概率第三章第1节 二维随机变量及其分布

合集下载

第三章 多维随机变量及其分布 第一节 二维随机变量及其分布函数 概率论课件

第三章 多维随机变量及其分布 第一节 二维随机变量及其分布函数 概率论课件

前面我们介绍了二维随机变量的概 念, 二维随机变量的分布函数及其性质。
二维随机变量也分为离散型和连续型, 下面我们分别讨论它们。
三、二维离散型随机变量 及其概率分布
如果二维随机变量(X,Y)的每个分 量都是离散型随机变量,则称(X,Y)是 二维离散型随机变量.
二维离散型随机变量(X,Y)所有可 能取的值也是有限个或可列无穷个.
求: 二维随机变量(X,Y)的概率分布和其边缘分 布.
解: (X,Y)所有可能取的值是
(0,0),(0,1),(1,0,),(1,1).
P{X=0,Y=0}
=P{第一次取到正品且第二次也取到正品},
利用古典概型,得: P{X=0,Y=0}=(76)/(109)=7/15
同理求得:
P{X=0,Y=1}=(73)/(109)=7/30
第三章
多维随机变量及其分布
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. 以下重点讨论二维随机变量.
请注意与一维情形的对照 .
第三章 第一节
二维随机变量及其分布函数
一、二维随机变量
设随机试验E的样本空间是Ω,X=X() 和Y=Y()是定义在Ω上的随机变量, 由它们 构成的向量(X,Y),称为二维随机变量(向量)。
而把F(x,y)称为X和Y的联合分布函数。
注意
X与Y的边缘分布函数,实质上就是一维随 机变量X或Y的分布函数。称其为边缘分布函数 的原因是相对于(X,Y)的联合分布而言的。
同样地,(X,Y)的联合分布函数F(x, y)是相 对于(X,Y)分量X与Y的分布而言的。
求法
FX(x)=P{X≤x}=P{X≤x,Y<∞}=F(x,∞) FY(y)=P{Y≤y}=P{X<∞,Y≤y}=F(∞,y)

第1节二维随机向量及其分布函数

第1节二维随机向量及其分布函数
第 3 章.多维随机向量及其概率分布
引 例 : ={ 某 地 区 居 民 }= , 设 其 生 高 为 X, 体 重 为 Y, 则
X ,Y X ,Y | 为定义在 上的两个随机变量,同理设
=(射击时的弹着点),X 为横坐标,Y 为纵坐标,则弹着点位置
注:①1)2)3)是F x, y能成为分布函数的充要条件;
②3)不能由 1)2)推出,即使再加上单调条件也不能推出 3)
推论:1)F x, y分别关于 x,y 单调增,即 x1 x2 : F x1, y F x2 , y y1 y2 : F x, y1 F x, y2 2)F , 0; 3).0 F x, y 1.
第1节. 二维随机向量及其分布函数
一. 二维随机向量定义:
设 X,Y 是,F,P上的随机变量,称有序实数对 X ,Y 为二维随机向
量或二维随机变量.与一维类似,我们关心(X,Y)的概率分布,即(X,Y) 取那些值,以及取各指定范围内值的概率:如平面区域 D 内的概率
P X ,Y D,这时关键是研究事件 X x,Y y的概率.
(X,Y)= X ,Y | 为两个随机变量,不但要分别研究 X,Y,
还要研究它们之间的联系,如生高 X,体重 Y 之间通常生高 X 大,则体 重 Y 也大,但又不是完全确定的关系,本书只研究相互独立与线性相 关等简单关系.由于二维以上随机变量与二维在概念方法上无本质 差别,所以本章重点讨论二维随机向量.
证:1)在性质 3)中令 y1 或 x1 .
三.边缘分布函数:
1.定义:设 X ,Y 为二维随机变量,称 X 的分布函数FX x为 X ,Y 关 于 X 的边缘分布函数,同理FY y为 X ,Y 关于 Y 的边缘分布函数.

第三章 二维随机变量及其分布

第三章   二维随机变量及其分布

1第三章 二维随机变量及其分布在很多实际问题中,有一些随机试验需要用两个或两个以上的随机变量才能描述, 如, 炮弹着落点的位置必须用两个坐标X 和Y 来描述。

又如气候情况与气温、风力、降水量等多个随机变量有关,为了准确提供气候情况,我们就完全有必要将描述天气情况的多个随机变量作为一个整体来研究。

将n 个随机变量n X X X ,,,21 作为一个整体,记作),,,(21n X X X ,称为n 维随机变量。

在这一节我们主要研究二维随机变量的概率分布、边缘分布及二维随机变量的独立 性等. 这部分内容的讨论也可类推到)2(>n n 维随机变量的情形.§3. 1二维随机变量的联合分布3.1.1、二维随机变量的概率分布定义3.1:设)(Y X ,是二维随机变量,对于任意实数y x 、,称二元函数{}yY x X P y x F ≤≤=,,)(为二维随机变量)(Y X ,的分布函数或随机变量X 和Y 的联合分布函数,它表示随机事件}{x X ≤与}{y Y ≤同时发生的概率.2图3-1 图3-2将二维随机变量)(Y X ,看成是平面上随机点的坐标,那么分布函数)(y x F ,在点)(y x ,处的函数值就是随机点)(Y X ,落在直线x X =的左侧和直线y Y =的下方的无穷矩形区域内的概率(如图3-1)有了分布函数)(y x F ,,借助于图3-2,容易算出随机点)(Y X ,落在矩形区域 ){(y x D ,=}2121y Y y x X x ≤<≤<,内的概率为:)()(}{21222121y x F y x F y Y y x X x P ,,,-=≤<≤<)()(1112y x F y x F ,,+-.根据概率的定义和二维随机变量的定义,可得:二维分布函数)(y x F ,具有以下基本性质: (1)1)(0≤≤y x F ,;(2))(y x F ,关于变量x 和y 均单调非减,且右连续; (3)对于任意固定的y ,0)(lim )(==-∞-∞→y x F y F x ,,对于任意固定的x ,0)(lim )(==∞--∞→y x F x F y ,,1)(0)(=∞++∞=∞--∞,;,F F ; (4)对于任意2121y y x x <<,恒有:=≤<≤<}{2121y Y y x X x P ,0)()()()(11211222≥+--y x F y x F y x F y x F ,,,,3.3.1.2. 二维离散型随机变量及其分布定义3.2: 如果二维随机变量)(Y X ,可能取的值为有限对或可列无穷对实数,则称)(Y X ,为二维离散型随机变量.显然,)(Y X ,为二维离散型随机变量,当且仅当X 和Y 均为离散型随机变量.设二维离散型随机变量)(Y X ,所有可能的取值为)21()( ,,,,=j i y x j i ,且对应的概率为.,21}( ,,,,====j i p y Y x X P ij j i则称上式为二维随机变量)(Y X ,的概率分布或X 与Y 的联合概率分布.由概率的定义可知:(1) 210,,,=≥j i p ij .(2)∑∑+∞=+∞==111i j ij p .联合分布也常用表格表示,并称为X 与Y 联合概率分布表.4根据定义,离散型随机变量)(Y X ,的联合分布函数∑∑≤≤=≤≤=x x yy iji j py Y x X P y x F },{)(,即对一切满足不等式y y x x j i ≤≤,的ij p 求和.例3.1盒子里有2个黑球、2个红球、2个白球,在其中任取2个球,以X 表示取得的黑球的个数,以Y 表示取得的红球的个数,试写出X 和Y 的联合分布表,并求事件}{1≤+Y X 的概率.解:X 、Y 各自可能的取值均为0、1、2,由题设知,)(Y X ,取(1,2)、(2,1)、(2,2)均不可能. 取其他值的概率可由古典概率计算. 从6个球中任取2个一共有26C =15种取法. )(Y X ,取)00(,表示取得的两个球是白球,其取法只有一种,所以其概率为 }{1510,0===Y X P ,类似地)(Y X ,取其他几对数组的概率为如下: }151}20{}02{,154}11{154152201{}10{==========⨯======Y X P Y X P Y X P Y X P Y X P ,,,,,,)(Y X ,的联合概率分布表为5P {所取两个球中至少有一个白球}=P {所取两个球中黑球和红球的和不超过一个}=}1{≤+Y X P ,由于事件}1{≤+Y X 包含三个基本事件,分别对应着点(0,0)、(0,1)和(1,0),所以:.53154154151}01{}10{}00{}1{=++===+==+===≤+Y X P Y X P y X P Y X P ,,, 3.1.3 二维连续型随机变量及其分布定义3.3:设二维随机变量)(Y X ,的分布函数为)(y x F ,,如果存在非负可积的二元函数)(y x f ,,使得对任意实数y x 、,有}{⎰⎰∞-∞-=≤≤=xydudv v u f y Y x X P y x F )(,)(、,,则称)(Y X ,为二维连续型随机变量,称函数)(y x f ,为二维随机变量)(Y X ,的概率密度函数或随机变量X 和Y 的联合密度函数.由分布函数的定义知,联合密度函数)(y x f ,具有以下性质: (1)0)(≥y x f ,;(2)1)(=⎰⎰∞+∞-∞+∞-dxdy y x f ,;(1)(=∞++∞,即F )反过来,如果一个二元函数)(y x f 、同时满足性质(1)、(2),则它一定是某个二维随机变量的概率密度函数.6 (3)若)(y x f 、在点)(y x 、处连续,则有)()(2y x f yx y x F ,,=∂∂∂; (4)设D 是xoy 平面上任一区域,则点),(y x 落在D 内的概率为{σd y x f D Y X P D)(})(,,⎰⎰=∈.在几何上,{})(D Y X P ∈,的值等于以D 为底,曲面)(y x f Z 、=为顶的曲顶柱体的体积.与一维随机变量相似,有如下常用的二维均匀分布和二维正态分布二维均匀分布:设D 是平面上的有界区域,其面积为A ,若二维随机变量),(Y X 具有概率密度函数⎪⎩⎪⎨⎧∈=其他,0),(,1),(Dy x A y x f则称),(Y X 在D 上服从均匀分布.二维正态分布:若二维随机变量)(Y X ,的概率密度为⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡-+-⋅---⋅---=2222221121212221)(2)()1(21exp 121),(σμσμσμρσμρρσσπy y x x y x f(+∞<<∞-+∞<<-∞y x ,)其中参数ρσσμμ,,,,2121均为常数,且10021<>>ρσσ,,,则称)(Y X ,服从参数为2121σσμμ,,,及ρ的二维正态分布,记作);,,,,ρσσμμ222121(~)(N Y X .7如图3-4所示,二维正态分布以),(21μμ为中心,在中心附近具有较高的密度,离中心越远,密度越小,这与实际中很多现象相吻合.图 3-3 二维正态分布密度函数图象例3.2 设二维随机变量)(Y X ,的概率密度函数为⎩⎨⎧≥≥=+-其它,,,,000)()32(y x Ce y x f y x求:(1)常数C ;(2))(Y X ,的分布函数)(y x F ,;(3)}{Y X P <.解:(1)由)(y x f ,的性质2可知:⎰⎰⎰⎰∞+∞++-∞+∞-∞+∞-==)32()(1dxdy Ce dxdy y x f y x ,=⎰⎰∞+∞+--⋅=03261C dy e dx e Cy x所以:6=C (2)⎰⎰∞-∞-=xydxdy y x f y x F )()(,,8 ⎪⎩⎪⎨⎧≥≥--==⎰⎰--+-其它,,,000)1)(1(60032)32(y x e e dxdy e x y y x y x(3).526),(}{00)32(⎰⎰⎰⎰∞++-<===<y y x yx dy e dx dxdy y x f Y X P .例3.3 设二维随机变量)(Y X ,的密度函数为⎩⎨⎧≤≤≤≤=其它,,,,010104)(y x xy y x fD 为xoy 平面内由x 轴、y 轴和不等式1<+y x 所确定的区域,求{}DY X P ∈)(,.解:如图3-4所示: {}⎰⎰=∈Ddxdy y x f D Y X P )(),(,⎰⎰-=xxydy dx 101461=例3.4 设),(Y X 在圆域}{4),(22≤+y x y x 上服从均匀分布,求(1)),(Y X 的概率密度;(2)}{10,10<<<<Y X P解:(1)圆的面积为π4=A ,故),(Y X 的概率密度为9⎪⎩⎪⎨⎧≤+=其他,04,41),(22y x y x f π(2)用G 表示不等式10,10<<<<y x 所确定的区域,由分布函数的性质4有}{10,10<<<<Y X P =⎰⎰=Gdxdy y x f 41),(.(注意概率密度),(y x f 在圆以外的区域都等于零)10 §3.2 边缘分布二维随机变量)(Y X ,作为一个整体,它具有分布函数)(y x F ,.而分量X 和Y 也都是随机变量,也有其各自的分布函数. 记X 和Y 的分布函数为)(x F X 和)(y F Y ,分别称它们为二维随机变量)(Y X ,关于X 和关于Y 的边缘分布函数. 边缘分布函数可以由)(Y X ,的联合分布函数)(y x F ,来确定:{}{})()(∞+=+∞<≤=≤=,,x F Y x X P x X P x F X即:)()(∞+=,x F x F X ;同理)()(y F x F Y ,+∞=. 下面分别讨论二维离散型随机变量和二维连续型随机变量的边缘分布3.2.1 二维离散型随机变量)(Y X ,的边缘分布设)(Y X ,是二维离散型随机变量,设其概率分布为{}.21 ,,,,,====j i p y Y x X P ij j i则X 的边缘分布律为:{}{}{}{}.21121,,,,,==+==++==+====∑∞=i p y Y x X P y Y x X P y Y x X P x X P j ijj i i i i X 的边缘分布函数为 ∑∑≤=+∞=x x jijX i px F x F ),()(.若将{}∑∞===1j iji px X P 记为),.21( =∙i p i ,则X 的边缘分布可写成表格形式且满足1=∑⋅ii p .同理,Y 的边缘分布律为:{}{}{}{}.21121,,,,,===+==++==+====⋅∞=∑j p p y Y x X P y Y x X P y Y x X P y Y P ji ij j i j j j写成表格形式有满足1=∑⋅jj p .Y 的边缘分布函数为∑∑≤=+∞=y y iijY j py F y F ),()(例3.5 设)(Y X ,的概率分布由下表给出,求X 和Y 的边缘分布.解:{}{}000====Y X P X P ,+{}10==Y X P ,+{}20==Y X P , 80.035.030.015.0=++=同理可求得:20.003.012.005.0}1{=++==X P20.0}0{==Y P , 42.0}1{==Y P , 38.0}2{==Y P将X 和Y 的边缘分布列入),(Y X 的联合分布表中通过该例,可以很明显地看出,边缘分布∙i p 和j p ∙分别是联合分布表中第i 行和第j列各元素之和.3.2.2 二维连续型随机变量)(Y X ,的边缘分布设)(Y X ,是二维连续型随机变量,它的概率密度函数为),(y x f ,则X 的边缘分布函数为: ⎰⎰∞-∞+∞-⎢⎣⎡⎥⎦⎤=∞+=x X dx dy y x f x F x F )()()(,, 其密度函数为:⎰∞+∞-=∞+'='=dy y x f x F x F x f XX )()()()(,,同理,Y 的边缘分布函数为⎰⎰∞-∞+∞-⎢⎣⎡⎥⎦⎤=+∞=y Y dy dx y x f y F y F )(),()(,其密度函数为⎰∞+∞-='=dx y x f y F y f Y Y )()()(,通常分别称)(x f X 和)(y f Y 为二维随机变量)(Y X ,关于X 和Y 的边缘密度函数. 例3.6 设随机变量)(Y X ,的密度函数为⎩⎨⎧≤≤≤=其它,,,010)(y x y x k y x f试求参数k 的值及X 和Y 的边缘密度.解:根据联合密度函数的性质,有⎰⎰⎰⎰∞+∞-∞+∞-===101181)(x k ydydx x k dxdy y x f , 所以: 8=kX 的边缘密度函数⎰+∞∞-=dy y x f x f X )()(,当x <0或1>x 时,),(y x f 都等于零,所以此时0)(=x f X当10≤≤x 时,且1≤≤y x 时,xy y x f 8),(=,所以⎰-==12)1(48)(xX x x xydy x f即: ⎩⎨⎧≤≤-=其它,,010)1(4)(2x x x x f X同理可得: ⎩⎨⎧≤≤=其它,,0104)(3y y y f Y例3.7 设随机变量)(Y X ,的密度函数为⎩⎨⎧≤≤≤≤=其它,,,010,104)(y x y x y x f试求X 和Y 的边缘密度.解:关于X 的边缘密度⎰+∞∞-=dy y x f x f X )()(,当x <0或1>x 时,),(y x f 都等于零,所以此时0)(=x f X当10≤≤x 时,且10≤≤y 时,xy y x f 4),(=,所以⎰==124)(x xydy x f X即: ⎩⎨⎧≤≤=其它,,0102)(x x x f X同理可得:⎩⎨⎧≤≤=其它,,0102)(y y y f Y例3.8 求二维正态随机变量)(~)(222121ρσσμμ;,,,,N Y X 的边缘密度.解:记X 和Y 的边缘密度函数分别为)(x f X 和)(y f Y由于222222112121)(2)(σμσμσμρσμ-+-⋅---y y x x=211221122))(1()(σμρσμρσμ--+---x x y所以:dy eedy y x f x f x y x X 211222121)()1(212)(221121)()(σμρσμρσμρσπσ-----∞+∞-∞+∞---∞+∞-⎰⎰⎰⋅-==,令 )(1111222σμρσμρ----=x y t则 )(x f X dt eet x ⎰∞+∞----=22)(1212121σμσπ21212)(121σμσπ--=x e (+∞<<-∞x )可见 )(~211σμ,N X ;同理可得:2222)(221)(σμσπ--=y Y ey f (+∞<<-∞y )即)(~222σμ,N Y .比较联合密度)(y x f ,和边缘密度函数)()(y f x f Y X 、,我们注意到当且仅当0=ρ时,对一切)y x ,(有)()()(y f x f y x f Y X ⋅=,. 以上对二维正态分布的讨论说明:(1)二维正态分布的边缘分布是一维正态分布,由二维联合分布可以唯一确定其每个分量的边缘分布;(2)已知X 与Y 的边缘分布,并不能唯一确定其联合分布,还必须知道参数ρ的值.譬如两个二维正态分布);,,,2/11100(N 和);,,,3/11100(N ,它们的联合分布不同,但其边缘分布都是标准正态分布. 引起这一现象的原因是二维联合分布不仅含有每个分量的概率分布,而且还含有两个变量X 与Y 之间相互关系的信息,而后者正是人们研究多维随机变量的原因. 联合分布中的参数ρ的值,反映了两个变量X 与Y 之间相关关系的密切程度.从以上几个例题可知,联合密度决定边缘密度,但反过来知道边缘密度并不能唯一确定联合密度3.2.3.二维随机变量的独立性在前面我们已经知道,随机事件的独立性在概率计算中起着很大的作用.在多维随机变量中,它们的分量的独立性在概率论和数理统计的研究中占有十分重要的地位。

经济数学——概率论与数理统计 3.1 二维随机变量及其分布

经济数学——概率论与数理统计  3.1  二维随机变量及其分布
若(X,Y)的分布律为P{X=xi,Y=yj}=pij, i,j=1,2,… 则(X,Y)的分布函数为
其中和式是对一切满足xi≤x , yj≤y求和。
例 若(X,Y)的分布律如下表,求(X,Y)的分布函数。 Y 0 1 X 0 1/2 0 y 1 解 0 1/2
1
1 x
四、 二维连续型随机变量
1.定义:设(X,Y)的联合分布函数为F(x,y),若存在一非负 函数f(x,y),使得对于任意的实分布
二维随机变量及其分布 第二节 边缘分布 第三节 随机变量的独立性 第四节 二维随机变量函数的分布
第一节 二维随机变量及其分布
一、二维随机变量的定义
1.定义: 随机试验E的样本空间Ω={e},设X1(e), X2(e)为定 义Ω上的随机变量,由它们构成的一个向量(X1,X2)叫做 二维随机变量或二维随机向量。 对于二维随机变量, 需要考虑 ①二维随机变量作为一个整体的概率分布或称联合分布; ②还要研究每个分量的概率分布或称边缘分布; ③并且还要考察各分量之间的联系,比如是否独立等。
利用极坐标计算可得
从而有 Aπ=1,即可得A=1/π。
(2)依题意需求概率
下面我们介绍两个常见的二维分布.
设G是平面上的有界区域,其面积为A.若二 维随机变量( X,Y)具有概率密度
则称(X,Y)在G上服从均匀分布.

向平面上有界区域G上任投一质点,若质点落 在 G内任一小区域 B的概率与小区域的面积成正比, 而与B的形状及位置无关. 则质点的坐标 (X,Y)在G 上服从均匀分布.
0≤F(x,y)≤1。
因为{X≤x1,Y≤y}{X≤x2,Y≤y}. (2). 对于任意固定的y, F(-∞,y)=0;
对于任意固定的x, F(x,-∞)=0;

二维随机变量及其分布

二维随机变量及其分布

第三章 二维随机变量及其分布 一、 二维随机变量及其联合分布设Ω为某实验的样本空间,X 和Y 是定义在Ω上的两个随机变量,则称有序随机变量对(X,Y )为比如,研究某地区人口的健康状况可能取身高和体重两个参数作为随机变量;打靶弹着点选取横纵坐标。

§3.1.1联合分布函数定义1:设(X ,Y )为二维随机变量,对任意实数χ,y为(X ,Y )的分布函数或称为X 与Y 几何上,F (χ,y )表示(X ,Y )落在平面直角坐标系中以(χ,y )为顶点左下方的无穷矩形内的概率(见图) y 二维随机变量(X ,Y )的分布函数F (x,y 1°F(x,y)对每个自变量是单调不减的,即若x1<x2,则有F(x1,y)≤F(x2,y); 若y1<y2,则有F(x,y1)≤F(x,y2).2°0≤F(x,y)≤1且 F(x,-∞)=F(-∞,y)=F(-∞,-∞)=0,F(+∞,+∞)=13° F(x,y)对每个自变量是右连续的,即 F (x+0,y )= F (x,y ), F (x,y+0)= F (x,y ) 4° 对任意x1≤x2, y1≤y2有 F(x2,y2)-F(x1,y2)- F(x2,y1)+F(x1,y1)≥0事实上,由图可见(见右图)F(x2,y2)-F(x1,y2)- F(x2,y1)+F(x1,y1)例1设(X ,Y )的分布函数为解:由性质4°可得X,Y)的所有可能取值为有限对或可列对,则称(X,Y设(X,Y)的所有可能取值为(xi,yj),i ,j=1,2,……P{X=xi,Y=yj }=pij,i,j=1,2,……,为(X,Y)的分布律,或称为X与Y 用表格表示:性质 1. pij≥0,一切i,j,2. 显然,(X,Y)落在区域D内的概率应为由此便得(X,Y)的分布函数与分布律之间关系为例2两封信随机地向编号为Ⅰ,Ⅱ,Ⅲ,Ⅳ的四个邮筒内投,令 X表示投入Ⅰ号邮筒内的信件数; Y 表示投入Ⅱ号邮筒内的信件数。

第三章 二维随机变量及其分布

第三章  二维随机变量及其分布

第三章 二维随机变量及其分布第一节 基本概念1、概念网络图⎪⎪⎪⎪⎪⎪⎪⎭⎪⎪⎪⎪⎪⎪⎪⎬⎫⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧⎪⎪⎪⎪⎭⎪⎪⎪⎪⎬⎫⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧=+=⎭⎬⎫⎩⎨⎧→⎪⎪⎪⎭⎪⎪⎪⎬⎫⎪⎪⎪⎩⎪⎪⎪⎨⎧⎭⎬⎫⎩⎨⎧→分布分布分布三大统计分布函数分布正态分布均匀分布常见二维分布独立性条件分布边缘分布连续型分布密度离散型分布律联合分布F t X X X Z Y X Z Y X n 221),,min(max,),(χξΛ2、重要公式和结论例3.1 二维随机向量(X ,Y )共有六个取正概率的点,它们是:(1,-1),(2,-1),(2,0),2,2),(3,1),(3,2),并且(X ,Y )取得它们的概率相同,则(X ,Y )的联合分布},1||,1|:|),{(≤-≤+=y x y x y x D求X 的边缘密度f X (x)例3.3:设随机变量X 以概率1取值0,而Y 是任意的随机变量,证明X 与Y 相互独立。

例3.4:如图3.1,f(x,y)=8xy, f X (x)=4x 3, f Y (y)=4y-4y 3,不独立。

例3.5:f(x,y)=⎩⎨⎧≤≤≤≤其他,010,20,2y x Axy例3.6:设X 和Y 是两个相互独立的随机变量,且X ~U (0,1),Y ~e (1),求Z=X+Y 的分布密度函数f z (z)。

例3.7:设随机变量X 与Y 独立,其中X 的概率分布为,6.04.021~⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡X 而Y 的概率密度为e(1),求随机变量U=1+Y X的概率密度g(u)。

大学概率论第三章----随机向量

大学概率论第三章----随机向量

大学概率论第三章----随机向量第三章 随机向量第一节 二维随机向量及其分布1、二维随机向量及其分布函数定义1:设E 是一个随机试验,它的样本空间是{}e Ω=.设X(e)与Y(e)是定义在同一样本空间Ω上的两个随机变量,则称(X(e),Y(e))为Ω上的二维随机向量或二维随机变量。

简记为(X,Y).定义2:设(X,Y)是二维随机向量,对于任意实数x,y ,称二元函数 F(x,y)=P{X ≦x ,Y ≦y}为二维随机向量(X,Y)的分布函数或联合分布函数。

(X,Y)的分布函数满足如下基本性质: (1)F(x,y)是变量x,y 的不减函数. (2)0≦F(x,y)≦1,(,)0y F y -∞=对于任意的 ,(,)0x F x -∞=对于任意的(,)0(,)1F F -∞-∞=+∞+∞=,(3)(,), (,)(0,)(,)(,0)F x y x y F x y F x y F x y F x y =+=+关于是右连续的,即, 1122121222211211(4)(,)(,),, (,)(,)(,)(,)0x y x y x x y y F x y F x y F x y F x y <<--+≥对于任意和,有2、二维离散型随机变量定义3:若二维随机向量(X,Y)的所有可能取值是有限对或无限可列多对,则称(X,Y) 为二维离散型随机向量。

设(X,Y)的一切可能值为(,) , ,1,2,i j X Y i j =L ,且(X,Y)取各对可能值的概率为,(,), ,1,2,i j i j P X Y P i j ==L(1) 非负性:,0, ,1,2,i j P i j ≥=L ;,(2)1ij i jp =∑规范性:, (,){,}i i ijx x y yX Y F x y P X x Y Y p ≤≤=≤≤=∑∑离散型随机变量的联合分布函数为定义4:{,}(,1,2,...)(,)ij P X x Y Y p i j X Y X Y ≤≤==称为二维离散型随机变量的概率分布或分布律,或随机变量和的联合分布律。

概率论与数理统计第3章第一节-二维随机变量3-1解析

概率论与数理统计第3章第一节-二维随机变量3-1解析
X, Y X e, Y e e S
看作一个整体,因为 X 与Y 之间是有联系的;
⑶ 在几何上,二维随机变量 ( X ,Y ) 可看 作平面上的随机点. 二维随机变量(X,Y)的性质不仅与X及Y有关,而且 还依赖于这两个随机变量的相互关系,因此,逐个 地研究X及Y的性质是不够的,还需将(X,Y)作为 一个整体来研究.和一维的情况类似,我们也借 助“分布函数”来研究二维随机变量
时 F x1, y F x2, y ;
对任意固定的 x R 及 y1 , y2 R , 当 y1 y2
时 F x, y1 F x, y2 ;
x1, y y
x2, y
x1 O
x2 x
X ,Y
X ,Y
3 . 0 F x, y 1, 且
对任意固定的 y R , F , y 0 ,

1
F

A
B
2
C
2
0 F x, A B arctan x C
2 2
0 F , y A B C arctan y

2
3
由 以 上 三 式 可 得A,
1,
2
B

2
C
2

n 维随机变量
设 E 是一个随机试验,S是其样本空间,
Xi Xi e e S i 1, 2, , n
我们称此函数为n维随机变量的分布函数.
二、二维离散型随机变量
1.定义:
若二维随机向量(X,Y)的可能取值只有有限个或可 列个,则称(X,Y)是离散型二维随机向量.
若二维离散型随机向量(X,Y)的所有可能取值为
(xi,yj),i,j=1,2,…
记P{X=xi,Y=yj}=pij, i, j=1,2,…

第3章第1节二维随机向量的分布

第3章第1节二维随机向量的分布

6
21
Ae(2x3 y) , x 0, y 0
f (x, y) 0,
其他
xy
(2) F ( x, y)
f ( x, y) dxdy
6
x e2 xdx
0
y e3 ydy , x 0, y 0
0
0 ,
其他
(1 e2x )(1 e3 y ) , x 0, y 0
0,
其他
22
Ae(2x3 y) , x 0, y 0
f (x, y) 0,
其他
(3) P{(X ,Y ) D} f ( x, y)dxdy
D
6 3e2xdx
e 1(62 x )
3
3 y
dy
0
0
y
2
3
(e
2
x
e6
) dx
0
1 7e6 .
2 2x 3y 6
D
O
3x
23
例5 设二维随机向量(X,Y)的联合密度函数为
P{ X 0,Y 1} P( AB) P(B) P( AB) 1 , 12
15
P{ X 1,Y 1} 1 , P{ X 1,Y 0} 1 ,
12
6
P{ X 0,Y 1} 1 , P{ X 0,Y 0} P( AB ) 12
1 P( A B) 1 P( A) P(B) P( AB) 2 , 3
故(X,Y)的联合概率分布为
XY
0
1
2
1
0
3
12
1
1
1
6
12
16
2.连续型
设 F ( x, y) 是 二 维 随 机 向 量 (X, Y ) 的 联 合 分 布 函

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}

概率论与数理统计图文课件最新版-第3章-第1节-二维随机变量

概率论与数理统计图文课件最新版-第3章-第1节-二维随机变量

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
当 x2 x1 时 F ( x2 , y) F ( x1, y)
对固定的y, X是非减的
当 y2 y1 时 F ( x, y2 ) F ( x, y1 )
对固定的x, y是非减的
性质2 F(x,y) 对每个自变量 x 或 y 是右连续的,
即:
lim
x x0
F
(
x,
y)
F(
x0
,
y)
lim
y y0
FX ( x), FY ( y) 那么它们分别各自又有什么特征呢?
概率统计
注 ▲ X ,Y 均要求定义在同一个样本空间S上. ▲ (X,Y ) 的性质不仅与 X及 Y有关,而且
还依赖于这两个随机变量的相互关系.
概率统计
▲ (X ,Y ) 的几何解释:
y
(X,Y )
0
x
或: e
S
X (e) Y (e)
给出 (X,Y )
平面上的一个随机点(随机向量)
概率统计
定义2 (二维随机变量的分布函数) 设 ( X , Y )是二维
1
dx
1 x
G
e( x y)dy
1
2e 1
0.2642
0
0
以上关于离散型或连续型随机变量的

3.1 二维随机变量及其分布

3.1  二维随机变量及其分布

可得
三、二维连续型随机变量及其概率分布
例:设二维随机变量(X, Y)具有概率密度
试求:(1)c 的值;(2)两个边缘密度。
解:(2)由 概率密度函数性质 4,即
即Y的边缘 密度函数为
三、二维连续型随机变量及其概率分布
例:设二维随机变量(X, Y)具有概率密度
试求:(1)c 的值;(2)两个边缘密度。
解:(2)由 概率密度函数性质 4,即
即X的边缘 密度函数为
三、二维连续型随机变量及其概率分布
例:设二维随机变量(X, Y)具有概率密度
试求两个边缘密度。
解:由 概率密度函数性质 4,即
三、二维连续型随机变量及其概率分布
例:设二维随机变量(X, Y)具有概率密度
试求两个边缘密度。
解:由 概率密度函数性质 4,即
三、二维连续型随机变量及其概率分布
解:依题意知,概率密度函数为
由 概率密度函数性质 4,得
三、二维连续型随机变量及其概率分布
解:依题意知,概率密度函数为
三、二维连续型随机变量及其概率分布
两个常见二维连续型概率分布
三、二维连续型随机变量及其概率分布
关于二维正态分布的说明 (1)服从二维正态分布的密度函数的典型图形见下图; (2)二维正态分布的两个边缘分布是一维正态分布。
解:(1)由二维随机变量分布函数的性质, 可得
一、二维随机变量及其分布函数
例:设二维随机变量(X, Y)的分布函数为
解:由(1)式可得
第一节 二维随机变量及其分布
二维随机变量及其分布函数
二维离散型随机变量及其概率分布 二维连续型随机变量及其概率密度
二、二维离散型随机变量及其概率分布

第一节 二维随机变量及其分布

第一节  二维随机变量及其分布
x y
xi x y j y
F (4)二维离散随机变量的分布函数为: x , y px i , y j
对单变量 x 或 y 来说都右连续的。 二维连续随机变量的分布函数 F(x , y)是连续函数。
4
几何意义 F(x, y)表示随机点(X, Y)落在以(x, y)为顶 点,且位于该点左下方的无穷矩形区域内的概率。
解 (1 ) f ( x, y ) dxdy 1
0



0
ce
( x y )
dxdy c 0 (e
y

( x y )
)
0
dy
c e dy c(e ) 0
y 0
c1
c 1
( 2)P ( X Y 1)
x y 1
f ( x, y ) dxdy
17
P ( X Y 1)

1 0
1 y
0
e
( x y ) 1
dxdy
y
x y1
e dy
1 y 0
1 y
0
e
x
dx e y (1 e y 1 )dy
0 y x
x
1 (e y e 1 )dy 1 2e
XY
1
0
1 3
2
1 3 1 3
1
2
7
例3.2 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~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3,4,j取不大于 i的正整数,且
11 P X i, Y j P Y j | X i P X i , i 4 i 1, 2,3, 4, j i.

3.1二维随机变量及其分布

3.1二维随机变量及其分布

y
•(2,2)
1 1 1 0 1 0
(0,0)


(2,0)
x
故F(x, y)不能作为某二维 r.v.的分布函数.
二维联合分布函数(二维联合分布列、二维联合密度函数也一样) 含有丰富的信息,主要有以下三方面的信息:
每个分量的分布(每个分量的所有信息),即边际分布 两个分量之间的关联程度,在第4.3节用协方差和相关系数来描述 给定一个分量时,另一个分量的分布,即条件分布
定义 设随机试验的样本空间为 S , 而 X X ( ), Y Y ( ) 是定义在 S 上的两个随机变量, 称 ( X ,Y )为定义在 S 上的二维随机变量或二维随机向量. 注: 一般地, 称 n 个随机变量的整体
X ( X 1 , X 2 ,, X n ) 为 n 维随机变量或随机向量.

pij
特别地,联合分布函数为:
F ( x, y ) P{ X x, Y y} pij
xi x , y j y
4、边缘概率分布
pi P{ X xi } pij ,
j
P ({ X xi , Y y j })
P{ X xi ,Y y j }
实例2 考查某一地 区学 前儿童的发育情况 , 则儿 童的身高 H 和体重 W 就 构成二维随机变量(H,W). 如何研究多维r.v.的统计规律性呢,仿一维 r.v.,我们先研究联合分布函数,然后研究 离散r.v.的联合分布列、连续型r.v.的联合密 度函数等。
3.1 二维随机变量及其分布
一、二维随机变量
注:以上性质是分布函数的基
本性质,也是判断一个二元函 数作为随机向量的分布函数的 基本条件。

《概率论与数理统计》第一节二维随机变量及其分布

《概率论与数理统计》第一节二维随机变量及其分布

( x,y)
Ae (2 x3 y) ,
0,
x 0, 其它.
y
ห้องสมุดไป่ตู้
0,
求:(1)常数A;(2) (X, Y)的分布函数F(x, y); (3) (X, Y)落在三角形区域D:x0, y0, 2x+3y6内的概率.
解:(1)
f ( x, y)dxdy
Ae (2 x3 y)dxdy
00
A
e2 xdx
0
e3 ydy
0
A 3
e2xdx
0
A 3
(
1 2
e
2
x
)
0
A, 6
A 6
1,
A
6.
(2) ( X ,Y )的分布函数为:
F(x, y)
x
y
f
(u,
v
)dudv
x y 6e(2u3v)dudv,
00
0,
x 0, y 0, 其它.
(1
e2 0,
x
)(1
e3
注: P{x1 X x2 , y1 Y y2 } F( x2,y2 ) F( x1,y2 ) F( x2,y1 ) F( x1,y1 ).
3. 分布函数F(x, y)的性质:
(1)非负规范: 对任意(x, y) R2 , 0 F(x, y) 1, 且
F (, ) lim F ( x, y) 1,F (, ) lim F ( x, y) 0,
XY 0 1
0 0.3 0.3
1 0.3 0.1 若把不放回改为有放回的摸球,则( X ,Y )的分布律为:
XY 0 1
0 0.36 0.24
1 0.24 0.16

二维随机变量及其概率分布

二维随机变量及其概率分布

1第三章二维随机变量及其概率分布一.二维随机变量与联合分布函数1.定义若X 和Y 是定义在样本空间S 上的两个随机变量,则由它们所组成的向量(X,Y)称为二维随机向量或二维随机变量.对任意实数x,y,二元函数F(x,y)=P{X ≤x,Y ≤y}称为(X,Y)的(X 和Y 的联合)分布函数.2.分布函数的性质(1)F(x,y)分别关于x 和y 单调不减.(2)0≤F(x,y)≤1,F(x,-∞)=0,F(-∞,y)=0,F(-∞,-∞)=0,F(∞,∞)=1.(3)F(x,y)关于每个变量都是右连续的,即F(x+0,y)=F(x,y),F(x,y+0)=F(x,y).(4)对于任意实数x 1<x 2,y 1<y 2P{x 1<X ≤x 2,y 1<Y ≤y 2}=F(x 2,y 2)-F(x 2,y 1)-F(x 1,y 2)+F(x 1,y 1)二.二维离散型随机变量及其联合分布律1.定义若随机变量(X,Y)只能取有限对或可列无限多对值(x i ,y j )(i ,j =1,2,…)称(X,Y)为二维离散型随机变量.并称P{X=x i ,Y=y j }=p i j 为(X,Y)的联合分布律.也可列表表示.2.性质(1)非负性0≤p i j ≤1.(2)归一性∑∑=i jij p 1.3.(X,Y)的(X 和Y 的联合)分布函数F(x,y)=∑∑≤≤x x yy iji j p 三.二维连续型随机变量及其联合概率密度1.定义如果存在非负的函数f (x,y),使对任意的x 和y,有F(x,y)=⎰⎰∞-∞-yxdudv v u f ),(则称(X,Y)为二维连续型随机变量,称f(x,y)为(X,Y)的(X 和Y 的联合)概率密度.22.性质(1)非负性f (x,y)≥0.(2)归一性1),(=⎰⎰∞∞-∞∞-dxdy y x f .(3)若f (x,y)在点(x,y)连续,则yx y x F y x f ∂∂∂=),(),(2(4)若G 为xoy 平面上一个区域,则⎰⎰=∈Gdxdy y x f G y x P ),(}),{(.四.边缘分布1.(X,Y)关于X 的边缘分布函数F X (x)=P{X ≤x ,Y<∞}=F (x ,∞).(X,Y)关于Y 的边缘分布函数F Y (y)=P{X<∞,Y ≤y}=F (∞,y)2.二维离散型随机变量(X,Y)关于X 的边缘分布律P{X=x i }=∑∞=1j ij p =p i ·(i =1,2,…)归一性11=∑∞=∙i i p .关于Y 的边缘分布律P{Y=y j }=∑∞=1i ij p =p ·j (j =1,2,…)归一性11=∑∞=∙j j p .3.二维连续型随机变量(X,Y)关于X 的边缘概率密度f X (x)=⎰∞∞-dy y x f ),(归一性1)(=⎰∞∞-dx x f X 关于Y 的边缘概率密度f Y (y)=xd y x f ⎰∞∞-),(归一性1)(=⎰∞∞-dy y f Y五.相互独立的随机变量1.定义若对一切实数x,y,均有F(x,y)=F X (x)F Y (y),则称X 和Y 相互独立.2.离散型随机变量X 和Y 相互独立⇔p i j =p i ··p ·j (i ,j =1,2,…)对一切x i ,y j 成立.3.连续型随机变量X 和Y 相互独立⇔f (x,y)=f X (x)f Y (y)对(X,Y)所有可能取值(x,y)都成立.六.条件分布1.二维离散型随机变量的条件分布定义设(X,Y)是二维离散型随机变量,对于固定的j,若P{Y=y j }>0,则称,}{},{jji j j i p p y Y P y Y x X P ∙=====3P{X=x i |Y=y j }为在Y=y j 条件下随机变量X 的条件分布律.同样,对于固定的i,若P{X=x i }>0,则称P{Y=y j |X=x i }为在X=x i 条件下随机变量Y 的条件分布律.,}{},{∙=====i ji i j i p p x X P y Y x X P。

8二维随机变量

8二维随机变量

概率论与数理统计北京大学第2版数学系信息与计算科学教研室GCG@第三章二维随机变量第一节二维随机变量及其分布第二节随机变量独立性第一节二维随机变量及其分布在随机现象中,试验结果有时要用几个随机变量来描述。

如在打靶时,命中点的位置是由一对r .v (两个坐标)来确定的.研究钢成分,需要同时指出它的含碳量、含硫量、含磷量等,要研究它们之间的联系,就应当同时考虑若干个随机变量(即多维随机变量)及其取值规律---多维分布。

本章着重介绍二维情况,至于多维情况可由二维类似推得。

一般地,设E是一个随机试验,它的样本空间是S,再设X和Y是定义在S上两个随机变量。

由它们构成的一个二维向量(X,Y)叫做二维随机向量或二维随机变量。

二维随机变量(X,Y)的性质不仅与X及Y有关, 而且还依赖于这两个随机变量的相互关系。

因此,逐个地研究X和Y的性质是不够的,还需将(X,Y)作为一个整体来进行研究。

若二维随机变量(X ,Y )所有可能取的值是有限对或无限可列对,则称(X ,Y )是二维离散型随机变量。

设二维离散型随机变量(X ,Y )所有可能取的值为),2,1,(),( =j i y x j i ),2,1,(,},{ ====j i p y Y x X P ij j i 记则称上述一系列等式为二维离散型随机变量(X ,Y )的概率分布律,或随机变量X 和Y 的联合概率分布律。

显然有:,0≥ij p .1=∑∑ijij p 第一节二维离散型随机变量(一)联合概率分布随机变量X 和Y 的联合概率分布律也可用表格表示j y y y 21YXj p p p x 112111jp p p x 222212ij i i i p p p x 21例1:袋中装有5只白球,2只红球,现从袋中随机抽取1球,观察颜色后放回,再从袋中随机抽取1球,如果定义下列随机变量:;第一次取得红球第一次取得白球⎩⎨⎧=01X ;第二次取得红球第二次取得白球⎩⎨⎧=01Y 试写出(X ,Y )的联合分布律。

《概率论与数理统计》三

《概率论与数理统计》三
称F(x,y)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)
y y2
y1
O
x
O x1
x2
x
P{x1 X x2, y1 Y y2} F(x2, y2 ) F(x1, y2 ) F(x2, y1) F(x1, y1)
➢ 分布函数F(x,y)的性质
设(X,Y)的所有可能取值:(xi, yj), i,j=1,2…,
P{X xi ,Y y j } ˆ pij ,( i, j 1,2,)

1 0 pij 1,

2
pij 1.
j1 i1


函 F ( x, y) pij

xi x yjy
Y X
x1 x2 xi
y1
p1 1 p21
记为
(X
,Y)
~
N (1,
2
,
2 1
,
22,
)
四、多维随机变量
(1)设E是一随机试验, 是其样本空间,X1,X2,...Xn 是定义在上的n个随机变量,则称n维向量(X1,X2,...Xn ) 为定义在 上的n维随机向量或n维随机变量.
(2)对n个任意实数,令
F(x1, x2 ,, xn ) P{X1 x1, X2 x2 ,Xn xn}
标 (X,Y)表示, 也就是 中每一元素都可用一对数来
表示, 把X, Y看成变量, X 与Y 都是随机变量, (X,Y) 共同刻化试验的结果, 这就是二维随机变量.
例2 考察某地一天的天气情况, 即同时考虑最高气温、 最低气温、气压、风力、降雨量,这就需要5个变量 来表示可能的试验结果,这就是五维随机变量.
  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)。

Y X
0 1 2 3
P{ X 3,Y 3} 1 / 8,
故 ( X ,Y ) 的概率分布如右表.
1 0 3/8 3/8 0
3 1/8 0 0 1/8
从概率分布表不难求得 ( X ,Y ) 关于 X ,Y 的边 缘分布.
P{ X 0} 1 / 8, P{ X 2} 3 / 8,
p j P{Y y j } pij , j 1,2,
i
j
注:pi和 p j 分别等于联合概率分布表的行和与列和. 对离散型随机变量而言, 联合概率分布不仅比 联合分布函数更加直观, 而且能够更加方便地
确定 ( X ,Y )取值于任何区域 D 上的概率.
设二维离散型随机变量的概率分布为
例2 把一枚均匀硬币抛掷三次, 设 X 为三次抛掷 中正面出现的次数, 而 Y 为正面出现次数与反面
出现次数之差的绝对值, 求 ( X ,Y ) 的概率分布及 关于 X ,Y 的边缘分布.
解 ( X ,Y ) 可取值 (0,3),(1,1),(2,1),(3,3)
P{ X 0,Y 3} (1 / 2)3 1 / 8, 3 P{ X 1,Y 1} 3(1 / 2) 3 / 8, P{ X 2,Y 1} 3 / 8,
点 ( X ,Y ) 落入 D 内 (3) 设 D 是 xOy 平面上的区域, 的概率为
P{( x , y ) D} f ( x , y )dxdy
D
边缘分布函数 特别地,
FX ( x ) P{ X x} P{ X x,Y }

x


f ( s, t )dsdt f ( s, t )dt ds, x
P
i i2

yj P1 j P2 j Pij
P
i ij
P X xi
PjLeabharlann jx1 x2 xi
P Y yi
1j
P P
j
2j
ij
( X ,Y ) 关于 X 和 Y 的边缘概率分布.
pi P { X x i } pij , i 1,2,
y
( x, y)
P{ X x ,Y y }
0
x
称为二维随机变量 ( X ,Y ) 的分 布函数或称为随机变量 X 与 Y 的联合分布函数.
若将二维随机变量 ( X ,Y ) 视为平面上随机点的坐 标, 则分布函数
F ( x , y ) P{ X x ,Y y }
就是随机点 ( X ,Y ) 落入区域
c 24 / 5. O
1
x
(2) f X ( x ) 0
x
24 y( 2 x )dy 12 x 2 ( 2 x ), 5 5 0 x 1
2 y 24 24 3 fY ( y ) y( 2 x )dx y 2 y , y 5 5 2 2 0 y 1 12 x 2 ( 2 x ), 0 x 1 f X ( x) 5 即: 0, 其它 24 3 y2 y 2 y , 0 y 1 fY ( y ) 5 2 . 2 0, 其它 1
p
.
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
例3 设二维随机变量 ( X ,Y ) 具有概率密度
2e ( 2 x y ) , x 0, y 0 f ( x, y) , 其它 0, (1) 求分布函数 F ( x , y ); (2) 求概率 P{Y X }.
解 (1) F ( x , y )


y
x
定义 设二维离散型随机变量 ( X ,Y )所有可 能的取值为 ( xi , y j ) i , j 1,2,, 称
P{ X xi ,Y y j } pij ( i , j 1,2,) 为二维离散型随机变量 ( X ,Y ) 的概率分布 (分布律), 或离散型随机变量 X ,Y 的联合
G
0

2e ( 2 x y )dxdy
y 2 x
dy


y
2e
( 2 x y )
dx e [e


]
y
dy
e


3 y
1 dy . 3
例4 设 ( X ,Y ) 的概率密度是
cy ( 2 x ), 0 x 1, 0 y x f ( x, y) , 0, 其它
(3) F ( x , y )关于 x 和 y 均为右连续, 即
F ( x , y ) F ( x 0, y ), F ( x , y ) F ( x , y 0).
三、 二维离散型随机向量及其概率分布
若二维随机变量 ( X ,Y ) 只取有限个可数个
值, 则称 ( X ,Y ) 为二维离散型随机变量.
Y
四、二维连续型随机变量及其概率密度 F ( x , y ) 为其分布函 定义 设 ( X ,Y ) 为二维随机变量, 若存在一个非负可积的二元函数 f ( x , y ), 使得对 数, 任意实数 ( x , y ), 有
F ( x, y)
x


y
f ( s, t )dsdt ,
联合分布函数的性质:
y
随机变量 ( X ,Y ) 的联合分布
函数
( x, y)
0
x
F ( x , y ) P{ X x ,Y y}.
(1) 0 F ( x , y ) 1, 且 对任意固定的 y, F ( , y ) 0, 对任意固定的 x , F ( x , ) 0,
f ( x , y )dxdy
y x ( 2 x y ) 2e dxdy , x 0, y 0 0 0 , 0, 其它 (1 e 2 x )(1 e y ), x 0, y 0 即有 F ( x , y ) . 0, 其它
F ( ,) 0,
F ( , ) 1;
注: 以上四个等式可从几何上进行说明.
(2) F ( x , y ) 关于 x 和 y 均为单调非减函数, 即 对任意固定的 y, 当 x2 x1 ,
F ( x2 , y ) F ( x1 , y ), 对任意固定的 x , 当 y2 y1 , F ( x, y2 ) F ( x, y1 );
{( t , s ) | t x , s y }
由概率的加法法则,随机点 ( X ,Y ) 落入矩形域
{ x1 x x2 , y1 y y2 }
的概率
y
y2 y1
( x 2 , y2 )
P{ x1 x x2 , y1 y y2 } F ( x2 , y2 ) F ( x2 , y1 ) F ( x1 , y2 ) F ( x1 , y1 ).
(4) 若 f ( x , y ) 在点 ( x , y ) 连续,则有
2 F ( x, y) f ( x , y ). xy
进一步,根据偏导数的定义, 可推得:当 x , y 很
小时,有
P{ x X x x , y Y y y} f ( x , y )xy, ( X ,Y ) 落在小区间 ( x , x x ] ( y, y y] 上的 即, 概率 近似等于 f ( x , y )xy .
(2) 将 ( X ,Y ) 看作是平面上随机点的坐标, 即有
{Y X } {( X ,Y ) G }, 其中 G 为 xOy 平面上直线 y x 及其下方的部分, 如图.
于是
y
O G
y
x
P{Y X } P{( x , y ) G f ( x , y )dxdy
求 (1) c 的值; 解 (1) 由 (2) 两个边缘密度.


2

f ( x , y )dxdy 1 确定 c.
y y x

1 0
cy( 2 x )dy dx 0
x
c [ x ( 2 x ) / 2]dx
0
1
5c / 24 1
P{ X xi ,Y y j } pij ( i , j 1,2,)

P{( X ,Y ) D}
( xi , y j )D
p
ij
.
特别的, 由联合概率分布可以确定联合分布函 数:
F ( x , y ) P{ X x ,Y y }

ij xi x , y j y
P{ X 1} 3 / 8, P{ X 3} 1 / 8,
P{Y 1} 3 / 8 3 / 8 6 / 8, P{Y 3} 1 / 8 1 / 8 2 / 8,
从而得右表
X
P{Y
0 1 2 3
1 3 P { X xi } 0 1/8 1/8 3/8 0 3/8 3/8 0 3/8 0 1/8 1/8 yi } 6/8 2/8 1
概率分布(分布律). pij 满足下列性质:
(1)
(2)
pij 0, i , j 1,2,;
p
i j
ij
1.
与一维情形类似, 有时也将联合概率分布用表格形 式来表示, 并称为联合概率分布表:
相关文档
最新文档