论与数理统计的第三章主要介绍了随机变量的分布、离散概率和连续概率、期望和方差的计算、贝叶斯统计学等内容,是学习概率论和统计学的重要基础。
《概率论与数理统计》第三章
§1 二维随机变量
定义:设E是一个随机试验,样本空间S={e}; 设X=X(e)和Y=Y(e)是定义
y
X e,Y e
在S上的随机变量,由它们构成的
向量(X,Y)叫做二维随机向量 或二维随机变量。
e S
x
定义:设(X,Y)是二维随机变量对于任意实数x,y,
二元函数
ቤተ መጻሕፍቲ ባይዱ
y
F(x, y) P(X x) (Y y)
1 4
1 i
,
ji
0, j i
(X,Y)的联合分布律为:
YX
1
1
1/4
23 4 1/8 1/12 1/16
2
0 1/8 1/12 1/16
3
0
0 1/12 1/16
4
0
0 0 1/16
例3:设有10件产品,其中7件正品,3件次品。现从中
任取一件产品,取后不放回,令
1 X 0
第一次取到的产品是次品 1
z f (x, y)为顶面的柱体体积。
所以 X,Y 落在面积为零的区域的概率为零。
例3:设二维随机变量(X,Y)具有概率密度:
2e(2x y) , x 0,y 0
y f (x, y) 0,
其他
1 求分布函数F(x, y);2求P{X 2,Y 3};
3求P(Y X )的概率
解: (1)当x>0,y>0时
f (x, y)xy
————————
概率微分
(4) f ( x, y)的作用 : 求二维随机变量(X,Y)取值
落在区域G内的事件的概率
P((X ,Y ) G) f ( x, y)dxdy
G
G
注:1在几何上,z f (x, y)表示空间一个曲面,
《概率论》第3章分解
§3.1 随机变量及分布函数 21/9
离散型、连续型、均匀分布、指数分布、 分布函数图形特点、分布函数性质
第三章 连续型随机变量
§3.1 随机变量及分布函数 22/9
一个半径为2米的圆盘靶子,设击中靶 上任一同心圆盘上的点的概率与该圆盘的 面积成正比,且射击都能中靶,记 表示弹X着 点与圆心的距离.求 的分布X函数.
解:显然当 x 时0 ,
R2m
X
F(x) P(X x) 0
若 0 x 由2题, 意有 F(x) P(X x) P(0 X x) k. x2
F(x) P(0 X 2) 1 k 1/ 4
F(x) P(X
若 x 由2, 题意有,
x) P(0
X
x)
x2 4
1 x2 4
③ F(x)是ⅹ的不减函数;
④ F(x)至多有可列个或有限个间断点,间断点是右
连续的。
P( c) F(c) F(c 0)
④ F(x)处处连续。
P( c) 0
第三章 连续型随机变量
§3.1 随机变量及分布函数 11/9
P(a b) F(b) F(a)
P(a b) P(a b) P(a b)
§3.1 随机变量及分布函数 1/9 第三章 连续型随机变量
§3.1 随机变量及分布函数 2/9
求ξ的分布函数:
0 1 2
p 0.1 0.6 0.3
解 F(x)=P( x)
0 =00..71
1
x0 0 x 1 1 x 2
x2
F(x)
1
01 2 x
第三章 连续型随机变量
§3.1 随机变量及分布函数 3/9
ξ可以取[4,10]上的一切实数,“4≤ξ≤10”是一个必 然事件,P(4≤ξ≤10)=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、"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)。
概率论主要内容
第三章 多维随机变量及其分布
主要内容:
一.两类变量:离散、连续
二维离散随机变量,全部可能取值为有限个或可列无限个,一般用联合概率函数刻画,求概率时用联合概率函数求和。
二维连续随机变量,一般用联合密度函数刻画,求概率时用联合密度函数的二重积分。
二.三个函数:概率函数、密度函数、分布函数,各自的联合、边际、条件分布
概率函数,联合分布L ,2,1,,},{====j i p y Y x X P ij j i ,
边际分布∑=⋅j ij i p p ,∑=⋅i
ij j p p , 条件分布L ,2,1,}|{==
==⋅i p p y Y x X P j ij j i ,L ,2,1,}|{====⋅j p p x X y Y P i ij i j 。
密度函数,联合分布),(y x p , 边际分布∫+∞∞−=dy y x p x p X ),()(,∫+∞
∞−=dx y x p y p Y ),()(, 条件分布)(),()|(y p y x p y Y x p Y X =
=,)(),()|(x p y x p x X y p X Y ==, 当⎩⎨⎧∉∈=.),(,
0;),(),,(),(D y x D y x y x f y x p 时, 其中)}()(,:),{()}()(,:),{(2121y x y d y c y x x y x b x a y x D ψψϕϕ<<<<=<<<<=,
边际密度:⎪⎩⎪⎨⎧<<=∫.,0;,),()()()
(21其他b x a dy y x f x p x x X ϕϕ ⎪⎩
⎪⎨⎧<<=∫.,0;,),()()()(21其他d y c dx y x f y p y y Y ψψ 条件密度:当d y c <<时,⎪⎩
⎪⎨⎧<<==∫.,0);()(,),(),()|(21)()(21其他y x y dx y x f y x f y Y x p y y X ψψψψ 当b x a <<时,⎪⎩
⎪⎨⎧<<==∫.,0);()(,),(),()|(21)()(21其他x y x dy y x f y x f x X y p x x Y ϕϕϕϕ 分布函数,联合分布},{),(y Y x X P y x F ≤≤=,
边际分布),()(∞+=x F x F X ,),()(y F y F Y +∞=,
条件分布}|{lim )|(εε+≤≤≤==+∞
→y Y y x X P y Y x F X , }|{lim )|(εε+≤≤≤==+∞
→x X x y Y P x X y F Y 。
三.四种重要分布:二维均匀、二维正态、多项、多维超几何
二维均匀分布,联合密度函数是在支撑区域内取该区域面积的倒数,实际背景是二维几何概型,求概率用面积之比。
二维正态分布),,,,(22
2121ρσσµµN ,联合密度函数为 ⎥⎥⎦⎤⎢⎢⎣⎡⎟⎟⎠⎞⎜⎜⎝⎛−+−⋅−−⎟⎟⎠⎞⎜⎜⎝⎛−−−−=222221121122)1(21221e 1π21
),(σµσµσµρσµρρσσy y x x y x p ,
其中21,µµ分别是Y X ,的数学期望,2221,σσ分别是Y X ,的方差,ρ是X 与Y 的相关系数。
四.二维随机变量函数的分布:离散、连续
离散情形,根据),(Y X 的联合概率分布,找出),(Y X g Z =的全部可能取值,将重复取值合并,对应概率相加。
连续情形,若),(y x g z =为一般函数,用分布函数法,∫∫≤=≤==z
y x g Z dxdy y x p z Y X g Z P z F ),(),(}),({)(,
关键是求满足不等式z y x g ≤),(的区域,首先根据z 从∞−到∞+取值时曲线簇z y x g =),(与支撑区域的相交情况确定z 的分段点,再在z 的各分段区间内根据曲线簇z y x g =),(所经过的范围确定二重积分区域,最后计算二重积分∫∫≤=
z y x g Z dxdy y x p z F ),(),()(。
若),(y x g z =关于某一变量严格单调,用
增补变量法,将另一变量作为增补变量。
关于x 严格单调时,∫+∞
∞−′⋅=dy y z h y y z h p z p z
Z |),(|)),,(()(;关于y 严格单调时,∫+∞
∞−′⋅=dx z x h z x h x p z p z Z |),(|)),(,()(。
首先类似于分布函数法确定z 的分段点,再在z 的各分段区间内根据曲线z y x g =),(在支撑区域中的一段曲线确定y 或x 的积分区间最后计算定积分。
五.数字特征:期望、方差与标准差、协方差与相关系数,条件期望与条件方差
期望)(),(Y E X E ,反映平均值,期望具有线性性质)()()(Y bE X aE bY aX E +=+,当X 与Y 独立时满足)()()(Y E X E XY E =。
方差)Var(),Var(Y X ,反映波动程度,方差具有平方性质和平移不变性)Var()Var(2X a b aX =+,且),Cov(2)Var()Var()Var(Y X Y X Y X ±+=±,当X 与Y 独立时满足)Var()Var()Var(Y X Y X +=±。
协方差)()()()]()][([),Cov(Y E X E XY E Y E Y X E X E Y X −=−−=,反映X 与Y 的相关关系,协方差具有乘积性质和平移不变性),Cov(),Cov(Y X ac d cY b aX =++,当X 与Y 独立时满足0),Cov(=Y X ,称为X 与Y 不相关,独立必不相关,但不相关不一定独立(二维正态情形,独立等价于不相关)。
相关系数)
Var()Var(),Cov(),Corr(Y X Y X Y X =,反映X 与Y 相关关系的相对量,满足1|),Corr(|≤Y X 且当1),Corr(±=Y X 时,存在常数b a ,使得1}{=+=b aX Y P ,即X 与Y 完全线性相关。
若),Corr(Y X 越接近0,则X 与Y 相关关系越弱;若),Corr(Y X 越接近1±,则X 与Y 相关关系越强。
条件期望)|(Y X E 与条件方差)|Var(Y X ,关于条件分布求期望与方差。
设X 与Y 独立,则)()|(X E Y X E =;设)(y g 为函数,则)(]|)([Y g Y Y g E =。
重期望公式与条件方差公式
)]|([)(Y X E E X E =,)]|(Var[)]|[Var()Var(Y X E Y X E X +=
常用于计算复杂随机变量的期望与方差,若一个复杂随机变量X 依赖于简单随机变量Y ,则计算X 的期望与方差可用重期望公式与条件方差公式化为计算简单随机变量Y 函数的期望与方差。
重点:
求概率:离散用求和、连续用二重积分
求边际分布与条件分布:连续情形下的计算公式
重要分布:记住二维均匀、二维正态分布的联合密度函数
求期望方差协方差:离散用求和、连续用二重积分
求复合随机变量的期望方差:重期望公式与条件方差公式
随机变量函数:连续情形下,一般函数的分布函数法与单调函数的增补变量法。