1多维随机变量及其联合分布

合集下载

《概率学》3.1多维随机变量及其联合分布

《概率学》3.1多维随机变量及其联合分布

第1节 二维随机变量的联合分布
第三章 多维随机变量及其分布
例 2 设随机变量 X 在 1,2,3,4四个数中等可能地取值,
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 ) 的概率分布列及P{X=Y}.
解 由题意知,{X=i,Y=j}的取值情况是:i=1,2,3,4, 且是等可能的;然后 j 取不大于 i 的正整数。由乘法公 式求得 ( X,Y ) 的分布律。
(3) P{X+Y≤1} (4) P{X=0}
解: 令X 表示取出的红球数,Y表示取出的蓝球数,
(X,Y)的所有可能取值为(0, 0),(0,1),(0, 2),
(1, 0),(1,1),(2, 0)依古典概型得
pij
P{X
i,Y
j}
C3iC2jC42i j C92
(i=0,1,2; j=0,1,2; 且i+j≤2)
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.
几何意义 F(x, y)为(X, Y)落在点(x, y)的左下区域的概率. y
(x, y)
(X, Y ) o
6
山东农业大学公共数学系概率统计课程组 版权所有
第1节 二维随机变量的联合分布
第三章 多维随机变量及其分布
计算概率: 对于任意的x1<x2,y1<y2,
P{x1<X≤x2,y1<Y≤y2}
=F(x2, y2)-F(x2,y1) -F(x1 ,y2)+F(x1 ,y1)
y y2
(x1 , y2)
(X, Y )
y1 (x1 , y1)

概率论与数理统计教程第三章

概率论与数理统计教程第三章
p 2
M p
i
M
华东师范大学
第三章 多维随机变量及其分布
3.2.3 边际密度函数
第32页
巳知 (X, Y) 的联合密度函数为 p(x, y),则
X 的密度函数为 :
p(x) p(x,y)dy
Y 的密度函数为 : p(y) p(x,y)dx
4/29/2020
华东师范大学
第三章 多维随机变量及其分布
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.
➢ 同理可定义 n 维随机变量 (随机向量).
4/29/2020
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)
则称 (X, Y) 服从 D 上的均匀分布, 记为 (X, Y) U (D) .
4/29/2020
华东师范大学
第三章 多维随机变量及其分布
第20页
四、二维正态分布
若二维连续随机变量 (X, Y) 的联合密度为:
1 p(x,y)
212 12
exp2(112)(x121)2 (y222)2 2(x11)(y22)
记 P(Ai) = pi ,
i = 1, 2, ……, r
记 Xi 为 n 次独立重复试验中 Ai 出现的次数.
则 (X1, X2, ……, Xr)的联合分布列为: P (X 1 n 1 ,X 2 n 2 ,......,X r n r )= n 1 ! n 2 n ! L !n r !p 1 n 1 p 2 n 2 L L p r n r
解: 由题意得

多维随机变量及其分布的概念

多维随机变量及其分布的概念

多维随机变量及其分布对于多维随机变量应理解其概念及其性质,在多位随机变量中,二维随机变量是基础,很多结论都是可以从二维随机变量推广到多维的。

对于二维随机变量,不仅要理解联合分布的概念与性质,还要理解二维离散型随机变量的联合概率分布、边缘分布、条件分布和二维连续型随机变量的联合概率密度、边缘密度、和条件密度。

一、多维随机变量的联合分布函数、边缘分布函数 [1]多维随机变量的及其分布的概念:如果N 维向量12{,}n X X X ⋅⋅⋅的每个分量都是随机变量,则,称之为N 维随机变量,并称函数121122(,){,,}n n n F x x x P X x X x X x ⋅⋅⋅=≤≤⋅⋅⋅≤是N 维随机变量12{,}n X X X ⋅⋅⋅的联合分布函数。

称函数(){}(,,,,i i ii F x P X x F x =≤=+∞+∞⋅⋅⋅+∞+∞为N 维向量12{,}n X X X ⋅⋅⋅关于i X 的边缘分布,或为12(,)n F x x x ⋅⋅⋅的边缘分布函数。

[2]二维随机变量的联合分布函数的概念和性质a) 二维随机变量的联合分布函数的概念:二维随机变量的联合分布函数定义如下:(,)(,)F x y P X x Y y =≤≤b) 二维随机变量的联合分布函数的性质:① 对于任意x,y, 0(,)1F x y ≤≤② (,)F x y 为关于x 或y 均为单调非降、右连续的函数。

③ (,)(,)(,)F F y F x -∞+∞=-∞=-∞=④ (,)1F +∞+∞=⑤ 发生在矩形区域上的概率:(,)(,P a X b c Y d F a<≤<≤=[3]二维随机变量的边缘分布的概念二维随机变量(,)X Y 关于X 与Y 的边缘分布函数分别定义为: ①(){}{,}(,)x F x P X x P X x Y F x =≤=≤<+∞=+∞ ②(){}{,}(,)y F y P Y y P X Y y F Y =≤=<+∞≤=+∞二、二维离散型随机变量[1]二维离散型随机变量的联合概率分布的概念:二维离散型随机变量(,)X Y 是只能去有限个或可列个值,其相应的概率表示为:(,)i i ij P X x Y y p === (,1,2,3i j =⋅⋅⋅并称为联合概率分布或联合分布律: [2] 二维离散型随机变量的联合概率分布的性质:(a,d )①(,)0i i ij P Xx Y y p ===≥ (,1,2,3i j =⋅⋅⋅②1ijijp=∑∑③(,)i j ij x x y yF x y p ≤≤=∑∑[3]二维离散型随机变量的边缘分布:二维离散型随机变量(,)X Y 关于X 和Y 的边缘概率分布(或边缘分布律)分别定义为:{}{,}i i ij i jjjp P X x P X x Y y p ∙======∑∑ {}{,}j i ij i jiip P Y y P X x Y y p ∙======∑∑ 依据边缘分布函数的定义:(){}{}i i x i i x xx xF x P X x p X x p ∙≤≤=≤===∑∑(){}{}j j y ijy yy yF x P Y y p Y y p∙≤≤=≤===∑∑[4]二维离散型随机变量的条件分布① 定义:设{}0j j p P Y y ∙==>,在事件“j Y y =”发生的条件下,事件“i X x =”发生的条件概率为:{,}{}()i j iji j j jP X x Y y p P X x Y y P Y y p ∙=======(,1,2,3)i j =⋅⋅⋅称为在“j Y y =”条件下,X 的条件分布律。

第三章多维随机变量及其分布.doc

第三章多维随机变量及其分布.doc
(2)正则性 ;
可以证明,凡满足性质(1)的任意一个二元函数f(x,y),必可作为某个二维随机变量的联合密度函数。
(3)若f(x,y)在点(x,y)处连续,则
证明
(4)设G是xOy平面上的一个区域,则有
在几何上z=f(x,y)表示空间的一张曲面。由性质(1)知,介于该曲面和xOy平面之间的空间区域的体积是1。由性质(3)知, 的值等于以G为底,以曲面z=f(x,y)为顶的曲顶柱体的体积。
3.1.3联合分布列
定义3.1.3若二维随机变量(X,Y)的所有可能取的值是有限多对或可列无限多对(xi,yj),则称(X,Y)为二维离散型随机变量。称
,i,j=1,2,…,n,
为二维离散型随机变量(X,Y)的联合分布列,也可用如下表格记联合分布列。
Y
联合分布列的基本性质:
(1)非负性
(2)正则性
例1盒子里装有3只黑球,2只红球,2只白球,在其中任取4只球,以X表示取到黑球的只数,以Y表示取到白球的只数,求X,Y的联合分布列和 。
解(1) 的分布函数为
(2)将 的共同分布函数 代入上式得
(3)Y的分布函数仍为上式,密度函数可对上式关于 求导得
(4)将指数分布的分布函数和密度函数代入(2)和(3)的结果中得
二、最小值分布设 是相互相互独立的n个随机变量,若 ,在以下情况下求Y的分布。(1) ~ ;(2) 同分布,即 ~ ;(3) 为连续随机变量,且 同分布,即 的密度函数为 , ;(4) ~ 。
0.216 0 0 0
二、多维超几何分布
袋中有N只球,其中有Ni只 号球, ,记 。从中任意取出n只,若记Xi为取出的n只球中 号球的个数, ,则
其中 。
例4在例3中改为不放回抽样,求二维随机变量(X,Y)的联合分布列。

概率论与数理统计(叶慈南 刘锡平 科学出版社)第4章 多维随机变量(rv)及其分布

概率论与数理统计(叶慈南 刘锡平 科学出版社)第4章 多维随机变量(rv)及其分布

∫ ∫ 解 (1) 由 +∞ +∞ f ( x, y)dxdy = 1 确定 c. −∞ −∞
∫ ∫ 1 0

x
cy(2 −
0
x )dy dx
y
y=x
∫ = c
1
[
x2
(2

x
)
/
2]dx
0
= 5c / 24 = 1 c = 24 / 5. O
21
1x
例 设(X,Y)的概率密度为
f
(x,
则称(*)式为(X,Y)的分布律,或X和Y的联合分布律。 可列表为:
X
Y
X1
y1
p11
y2
p12


x2

xi

p21

pi1

p22

pi2

… …… …
yj
p1j
p2j

pij


...
…… .

5
Y X x1
x2

xi

y1
p11
p21

pi1

y2
p12
p22

pi2



… ……

yj
p1j
27
例 设 ( X ,Y )服从单位圆域 x 2 + y2 ≤ 1 上的均匀
分布, 求 X 和 Y 的边缘概率密度.
y
解 于是我们得到 X 的边缘概率密度
f
X
(
x
)
=
π2
1− x2, 0,

3.3多维随机变量函数的分布x

3.3多维随机变量函数的分布x

k
i0
1i
i!
e 1
ki
e 2
2
(k i)!
k
k
e 1
2
(12 )
k!
i0
i
k! !(k
i)!
1 1 2
i
2 1 2
ki
1 2
k!
k
e(1 2 )
1 1 2
2 1 2
k
1 2
k
e(1 2 ) , k 0,1, 2,L .
y x yz
O
x
z
f (u y, y)d y d u.
由此可得概率密度函数为
fZ (z) f (z y, y)d y.
由于 X 与 Y 对称,
fZ (z) f ( x, z x)d x.
当 X, Y 独立时, fZ (z)也可表示为
fZ (z) fX (z y) fY ( y)d y,
2 12
12 2 12 12 12
(X ,Y )
(1,2)
(1,1) (1,0)
1 2
,2
1 2
,1
(3,2)
(3,0)
1
概率 12
1
32
1 22
12 12 12 12 12 12
( X ,Y ) (1,2)
(1,1) (1,0)
1 2
,2
1 2
,1
(3,2)
(3,0)
X Y 3
证 Z X Y的取值为0,1,2,L 非负整数,而事件Z k
是k 1个互不相容事件X i,Y k i, i 0,1,L , k
的并,则对于任意非负整数k,有
k
P(Z k) P( X i)P(Y k i) i0

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
i 1 n
则称X 1 , X 2 , , X n相互独立。
3.3
多维随机变量函数的分布
一、多维离散随机变量函数的分布 二、最大值与最小值的分布
三、连续场合的卷积公式
四、变量变换法
一、多维离散随机变量函数的分布
泊松分布的可加性
设X P(1 ), Y P(2 ),且X 与Y 独立,则Z X Y P(1 2 ).
二项分布的可加性
设X b(n, p), Y P(m, p),且X 与Y 独立,则Z X Y b(n m, p).
二、最大值和最小值的分布
最大值分布
设X1 , X 2 , , X n是相互独立的n个随机变量,若Y max( X1 , X 2 , , X n ), 则Y的分布称为最大值分布。
y y
0
1
U g1 ( X , Y ) V g2 ( X , Y )
则(U ,V )的联合分布函数为 p( , ) p( x( , ), y( , )) | J |
积的公式
设X 与Y 相互独立,其密度函数分别为p X ( x)和pY ( y )。则 U XY的密度函数为 pU ( )

P( X x , Y y ) P( X x ), i 1, 2,
j 1 i j i
被称为X 的边际分布列,类似地,对i求和所得的分布列
P( X x , Y y ) P(Y y ), j 1, 2,
i别地, 当n 2时( X , Y )为二维随机变量。
其联合分布函数为( F x, y) P (X x, Y y)
若F(x,y)是二维随机变量(X,Y)的分布函数, 则 它表示随机点(X,Y)落在二维区域D内的概率, 其中D 如下图所示:

第三章第一节多维随机变量及其联合分布

第三章第一节多维随机变量及其联合分布
P{ X x1 ,Y y2 }P{ X x1,Y y1} 0,
故 F ( x2 , y2 ) F ( x2 , y1 ) F ( x1, y2 ) F ( x1, y1) 0.
P135例3.1.1举出因不满足性质4而不为分布函数的 例子.
二、多维随机变量及其联合分布函数
1.多维随机变量
证 由概率的性质可知0 F( x, y) 1.又因为对任意的
正整数n,
n
lim X x lim X m ,
x
n m 1
n
lim X x lim X m ,
x
n m 1
由概率的连续性得
F (, y) 0,
对.
F (, ) 0, F (, ) 1.
2o 有界性 对任意的x和y,有0 F ( x, y) 1, 且有
对于任意固定的 y, F (, y) lim F ( x, y) 0, x
对于任意固定的 x, F( x,) lim F( x, y) 0, y F (,) lim F ( x, y) 0, x y F (,) lim F ( x, y) 1. x y
y
2(1,2)
1 (1,1)
o1
(2,2)
(2,1)
2
x
(4)当x 2,1 y 2时, F ( x, y) p11 p21 1 3; (5)当x 2, y 2时, F ( x, y) p11 p21 p12 p22 1.
所以( X ,Y ) 的分布函数为
0, x 1 或 y 1,

(1) 因为
f ( x, y)d x d y 1,
所以
2 4 k (6 x y)d y d x 1, 02 k 1; 8
(2) P{X 1,Y 3}

联合分布与边缘分布

联合分布与边缘分布

X,Y
时Fx, y1Fx, y2;
一、二维随机变量的分布函数
2.0F x,y1,且 对任意 y R ,固 F ,定 y0,的 对任意 x R 固 ,F x, 定 0的 , F , 0, F , 1.
y
y x, y
Y X,Y
O Xx
x
一、二维随机变量的分布函数
3 . F x , y F x 0 , y , F x , y F x , y 0 .
多维随机变量及其分布
第一节 联合分布与边缘分布
引言
从本讲起,我们开始第三章的学习. 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 .
引言
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.
解 {Xi,Yj}的取值情: 况 i1 是 ,2,3,4,
j取不大i的 于正整. 且数由乘法公式得 P {X i,Yj} P { Y jX i} P { X i} 1 1 ,
i4 i1,2,3,4, j i. 于是(X,Y)的分布律为
二、二维离散型随机变量
X Y
1
1
1
4
2
0
3
0
4
0
2 34
1
11
8
12 16
1
11
8
12 16

11
0 12 16
1 0 0 16
二、二维离散型随机变量
例3 一个袋中有三个球,依次标有数字 1, 2, 2, 从中任取一个, 不放回袋中 , 再任取一个, 设每 次取球时,各球被取到的可能性相等,以 X, Y 分 别记第一次和第二次取到的球上标有的数字 , 求 ( X, Y ) 的分布律与分布函数. 1 2 2

茆诗松《概率论与数理统计教程》笔记和课后习题(含考研真题)详解(多维随机变量及其分布)【圣才出品】

茆诗松《概率论与数理统计教程》笔记和课后习题(含考研真题)详解(多维随机变量及其分布)【圣才出品】

为 n 次独立重复试验中 Ai 出现的次数,i=1,2,…,r.则(X1,X2,…,Xr)取值(n1,
n2,…,nr)的概率,即 A1 出现 n1 次,A2 出现 n2 次,……,Ar 出现 nr 次的概率为
P( X1 n1, X 2 n2 ,
n! , X r nr ) n1!n2!
pi1
pi2
pij
(2)联合分布列的基本性质:
①非负性:Pij≥0;
②正则性:Pij≥0,

pij 1
i1 j1
2 / 138
圣才电子书 十万种考研考证电子书、题库视频学习平台

求二维离散随机变量的联合分布列,关键是写出二维随机变量可能取的数对及其发生的 概率.
中仸意取出 n 个,若记 Xi 为取出的 n 个球中 i 号球的个数,i=1,2,…,r,则
P( X1 n1, X 2 n2 ,
N1 N2 Nr
,
Xr

nr )


n1

n2

N

nr


n

其中 n1+n2+…+nr=n
(3)多维均匀分布
故积分区域的边界线是否在积分区域内丌影响概率计算结果.
3 / 138
圣才电子书

5.常用多维分布
十万种考研考证电子书、次独立重复试验,如果每次试验有 r 个互丌相容结果:A1,A2,…Ar,之一发生,
且每次试验中 Ai 发生的概率为 pi=P(Ai),i=1,2,…,r,且 p1+p2+…+pr=1.记 Xi
设 D 为 Rn 中的一个有界区域,其度量(平面的为面积,空间的为体积等)为 SD,如

多维随机变量及分布[概率与统计

多维随机变量及分布[概率与统计
独立性检验的应用
独立性检验在多元统计分析中具有广泛的应用,例如在因子分析、主成分分析和聚类分析等领域。通过 独立性检验,我们可以更好地理解数据之间的关系和结构,从而更好地进行数据分析和建模。
06 多维随机变量的应用
在统计学中的应用
01
多元统计分析
多维随机变量在多元统计分析中有着广泛的应用,如多元回归分析、主
标准化变换
标准化变换
标准化变换是一种常用的数据预处理技术,它通过对数据进行缩放和平移,使得数据满足一定的特性或满足某种 规范。在多维随机变量的背景下,标准化变换通常是指对每个维度进行缩放和平移,使得所有维度都具有零均值 和单位方差。
标准化变换的作用
标准化变换的作用在于使得不同维度的数据具有可比性,并且使得数据的分布更加接近正态分布。此外,标准化 变换还可以消除量纲和单位对数据分析的影响,使得分析结果更加可靠和稳定。
多维指数分布
定义
多维指数分布是所有维度都服从指数分布的多维随机变量的概率 分布。
特征
具有指数概率密度函数,各维度之间相互独立。
应用
在排队论、可靠性工程等领域有应用。
04 多维随机变量的期望与方 差
期望的定义与性质
定义
01
多维随机变量的期望值是所有可能结果的加权平均,其中权重
为每个结果的概率。
性质
独立性检验
独立性检验
独立性检验是统计学中用于检验两个或多个随机变量是否相互独立的一种方法。在多维随机变量的背景下,独立性检 验通常用于判断各个维度之间是否存在相关性或依赖关系。
独立性检验的方法
独立性检验的方法有很多种,其中常用的有卡方检验、斯皮尔曼秩相关系数和皮尔逊相关系数等。这些方法可以帮助 我们判断两个或多个随机变量是否相互独立,或者是否存在某种依赖关系。

概率论与数理统计课件:多维随机变量及其分布

概率论与数理统计课件:多维随机变量及其分布

多维随机变量及其分布
首页 返回 退出2
在实际问题中, 试验结果有时需要同时用两个或两
个以上的随机变量来描述.
如, 炮弹的弹着点的位置, (X, Y)是一个二维随
机变量.
又如,研究天气变化状况,令X, Y, Z分别表示
温度、湿度、风速,则(X, Y, Z)是一个三维随机变量.
研究多维随机变量有必要将多个变量作为一个整
二元函数
F ( x , y ) P{( X x ) (Y y )} P ( X x , Y y )
称为随机变量(X,Y)的联合分布函数。
一维随机变量X的联合分布
函数F ( x ) P ( X x ).
多维随机变量及其分布
首页 返回 退出
F(x,y)=P(X≤x,Y≤y)
y
F ( , y ) 0,
o
F ( x , ) 0,
F ( , ) 0, F ( , ) 1;
4 F ( x , y )关于x和y分别右连续;
x1
F ( x1 , y ) F ( x2 , y )
5 对于任意x1 x2 , y1 y2 , 有矩形公式




X
性质: 1 pij 0, i , j 1, 2, ;
2


p
i 1 j 1
多维随机变量及其分布
ij
1.
首页 返回 退出
例1 从1,2,3,4中任取一个数记为X、再从1,2, ⋯ ,
中任取一个数记为Y,求 ( X, Y ) 的联合分布律及P
( X=2Y ).
解:
可以证明,f(x,y)满足联合密度的性质。

茆诗松《概率论与数理统计教程》(第2版)(课后习题 多维随机变量及其分布)【圣才出品】

茆诗松《概率论与数理统计教程》(第2版)(课后习题   多维随机变量及其分布)【圣才出品】


(4)

解:(1)由
(2)
(3) (4)
的非零区域与
解得 k=1/8. .
. 的交集如图 3-1 的阴影部分,
图 3-1
5 / 84
圣才电子书

由图 3-1 得
十万种考研考证电子书、题库视频学习平 台
6.设随机变量(X,Y)的联合密度函数为
试求
(1)常数 k;
(2)
所以
的联合分布列为
表 3-9
10 / 84
圣才电子书

十万种考研考证电子书、题库视频学习平 台
12.设二维随机变量
的联合密度函数为
求 解:
. 的非零区域与
的交集为图 3-4 阴影部分,所以
图 3-4
图 3-5
13.设二维随机变量 .
的联合密度函数为
解:
的非零区域与
的交集为图 3-5 阴影部分,所以
(3)
的非零区域与
的交集为图 3-3(d)阴影部分,所以
9 / 84
圣才电子书

十万种考研考证电子书、题库视频学习平 台
图 3-3
11.设随机变量 Y 服从参数为
的指数分布,定义随机变量 X 如下:
求 X1 和 X2 的联合分布列.
解:
的联合分布列共有如下 4 种情况:
,试求
11 / 84
圣才电子书

14.设二维随机变量
十万种考研考证电子书、题库视频学习平

的联合密度函数为
求 X 与 Y 中至少有一个小于 0.5 的概率.
解:两事件

中至少有一个发生的概率为
15.从(0,1)中随机地取两个数,求其积不小于 3/16,且其和不大于 1 的概率. 解:设取出的两个数分别为 X 和 Y,则(X,Y)的联合密度函数为

概率论与数理统计讲义第三章 多维随机变量及其分布

概率论与数理统计讲义第三章 多维随机变量及其分布

第三章多维随机变量及其分布随机向量的定义:随机试验的样本空间为S={ω},若随机变量X1(ω),X2(ω),…,X n(ω)定义在S上,则称(X1(ω),X2(ω),…,X n(ω))为n维随机变量(向量)。

简记为(X1,X2,…,X n)。

二维随机向量(X,Y),它可看作平面上的随机点。

对(X,Y)研究的问题:1.(X,Y)视为平面上的随机点。

研究其概率分布——联合分布率、联合分布函数、联合概率密度;Joint2.分别研究各个分量X,Y的概率分布——边缘(际)分布律、边缘分布函数、边缘概率密度;marginal3.X与Y的相互关系;4.(X,Y)函数的分布。

§ 3.1 二维随机变量的分布一.离散型随机变量1.联合分布律定义3.1 若二维随机变量(X,Y)可能取的值(向量)是有限多个或可列无穷多个,则称(X,Y) 为二维离散型随机变量。

设二维离散型随机变量(X,Y)可能取的值(x i,y j), i,j=1,2…,取这些值的概率为p ij=P{(X,Y)=(x i,y i)}=p{X=x i,Y=y i}i, j=1,2,…——(3.1)称 (3.1)式为(X,Y)的联合分布律。

(X,Y)的联合分布律可以用表格的形式表示如下:性质:(1) p ij ≥ 0,i, j=1,2,… (2) ∑ji ij p ,=12.边缘分布律设二维离散型随机变量(X,Y) 的联合分布律为p ij = P{X=x i ,Y=y i } i, j=1,2,…分量X 和Y 的分布律分别为 p i.=P{X=x i } i=1,2,… 满足①p i.≥0②∑ p i.=1p .j = p{Y=y i }j=1,2,… ①p .j ≥0②∑ p .j =1我们称p i.和p .j 分别为(X,Y)关于X 和Y 的边缘分布律,简称为(X,Y)的边缘分布律。

二维离散型随机变量(X,Y) 的联合分布律与边缘分布率有如下关系: p i.=P{X=x i }=P{X=x i , S}=P{X=x i ,∑(Y=y j )}=j∑P{X=x i ,Y=y j }=j∑p ij (3.4) 同理可得 p .j =i∑p ij(3.5)例1:一整数X 随机地在1,2,3三个整数中任取一值,另一个整数Y随机地在1到X中取一值。

二元正态分布定义

二元正态分布定义

8xy, 0 x y,0 y 1 P(x,y)= 其它 0, 问 与是否相互独立?
【解】 4 x 4 x 3 , 0 x 1 P ( x) 其它 0,
4 y 3 , 0 y 1 P (y) 其它 0,
由此可见:当点(x,y)图中阴影部分时,P(x,y) P ( x)P ( y)
即:
~ (a, b) ~ (c, d )
上的二元 【注】1. 均匀分布可推广 到m维区域上的均 匀分布。 2. (a, b; c, d ) 可推广 到n次矩形体上的 多元均匀分布。
附:
当( , )~ (a, b; c, d )时,则不难求出( , )的联合d . f .F ( x, y ): 0, x a或y c ( x a )( y c) , a x b, c y d (b a )(d c) y c , x b, c y d F ( x, y ) d c xa , a x b, y d ba 1, x b, y d
3.3 多维随机变量及其分布
一、多维随机变量及其联合分布函数
定义1:如果 1, 2 , , n 是概率空间(, F , P) 上的n个随机 变量,那么称向量( 1 , 2 , , n)为n维随机变量或n维随 机向量。 定义2:对 ( x1, x2 , , xn ) Rn ,称
F ( x1, x2 , , xn ) P(1 x1, 2 x2 , , n xn )
y1 · x1
·
x2
·
x
的联合分布函数F(x,y) 定理1:二维随机变量 (,) 具有如下的基本性质: F(x,y)对每个变元是非降的; F(x,y)对每个变元左连续; F(-∞,y)=0,F(x,-∞)=0,F(-∞, +∞ )=1

概率论与数理统计图文课件最新版-第3章-多维随机变量及其分布

概率论与数理统计图文课件最新版-第3章-多维随机变量及其分布

比如:
概率统计
比如:
1 x y 0
F( x, y) 0 x y 0
对这二元函数来验证第4条性质。
现找 4 个点如下:
( x2 , y2 ) (1, 1); ( x1, y2 ) (1, 1)
( x2 , y1 ) (1, 1); ( x1, y1 ) (1, 1)
F(1,1) F(1,1) F(1, 1) F(1, 1)
0
x 0, y 0 其它
求: (1) 分布函数 F( x, y)
(2) ( X ,Y )落在G内的概率
其中 G: x y 1 及 x 轴、y 轴所围区域
解: (1) Q
x
F(x, y)
y
f ( x, y)dxdy
当 x 0, y 0 时
xy
F( x, y)
0 dx 0
2,4,8,10,14,16,20这7个 数不能被3整除,但能
被2整除
6,12,18这3个数能被2 整除,又能被3整除
不难验证:
1 1
7473
pi j 0, 0 0 pi j 21 21 21 21 1
概率统计
故 得: (X,Y) 的 联合分布 律为:
XY
0 1
01
7
4
21 21
7
P( x1 X x2 , y1 Y y2 )
F ( x2 , y2 ) F ( x2 , y1 ) F ( x1, y1 ) F ( x1, y2 )
如图:
y
y2 L
y1 L M
M
x
0 x1
x2
概率统计
2. 二维随机变量分布函数 F(x,y) 的性质
性质1 F(x,y) 分别对 x 和 y 单调非减, 即:

多维随机变量联合分布列和边际分布列

多维随机变量联合分布列和边际分布列

§2.2 多维随机变量联合分布列和边际分布列一、多维随机变量及其联合分布列1、定义定义1.设是样本空间上的 n个离散型随机变量,则称n维向量()是上的一个n维离散型随机变量或n维随机向量。

对于n维随机变量而言,固然可以对它的每一个分量分别研究,但我们可以将它看成一个向量,则不仅能研究各个分量的性质,而且更重要的是要考虑它们之间的联系。

下面主要讨论二维离散型随机变量。

设()是二维离散型随机变量,它们的一切可能取值为()i,j=1,2…i,j=1,2…,注意=。

称= i,j=1,2…为二维随机变量()的联合分布列。

与一维时的情形相似,人们也常常习惯于把二维离散型随机变量的联合分布用下面表格形式表示2.联合分布的性质容易证明二维离散型随机变量的联合分布具有下面的性质:1)非负性:i,j=1,2…2)规范性:3)二.边际分布(边缘分布)设()为二维离散型随机变量,它们的每一个分量的分布称为()关于的边际分布,记为与。

若()的联合分布为 i,j…则==由此可以发现,由联合分布列可以唯一确定边际分布,反之,由边际分布不能唯一确定联合分布(反例在下面举)。

大家可以发现,边际分布列的求法只须在联合分布列{}的右方加了一列,它将每一行中的相加而得出,这就是的分布列;相应地在()下面增加一行,它把每一列中的对 i相加而得到恰好就是边际分布列,这也是边际分布列名称的来历。

即例1.设把三个相同的球等可能地放入编号为1.2.3的三个盒子中,记落入第1号中球的个数为,落入第2号盒子中球的个数为,求()的联合分布列及的边际分布列。

解:的可能取值为0.1.2.3(首先确定()的所有可能取值( i,j))然后利用ch1知识计算概率。

当i+j>3时=所以()的联合分布列0 1 2 3例2. 把3个白球和3个红球等可能地放入编号为1.2.3的三个盒子中,记落入第1号的盒子中的白球个数为,落入第2号盒子中的红球的个数为,求()的联合分布列和边际分布列。

  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)。

3.1多维随机变量及其分布教学目标:本节讲解的是多维随机变量及其分布.通过本节的教学,要求学生正确理解多维随机变量及其分布,掌握多维随机变量及其分布的计算方法,运用定义和性质解决有关问题.教学重点:多维随机变量及其分布的定义与性质. 教学难点:多维随机变量及其分布的证明与计算. 二维随机变量定义1 设E 是随机试验,则由定义在E 的样板空间Ω上的随机变量X 与Y 构成的有序对),(Y X 称为二维随机变量(或二维随机向量)。

定义2 对任意实数y x ,,二元函数},{)}(){(),(y Y x X P y Y x X P y x F ≤≤≡≤≤=称为二维随机变量),(Y X 的分布函数,或称为随机变量X 和Y 的联合分布函数。

若把二维随机变量),(Y X 看成平面上随机点),(Y X 的坐标,则分布函数),(y x F 就表示随机点落在以点),(y x 为顶点的左下方的无限矩形域内的概率。

),(),(),(),(},{111221222121y x F y x F y x F y x F y Y y x X x P +--=≤<≤< 分布函数具有以下基本性质: (1)1),(0≤≤y x F ,且对任意固定的y ,0),(=-∞y F , 对任意固定的x ,0),(=-∞x F , 0),(=-∞-∞F ,1),(=∞∞F 。

(2)),(y x F 分别是x 和y 的不减函数。

(3)),(),0(y x F y x F =+,),()0,(y x F y x F =+,即),(y x F 关于x 或y 均右连续。

(4)若2121,y y x x <<,则0),(),(),(),(11122122≥+--y x F y x F y x F y x F如果二维随机变量),(Y X 可能取的值是有限对或可列无限对,则称),(Y X 是二维离散型随机变量。

),(Y X 的分布律或X 和Y 的联合分布律为ij j i p y Y x X P ===},{, ,2,1,=j i 。

其中ijp 满足(1);0≥ij p(2)111=∑∑∞=∞=i j ijp。

X 和Y 的联合分布律也可用表格表示:ij j j j i i i p p p y p p p y p p p y x x x X Y 2122212212111121\X 和Y 的联合分布函数为∑∑≤≤=x x yy iji j py x F ),(。

【例1】吴书p.66.例1。

一箱子装有5件产品,其中2件正品,3件次品.每次从中取1件产品检验质量,不放回地抽取,连续抽取两次.定义随机变量X 和Y 如下:试求),(Y X 的分布律和分布函数。

解10X ⎧=⎨⎩,第一次取到次品,第一次取到正品10Y ⎧=⎨⎩,第二次取到次品,第二次取到正品⎪⎪⎪⎩⎪⎪⎪⎨⎧≥≥<≤≥≥<≤<≤<≤<<=1,1110,1041,104.010,101.00,,00),(y x y x y x y x y or x y x F对二维随机变量),(Y X 的分布函数),(y x F ,如果存在非负函数),(y x f ,使对任意的y x ,有⎰⎰∞-∞-=yxdudvv u f y x F ),(),(则称),(Y X 是二维连续型随机变量,),(y x f 称为),(Y X 的概率密度,或称为X 和Y 的联合概率密度。

),(y x f 具有性质(1)0),(≥y x f 。

(2)1),(=⎰⎰∞∞-∞∞-dxdy y x f 。

(3)设G 是平面xOy 上的区域,则),(Y X 落在G 内的概率为⎰⎰=∈Gdxdyy x f G Y X P ),(}),{(。

(4)若),(y x f 在点),(y x 连续,则有),(),(2y x f y x y x F =∂∂∂。

【例2】吴书p.67.例2。

设G 是平面上的一个有界区域,其面积为A 。

二维随机变量),(Y X 只在G 中取值,并且取G 中的每一个点都是“等可能的”,则),(Y X 的概率密度为⎪⎩⎪⎨⎧∈=0),(1),(Gy x Ay x f称其服从G 上的均匀分布。

【例3】吴书p.67.例3(盛书p.62.例2)。

设二维随机变量),(Y X 具有概率密度⎩⎨⎧>>=+-0,02),()2(y x e y x f y x(1)求分布函数),(y x F ;(2)求概率}{Y X P ≤ 边缘分布二维随机变量),(Y X 作为一个整体,具有分布函数),(y x F 。

而随机变量X 和Y 各自的分布函数,分别记为)(),(y F x F Y X ,依次称为二维随机变量),(Y X 关于X和关于Y 的边缘分布函数。

边缘分布函数)(),(y F x F Y X 可由分布函数),(y x F 确定。

),(},{}{)(+∞=+∞<≤=≤=x F Y x X P x X P x F X 同理 ),()(y F y F Y +∞= 其中),(lim ),(),,(lim ),(y x F y F y x F x F x y +∞→+∞→=+∞=+∞。

对于离散型随机变量,由∑∑≤∞==+∞=x x j ijX i p x F x F 1),()(知X 的分布律为∙∞====∑i j ij i p p x X P 1}{, ,2,1=i同理Y 的分布律为ji ij j p p y Y P ∙∞====∑1}{, ,2,1=j分别称∙i p 和j p∙为二维离散型随机变量),(Y X 关于X 和关于Y 的边缘分布律。

对于连续型随机变量,由dxdy y x f x F x F x X ⎰⎰∞-∞∞-⎥⎦⎤⎢⎣⎡=+∞=),(),()(知X 的概率密度为⎰∞∞-=dyy x f x f X ),()(同理Y 的概率密度为⎰∞∞-=dxy x f y f Y ),()(分别称)(x f X 和)(y f Y 为二维连续型随机变量),(Y X 关于X 和关于Y 的边缘概率密度。

【例1】设二维离散型随机变量),(Y X 的分布律为81412241811321\ba Y X且21)1(==X P ,求(1)b a ,的值;(2)关于X 和关于Y 的边缘分布律。

解 (1)由21)1(==X P ,即2124181=++a ,得31=a 。

再由1814124181=+++++b a ,得2411=+b a ,最后得81=b 。

(2)联合分布律为814181224131811321\Y X关于X 和关于Y 的边缘分布律为212121PX 和6112741321PY【例2】吴书p.70.例1。

把两封信随机投入已编好号的3个邮筒内,设X 、Y 分别表示投入第1,2个邮筒内信的数目,求),(Y X 的分布律及边缘分布律。

【例3】吴书p.70.例2。

把2个红球和2个白球随机投入已编好号的3个盒子内,设X 表示落入第1个盒子内红球的数目,Y 表示落入第2个盒子内白球的数目,求),(Y X 的分布律及边缘分布律。

【例4】吴书p.71.例3(盛书p.62.例2)。

设二维随机变量在区域},10|),{(2x y x x y x G ≤≤≤≤=上服从均匀分布,求边缘概率密度)(x f X 和)(y f Y 。

相互独立的随机变量定义 设),(y x F 及)(),(y F x F Y X 分别是二维随机变量),(Y X 的分布函数及边缘分布函数。

若对所有y x ,有}{}{},{y Y P x X P y Y x X P ≤⋅≤=≤≤即 )()(),(y F x F y x F Y X ⋅= 则称随机变量X 与Y 是相互独立的。

一般由边缘分布不能确定联合分布,但当随机变量具有独立性时,联合分布就可由边缘分布确定。

当),(Y X 是二维离散型随机变量时,X 与Y 相互独立的充分必要条件是}{}{},{j i j i y Y P x X P y Y x X P =⋅====即ji ij p p p ∙∙⋅=,),2,1,,2,1( ==j i 。

当),(Y X 是二维连续型随机变量时,X 与Y 相互独立的充分必要条件是)()(),(y f x f y x f Y X ⋅=。

在xOy 平面上几乎处处成立。

【例1】吴书p.76.例1。

设二维离散型随机变量),(Y X 的分布律如下表所示:βα31218191611321\Y X(1)问βα,取什么值时,X 与Y 相互独立;(2)对上述求得的βα,,求),(Y X 的分布函数),(y x F 。

解 (1)),(Y X 的分布律和边缘分布律βαβαβα++++∙∙1819121313123118191611321\ji p p Y X由X 与Y 相互独立,得 91)91(31=+⋅α, 92=α 181)181(31=+⋅β, 91=β (2)关于X 和关于Y 的边缘分布律323121PX 和613121321PY关于X 和关于Y 的边缘分布函数⎪⎩⎪⎨⎧≥<≤<=21213110)(x x x x F X ,⎪⎪⎪⎩⎪⎪⎪⎨⎧≥<≤<≤<=313265212110)(y y y y y F Y),(Y X 的分布函数⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎨⎧≥≥<≤≥<≤≥≥<≤<≤<≤<≤<≤<<=⋅=3,2132,26521,2213,213132,2118521,21611,,10)()(),(y x y x y x y x y x y x y or x y F x F y x F Y X【例2】吴书p.77.例2(盛书p.73.例)。

一负责人到达办公室的时间均匀分布在8~12时,他的秘书到达办公室的时间均匀分布在7~9时.设他们两人到达的时间是相互独立的,求他们到达办公室的时间相差不超过5分钟(1/12小时)的概率 .定理1 设X 和Y 是相互独立的随机变量,)(x h 和)(y g 是),(+∞-∞上的连续函数,则)(X h 和)(Y g 也是相互独立的随机变量。

定理 2 设),,,(21m X X X 和),,,(21n Y Y Y 相互独立,则i X ),,2,1(m i =和j Y ),,2,1(n j =相互独立。

又若h 和g 是连续函数,则),,,(21m X X X h 和),,,(21n Y Y Y g 也相互独立。

两个随机变量的函数的分布一. 两个离散型随机变量的函数的分布律 设二维离散型随机变量),(Y X 的分布律为ij j i p y Y x X P ===},{ ),,2,1,,2,1(n j m i ==;。

相关文档
最新文档