二维随机变量边缘分布条件分布

合集下载

二维随机变量的分布函数、边缘分布、条件分布

二维随机变量的分布函数、边缘分布、条件分布

一般,对离散型 r.v ( X,Y ),
X和Y 的联合概率函数为
P(X xi ,Y y j)pij, i, j 1,2,
则(X,Y)关于X的边缘概率函数为
P(X xi ) pi• pij, i 1,2,
j
(X,Y)关于Y 的边缘概率函数为
P (Y y j ) p• j pij , j 1, 2,L
P(X xi ,Y yj) pij,
i, j =1,2, …
pij 0, i, j 1,2,
pij 1
ij
一维随机变量X 离散型
X的概率函数
P(Xxk) pk,
k=1,2, …
pk 0, k=1,2, …
pk1
k
为了直观,一般用表格表示联合分布律
Y X
y1
y2
L
x1 p11 p12 L
例2 设 r.v.( X ,Y ) 的联合 d.f. 为
kx2 y, x2 y 1
f (x, y)
0,
其它
其中k 为常数. 求
(1)常数 k ; (2) P ( X > Y )
解 (1)
f (x, y)dxdy 1
f (x, y)dxdy 1
1
K
1
D
x2 ydxdy
1 x2
联合密度的性质
1 f (x, y) 0
2 f (x, y)dydx 1
3 对每个变量连续, 在 f (x的, y连) 续点处
2F f (x, y) xy
4 若G 是平面上的区域,则
P( X ,Y ) G f (x, y)dxdy
G
对于二维连续型随机变量有
P( X = a ,Y = b ) = 0 P( X = a ,- < Y < + ) = 0 P(- < X < + , Y= a ) = 0

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■2009考试内容多维随机变量及其分布 二维离散型随机变量的概率分布、边缘分布和条件分布 二维连续型随机变量的概率密度、边缘概率密度和条件密度 随机变量的独立性和不相关性 常用二维随机变量的分布两个及两个以上随机变量简单函数的分布■2009考试要求1.理解多维随机变量的概念,理解多维随机变量的分布的概念和性质,理解二维离散型随机变量的概率分布、边缘分布和条件分布,理解二维离散型随机变量的概率密度、边缘密度和条件密度,会求与二维随机变量相关事件的概率。

2.理解随机变量的独立性及不相关性的概念,掌握随机变量相互独立的条件。

3.掌握二维均匀分布,了解二维正态分布N (221212,;,;)μμσσρ的概率密度,理解其中参数的概率意义。

4. 会求两个随机变量简单函数的分布,会求多个相互独立随机变量简单函数的分布。

本章的核心内容是离散3分布(联合、边缘和条件);连续3密度(联合、边缘和条件);均匀与正态。

介绍了作者原创的3个秘技(直角分割法、平移法和旋转法) 求分布问题。

本章是教育部关于概率论大题命题的重点。

一、二维随机变量(向量)的分布函数1.1 二维随机变量(向量)的分布函数的一般定义(), X Y 是二维随机变量,对任意实数x 和y ,称为(), X Y 的分布函数,又称联合分布函数。

●(), F x y 具有一维随机变量分布类似的性质。

① ()0, 1F x y ≤≤;② (), F x y 对x 和y 都是单调非减的,如()()1212, , x x F x y F x y >⇒≥; ③ (), F x y 对x 和y 都是右连续;④ ()()()()(), lim , 1, , , , 0,x x F F x y F F x F y →+∞→+∞+∞+∞==-∞-∞=-∞=-∞=●(), F x y 几何意义:表示(), F x y 在(), x y 的函数值就是随机点(), X Y 在X x =左侧和Y y =下方的无穷矩形内的概率。

3.2(二维随机变量的边缘分布)

3.2(二维随机变量的边缘分布)

作业:解答题 2 4 5 6
3.2.3
二维连续型随机变量的边缘概率密度
设二维连续型随机变量(X,Y)的分布函数为 F(x,y),概率密度为f(x,y). 因为 FX ( x ) F ( x,) ( f ( x, y)dy)dx
由分布函数定义知, X 是一个连续型随机变量, 且其概率密度为 f X ( x ) f ( x, y )dy

设 随 机 变 量X 和 Y 具 有 联 合 概 率 密 度 【补充例】 6, x 2 y x , f ( x, y) 0, 其 他. 求关于 X的 边 缘 概 率 密 度 fX ( x) 和 边 缘 分 布 函 数 FX ( x ).
解:
f X ( x)


f ( x , y)
1 2 1 2
1 ( x 1 ) 2 ( x 1 )( y 2 ) ( y 2 ) 2 exp{ [ 2 ]} 2 2 2 2 2(1 ) 1 1 2 2 1

( y 2 ) 2
2 2
2
3.2.2
二维离散型随机变量的边缘分布律
于是(X,Y)的分布律和边缘分布律如下:
Y X 0 1 P{Y = yj}
0
9/25 6/25 3/5
1
6/25 4/25 2/5
P{X = xi}
3/5 2/5 1
3.2.2
二维离散型随机变量的边缘分布律
(2) (X,Y)所有可能取值仍然为:(0,0)、(0,1)、 (1,0)、(1,1)则
☺课堂练习
一 整 数N 等 可 能 地 在 1, 2, 3, ,10 十 个 值 中 取 一个值 . 设 D D( N ) 是 能 整 除N 的 正 整 数 的 个 数 , F F(N )是 能 整 除 N的素数的个数 .试 写 出D 和 F 的联合分布律 , 并求边缘分布律 . 解 样本点 1 2 3 4 5 6 7 8 9 10

《概率学》3.2_3.3二维随机变量的边缘分布及独立性

《概率学》3.2_3.3二维随机变量的边缘分布及独立性
i, j=1, 2, ...,
连续型
f (x, y)
第三章 多维随机变量及其分布
(X,Y)边缘分布
FX(x) = F(x,+∞) F Y(y) = F(+∞, y)
pi .=P{X= xi}= pij i=1, 2, ..., j 1
p.j=P{Y= yj}= pij j=1, 2, ..., i 1
连续型 f (x, y)
第三章 多维随机变量及其分布
(X,Y)边缘分布
FX(x)=(

F Y(y) =(

pi .=P{X= xi}(=

p.j=P{Y= yj}=(

f X ( x) (

fY ( y) (

作答
1
8
山东农业大学公共数学系概率统计课程组 版权所有
第2节 二维随机变量的边缘分布
第三章 多维随机变量及其分布
f X (x)
f (x, y)dy
fY ( y)
f (x, y)dx
1
7
山东农业大学公共数学系概率统计课程组 版权所有
主第观2节题二维随2机分变量的填边缘空分布 填空
( X, Y )联合分布 一般 F(x,y)= P{X ≤ x,Y≤y}
离散型 P{X=xi ,Y=y j}= pi j
i, j=1, 2, ...,
1
2
fX (x)
f (x, y)dy
1
exp{ 1 (u2 2u v2)}dv
21 1 2
2(1 2)
1
u2
e2
1
exp{ (v u)2 }dv
2 1
2 1 2
2(1 2)

边缘分布与条件分布

边缘分布与条件分布

1
三、二维连续型随机变量(X,Y)的边缘概率密度
二维连续型随机变量(X,Y)的边缘概率密度即X,Y f 各自的概率密度,分别记为: X ( x), fY ( y), 下面讨论二维
连续型随机变量 ( X , Y )的概率密度 f ( x, y)与f X ( x)及
fY ( y)之间的关系:
由于
FX ( x) F ( x, )
记住:
fY ( y) FY ( y) fY ( y )



f ( x, y) d x.
f X (x) f (x, y)d y,


f (x, y)d x.
例3
设随机变量 X 和 Y 具有联合概率密度
6, x 2 y x , f ( x, y) 0, 其他. 求边缘概率密度 f X ( x ), fY ( y ) .
f X ( x)
因而得

O

x
f ( x, y) d y 0d y 0.
6( x x 2 ), 0 x 1, f X ( x) 其他. 0,
下求:fY ( y)


f ( x, y) d x
y y x
(1,1)
当 0 y 1 时, fY ( y ) f ( x , y ) d x
二、二维离散型随机变量(X,Y)的边缘分布律
一般地,对二维离散型随机变量 ( X,Y ), X和Y 的联合分布律为:
P( X xi , Y y j ) pij, i, j 1,2,

(X,Y) 关于X 的边缘分布律(即X的分布律)为:
P X xi P X xi ,Y y j pij pi .

二维随机变量及其分布

二维随机变量及其分布
5
一、二维随机变量的联合分布函数与边缘分布函数
1、联合分布函数: F(x,y)
(1)定义:设(X,Y)为二维随机变量,对任意实数 x、y, 称
F (x, y) P {X x , Y y} P {(X x) (Y y )}
为二维随机变量(X,Y)的联合分布函数。
6
(2)联合分布函数的几何意义 (X,Y)平面上随机点的 坐标
三、二维连续型随机变量
23
1、联合概率密度函数:f(x,y)
定义:设二维随机变量(X,Y)的分布函数为 F
(x,y),若存在非负函数f(x,y),使对任意实数
x,y 有
xy
F(x, y)
f (u,v)dudv
则称(X,Y)是二维连续型随机变量,f(x,y)称为(X, Y)的联合概率密度函数。
f (x, y)
0, 其他
求:(1)k; (2)P(Y X );
(3)分布函数F (x, y);
(4)P(0 X 1, o Y X )
26
解:(1)1
f (x, y)dxdy
y
dx
ke2x3ydy
0
0
0
x
k e2xdx e3ydy k
0
0
6
e2xdx 1 e2xd (2x)
X与Y独立.
43
例2:设二维随机变量(X,Y)的概率密度为
f
(
x,
y)
2,
0
x 0,
y, 0 其他
y
1
问X与Y是否独立。
解:f X (x)
f (x, y)dy
3
二维随机变量的定义:
设E是一个随机试验,其样本空间为S .设X、Y是定义在S 上的两个随机变量,由 X,Y 构成的向量(X,Y)称为S的 一个二维随机变量。

2.4 概率论——二维随机变量的独立性

2.4 概率论——二维随机变量的独立性

y
FY ( y) F(, y) [ f ( x, v)dx]dv,
故X,Y 的 边缘密度函数为:
fX ( x) FX ( x)
f ( x, y)dy,
fY ( y) FY ( y)
f ( x, y)dx,
例2:设(X,Y)服从下列区域上的二维均匀分布,
试求X,Y的边缘概率密度。
y
(1)D ( x, y) | 0 x 2,0 y 1 1
2.4 二维随机变量的独立性
一、二维随机变量的边缘分布
随机向量( X ,Y )中, X ,Y的分布分别称为关于X、Y的 边缘分布。X, Y的分布函数 FX ( x), FY ( y) 称为边缘分布函数。
巳知 (X, Y) 的联合分布函数为 F(x, y), 则易知:
FX x PX x PX x,Y F x, FY y PY y PX ,Y y F , y
次击中目标所进行的射击次数,以 Y 表示总共进行 的射击次数 . 试求 X 和 Y 的联合分布及条件分布.
解 依题意,{Y=n} 表示在第n次射击时击中目 标 , 且在前n-1次射击中有一次击中目标. {X=m} 表 首次击中目标时射击了m次 .
1 2 ……m…………. n-1 n
n次射击 击中
击中
j
P{[( X xi ) (Y y j )]}
j
P{X xi ,Y y j }
j
pij pi• (i 1,2, ) j
同理,Y的边缘分布
P{Y y j } pij p• j i
( j 1,2, )
XY
x1 x2 xi
p• j
y1 y2 y j pi•
p11 p12 p1 j p1•
暂时固定

边缘分布和条件分布

边缘分布和条件分布
FX ( x) P{ X ≤x} P{ X ≤x, Y ≤ } F ( x, )

FX ( x) F ( x, ) FY ( y ) F (, y )
2
2.边缘分布率
二维离散型随机变量(X,Y)中,X与Y各自 的分布率就称为边缘分布率.
设联合分布率为
P{ X xi , Y y j } pij , i, j 1, 2,
解: ( X , Y )的概率密度
1/ , x y ≤1 f ( x, y ) 其它 0,
2 2
y
1 y2
1
y
1 y2
O
1
fY ( y )

x

f ( x, y )dx
2 1 y 2 1 dx 1 y 2 , 1≤y≤1 1 y 2 0, 其它
16
1 于是, 当- y 1时有
f ( x, y ) f X |Y ( x | y ) fY ( y ) 1/ 1 , 1 y2 x 1 y2 (2 / ) 1 y 2 2 1 y 2 0, 其它
当 | y | 1时,X 在Y=y的条件下的条件密度不存在。
7
例: 设(X , Y ) ~ N ( 1 , 2 , 1 , 2 , ), 求X , Y的边缘密度.
2 2
解:
f X ( x)


1 f ( x, y)dy e 2 1
( x 1 )2
2 21
所以 同理
X ~ N ( 1 , 12 )
2 Y ~ N ( 2 , 2 )
FY | X ( y | x) A P{Y≤y | X x} A fY | X ( y | x)dy

二维正态分布的边缘分布 推导

二维正态分布的边缘分布 推导

二维正态分布的边缘分布推导二维正态分布是指满足以下条件的随机变量 $(X,Y)$ 分布:1. $X$ 和 $Y$ 在每个给定的 $z=x+iy$ 上都服从均值为 $\mu_z$,方差为 $\sigma_z^2$ 的单变量正态分布;2. $X$ 和 $Y$ 之间的协方差为$\operatorname{Cov}(X,Y)=\rho\sigma_X\sigma_Y$,其中$\sigma_X,\sigma_Y$ 分别表示 $X$ 和 $Y$ 的方差,$\rho$ 表示相关系数。

推导二维正态分布的边缘分布需要用到换元积分法和常态分布的一些性质。

假设$(X,Y)\sim\mathcal{N}(\boldsymbol{\mu},\boldsymbol{\Sigma})$,其中 $\boldsymbol{\mu}=(\mu_X,\mu_Y)$ 是均值向量,$\boldsymbol{\Sigma}$ 是协方差矩阵。

记$\boldsymbol{\Sigma}$ 的行列式为 $|\boldsymbol{\Sigma}|$,逆矩阵为 $\boldsymbol{\Sigma}^{-1}$。

同时,假设 $X$ 和 $Y$ 均为连续型变量。

首先,我们可以假设 $Y$ 的取值是固定的,即 $Y=y$。

此时,$(X,y)$ 的联合密度函数为:$$f_{X,Y}(x,y)=\frac{1}{2\pi\sqrt{|\boldsymbol{\Sigma}|}}\exp\left[-\frac{1}{2}(\boldsymbol{x}-\boldsymbol{\mu})^T\boldsymbol{\Sigma}^{-1}(\boldsymbol{x}-\boldsymbol{\mu})\right]$$其中,$\boldsymbol{x}=(x,y)$。

为了推导 $X$ 的边缘分布,我们需要先计算 $f_X(x)$:$$f_X(x)=\int_{-\infty}^\infty f_{X,Y}(x,y)\text{d}y$$将上述联合密度函数代入到上式中,有:$$f_X(x)=\frac{1}{2\pi\sqrt{|\boldsymbol{\Sigma}|}}\int_{-\infty}^\infty \exp\left[-\frac{1}{2}(\begin{matrix} x \\ y\end{matrix} -\begin{matrix}\mu_X \\ \mu_Y\end{matrix})^T\boldsymbol{\Sigma}^{-1}(\begin{matrix} x \\ y \end{matrix} -\begin{matrix}\mu_X \\ \mu_Y\end{matrix})\right]\text{d}y$$为了方便计算,我们可以对上式中的指数部分进行如下换元:$$\begin{matrix} x' \\ y \end{matrix} =\begin{matrix} x \\ y\end{matrix} -\begin{matrix}\mu_X \\ \mu_Y \end{matrix} $$则有:$$\begin{aligned}f_X(x)&=\frac{1}{2\pi\sqrt{|\boldsymbol{\Sigma}|}}\int_{-\infty}^\infty \exp\left[-\frac{1}{2}(\begin{matrix} x' \\ y\end{matrix})^T\boldsymbol{\Sigma}^{-1}(\begin{matrix} x' \\ y \end{matrix})\right]\text{d}y \\&=\frac{1}{2\pi\sqrt{|\boldsymbol{\Sigma}|}}\exp\left[-\frac{1}{2}(\begin{matrix} x' \\ 0\end{matrix})^T\begin{pmatrix}\boldsymbol{\Sigma}_{11} &\boldsymbol{\Sigma}_{12} \\ \boldsymbol{\Sigma}_{21} &\boldsymbol{\Sigma}_{22} \end{pmatrix}^{-1}(\begin{matrix} x' \\ 0 \end{matrix})\right]\int_{-\infty}^\infty \exp\left[-\frac{1}{2}(\begin{matrix} 0 \\ y\end{matrix})^T\begin{pmatrix}\boldsymbol{\Sigma}_{11} &\boldsymbol{\Sigma}_{12} \\ \boldsymbol{\Sigma}_{21} &\boldsymbol{\Sigma}_{22} \end{pmatrix}^{-1}(\begin{matrix} 0 \\ y \end{matrix})\right]\text{d}y\\&=\frac{1}{\sqrt{2\pi\sigma_X^2}}\exp\left[-\frac{(x-\mu_X)^2}{2\sigma_X^2}\right]\end{aligned}$$其中,$\boldsymbol{\Sigma}_{11}$、$\boldsymbol{\Sigma}_{12}$、$\boldsymbol{\Sigma}_{21}$、$\boldsymbol{\Sigma}_{22}$ 分别表示 $\boldsymbol{\Sigma}$ 的子矩阵。

概率论第三章二维随机变量

概率论第三章二维随机变量

取下列数组中的值:(0,0),( :(0,0),(例2 二维离散型随机向量 ( X ,Y ) 取下列数组中的值:(0,0),(-1,1) 1,2),(2,0);且相应的概率依次为 且相应的概率依次为:1/6, (-1,2),(2,0);且相应的概率依次为:1/6, 1/3, 1/12, 5/12. 的联合概率分布 分布. 求X与Y的联合概率分布.
X Y y1
y2

yj

Hale Waihona Puke x1 p11 x 2 p21 ⋮ ⋮ xi pi1 ⋮ ⋮ 联合分布律 联合分布律的性质 (1) p ij ≥
p12 ⋯ p1 j p22 ⋯ p2 j ⋮ ⋮ pi 2 ⋯ pij ⋮ ⋮ 0 ; (2) ∑ ∑
⋯ ⋯ ⋯
p ij = 1
i ≥1 j ≥1
边缘分布 分布律 2. 边缘分布律 二维离散型随机变量的边缘分布律可列于联合分布 二维离散型随机变量的边缘分布律可列于联合分布 可列 的两侧: 表的两侧 Y y y ⋯ y ⋯
型随机变量(X,X, 的分布律,或随机变量X 型随机变量(X,X,)的分布律,或随机变量X与Y的联合 (X,X 分布律 分布律.可记为
, ( X ,Y) ~ pij = P( X = xi ,Y = y j ) (i, j =1,2,⋯ )
二维离散型随机变量的联合分布律可列表如下: 二维离散型随机变量的联合分布律可列表如下 可列表如下
p12 1/ 4 p22 1/ 2 p32 1/ 4 1/ 2 1/ 2 1
3. 求联合分布的步骤与方法 求联合分布的步骤与方法 分布 先画出二向表的表头,并确定X 的取值; (1) 先画出二向表的表头,并确定X与Y的取值; 求联合分布表的中的概率项. (2) 求联合分布表的中的概率项.

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.

3.2.边缘分布_条件分布

3.2.边缘分布_条件分布

2、连续型r.v.边缘分布
设(X, Y)~f (x, y),(x, y)R2,F(x, y)为分布 函数,则
FX ( x) F ( x, )


x



f ( x, y)dydx
f X ( x) f ( x, y)dy

为(X, Y )关于X 的边缘密度函数;
同理,称
例8 (X,Y)~ N(1, 12, 2, 22, ),求 fY | X ( y | x)
1 1 f X ( x) exp{ ( x 1 ) 2 } 解、由Ex3知, 2 12 2 1
f ( x, y ) fY | X ( y | x ) f X ( x)
1 2 2
二、条件分布
1. 离散型随机变量的条件分布律 例6.已知(X,Y)的分布律为 X \Y -1 0 pi.
-2 0 1/10 3/10 2/5 3/10 3/10 3/5 p.j 2/5 3/5 求X|Y = -1的条件分布律。
P{ X xi , Y 1} P{ X xi | Y 1} P{Y 1}
2 exp{ [ y2 2 ( x 1 )]2 } 2 2 2 2 1 1
1
2 Y | X N ( 2 ( x 1 ), 2 2 (1 2 )) 1
三、随机变量的相互独立性
定义 如果对任意实数x, y, F(x, y)=FX(x)FY(y)
其分量X及Y的分布函数为二维随机变量(X, Y) 关于X及关于Y的边缘分布函数, 分别记作 FX(x), FY(y), 边缘分布函数可以由(X ,Y)的分 布函数F(x, y)来确定.
定义
FX ( x) P{ X x} F ( x, ) lim F ( x, y )

概率统计及随机过程:3.2 二维随机变量的边缘分布和条件分布

概率统计及随机过程:3.2 二维随机变量的边缘分布和条件分布

11
pij X 0 1 2 3
p•j
Y
111 1
8
0
27 9 9 27 27
1
1 21 0
4
9 99
9
2
11 00
2
99
9
3
100 0
1
27
27
Pi•
84 2 27 9 9
1 1
27
12
例4 把3 个红球和3 个白球等可能地放入编号为 1,2,3 的三个盒子中, 每盒容纳的球数无 限, 记 X 为落入1号盒的白球数, Y 为落入 1 号盒的红球数. 求( X ,Y )的联合分布律和 边缘分布律.
二维随机变量的边缘 分布和条件分布
1
二维随机变量的联合分布函数
定义 设( X , Y ) 为二维随机变量,对于任何 一对实数( x , y ), 事件
(X x) (Y y) (记为 X x,Y y) 的概率 PX x,Y y 定义了一个
二元实函数 F ( x , y ),称为二维随机变量 ( X ,Y ) 的分布函数,即
推广到 n 维随机变量及其联合分布函数与边缘
分布函数
6
二维离散型随机变量的边缘分布 定义 若二维随机变量(X ,Y )的所有可能的
取值为有限多个或无穷可列多个, 则 称(X ,Y ) 为二维离散型随机变量.
要描述二维离散型随机变量的概率特性及其与 每个随机变量之间的关系常用其联合概率分布 和边缘概率分布
44 24 1 4 4 9 9 9 9 27 9 9 42 22 1 2 2 9 9 9 9 27 9 9 4 1 2 1 1 1 1 9 27 9 27 27 27 27
4
2
11

二维离散型随机变量的条件分布列

二维离散型随机变量的条件分布列



x (1 y ) dy, x 0, e x , x 0, 0 xe f ( x, y)dy x 0, x 0, 0, 0,
fY ( y)


x (1 y ) dx, 0 xe f ( x, y)dx 0,
pij pi
,
j 1,2,...
为X= xi 的条件下随机变量Y 的条件分布列
性质: (1) P{X xi | Y y j } 0 ,
1 (2) P{ X xi | Y y j } p j i 1 i 1 p j
例 3-16 已知 ( X , Y ) 的分布列为
为在X=x 条件下Y 的条件概率密度
例3-17 已知(X, Y )的概率密度为
xe x (1 y ) , x 0, y 0 f ( x, y ) 其它 0, 求: f X |Y ( x | y),fY | X ( y | x)及P{Y 1| X 3}
解 由于
f X ( x)
§3.3
3.3.1
条件分布
离散型随机变量的条件分布列
定义1 设随机变量 X 与 Y 的联合分布列为
(X, Y )~ P{X=xi, Y= yj,}= pij ,(i, j=1, 2, … ),
X 和Y 的边缘分布列分别为
P{X xi } pi pij
j 1
i 1,2,...
j 1,2,...
f X ( x)
x x x 0 e dy, x 0 xe , x 0 f ( x, y)dy 其他 其他 0, 0,
当 x 0 时, Y 的条件概率密度为

二维随机变量的条件分布

二维随机变量的条件分布
❖ 条件分布是指在固定另一个变量取值的条件 下,另一个r.v.的分布.
作业: 75页 1, 4
率——条件概率
1. d.r.v.的条件分布列
设 的分布律为 考虑在 已发生的条件下 发生的条件概率
由条件概率公式,有
同理在 已发生的条件下 发生的条件概率
1. d.r.v.的条件分布列
定义: 对于固定的 若
则称
为在 的条件下 的 对于固定的 若
条件分布列. 则称
为在 的条件下 的 条件分布列.
例1 设 从 四个数中等可能取值,又设 从 中等可能取值.问当第二次取到数字 时第一次取四 个数字的可能性各是多少?
条件分布是指二维r.v.中一个分量取某个定值的
条件下,另一个变量的概率分布.
回顾 条件概率公式
P(A |
B)
P( AB) P(B)
(P(B) 0)
设 ( X ,为Y )二维 r.v , y R1 考虑条件概率
P{X x | Y y} (x R1)
能否由这可条视件为在概{Y率=y}定发生义的计条件算下{X≤x}的概
求条件概率密度 fX |Y (x | y) 解: (X ,Y ) 的密度及 Y 的边缘密度分别为
f
(x,
y)
1/,
0,
x2 y2
其它
1
y 1 y
fY
( y)
f
(x,
y)dx
1
O
x 1
故当 1 y时有1
1 y 2
1 y 2
1
dx,
|
y |1
G
1
f X |Y
(x
|
y)
f (x, y)0,
f2Y2(源自y1)y1 0, 1 y2

《概率学》3.4二维随机变量的条件分布

《概率学》3.4二维随机变量的条件分布

第4节 多维随机变量的条件分布
第三章 多维随机变量及其分布
例2 已知(X,Y )服从圆域 x2 + y2 r2 上的均匀分布,求
fY X ( y x).
当 – r < x < r 时,
fY X ( y
x)
f (x, y) fX (x)
2
1 ,
r2 x2
0,
r2 x2 y 其他
r2 x2
f
(x,
y)
1 / 0,
x,
0 x 1,0 y x;
其他.
1 5
山东农业大学公共数学系概率统计课程组 版权所有
第4节 多维随机变量的条件分布
第三章 多维随机变量及其分布
练习对于随机向量(X,Y)已知
fY
X (y
x)
2y
1
x
2
,
0,
x y 1
4x(1 x2 ),
fX (x)
其他
0,
求Y在X=0和X在Y=1条件下的条件概率分布.
X
Y
1
2
3 P(X=xi)
0
0.1
0.2
0.3 0.6
1
0.1
0.2
0.1 0.4
解 再计算 (X, Y)关于Y的边缘概率分布
由公式
P{Y xi
X
yj}
pi j p j
i 1, 2,
得在Y=1条件下X的条件概率分布为:
X|Y=1 0
1
pi| j
1
2
求P{X+Y≥1},
P{Y<0.5},
P Y
2 3
X
1 2
0 x 1 其他

联合分布、边缘分布及条件分布之间的关系

联合分布、边缘分布及条件分布之间的关系

联合分布、边缘分布及条件分布之间的关系在概率论与数理统计中,联合分布、边缘分布及条件分布是重要的概念,它们描述了多个随机变量之间的关系。

联合分布指的是多个随机变量同时取某些值的概率分布;边缘分布是指某个或某些随机变量的概率分布;条件分布则是在给定某个或某些随机变量取某些值的条件下,其余随机变量的概率分布。

联合分布可以通过联合概率密度函数或联合概率质量函数来描述。

在二维情况下,联合概率密度函数可以用于连续型随机变量,联合概率质量函数则用于离散型随机变量。

联合分布可以通过计算随机变量同时满足某些条件的概率来获得。

边缘分布是指从联合分布中抽取某个或某些随机变量的概率分布。

通过对联合概率密度函数或联合概率质量函数进行边缘化,可以得到边缘分布。

边缘分布描述了某个或某些随机变量的单独行为,而忽略了其他随机变量的影响。

条件分布是指在给定某个或某些随机变量取某些值的条件下,其他随机变量的概率分布。

条件分布可以通过联合分布和边缘分布之间的关系求得。

假设有两个随机变量X和Y,它们的联合分布为P(X,Y),边缘分布分别为P(X)和P(Y)。

那么在给定X=x的条件下,随机变量Y的条件分布为P(Y|X=x)。

条件分布可以用于进行概率推断和预测。

联合分布、边缘分布及条件分布之间存在着紧密的关系。

给定一个联合分布,可以通过边缘化得到边缘分布。

而给定一个联合分布和某些随机变量的取值,可以通过条件概率的定义得到条件分布。

边缘分布和条件分布是联合分布的一种特殊情况。

在实际问题中,联合分布、边缘分布及条件分布的概念经常被使用。

例如,在统计建模中,我们常常需要研究多个变量之间的关系,通过分析它们的联合分布可以得到它们之间的相互作用。

而在机器学习领域,条件概率和条件分布被广泛应用于分类、回归等任务中。

联合分布、边缘分布及条件分布是概率论与数理统计中重要的概念,它们描述了多个随机变量之间的关系。

联合分布描述了多个随机变量同时取某些值的概率分布,边缘分布描述了某个或某些随机变量的概率分布,条件分布描述了在给定某个或某些随机变量取某些值的条件下,其他随机变量的概率分布。

  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)。

求 (1) c 的值; (2) 两个边缘密度 .

(2)
fX x
f x, ydy
当 x 1或 x 0时 , y ,, y
y x
都有 f x, y 0,故 fX x 0 .
当 0 x 1时,
fX
x
0
f
x,
y dy
0x 1 x
x
0
f
x,
y dy
x
f
x,
y dy
.
当 0 x 1时,
x
dx
f x, ydy
fX x FX x
f x, ydy
( X,Y )关于Y 的边缘概率密度为
fY ( y )
f ( x, y )dx
y
例2 设(X,Y)的概率密度是
cy( 2 x ), 0 x 1,0 y x
f ( x,y )
0,
其它
求 (1) c的值; (2)两个边缘密度。 y
x,
ydx
1
f
x,
ydx
.
1 24 y(2 x)dx
y5
24
y( 3
PX ,Y G f x, ydxdy ;
G
4 . 在 f (x,y)的连续点 , f ( x, y) 2F ( x, y) xy
例2 设(X,Y)的概率密度是
f
x,
y
2e(2 x y) ,
0,
x 0, y 0, 其它.
(1) 求分布函数 F x, y;
(2) 求概率 PY X .
f (x, y)
0,
其它
求 (1) c的值; (2) 两个边缘密度 .
暂时固定
解 (2)
fY y
f x, ydx
y
当 y 1或 y 0时 ,对 x ,,
y x
都有 f x, y 0,故 fY y 0 .
1
当0 y 1时,
fY y
y f x, ydx
y x
0
1
y
f
一维随机变量X
连续型
F x x
f tdt
x
X的概率密度函数
f x x R
f (x) 0
f (x)dx 1
(X,Y)的概率密度的性质
1 . f x, y 0 ;
2 .
f x, y dxdy 1; f x, y dxdy 1 ;
R2
3 . 设 G 是 xOy 平面上的区域 , 则有
i, j 1, 2, ,记
P(X xi ,Y yj) pij,
i, j 1, 2,
一维随机变量X 离散型
X 的分布律
P(X xk) pk,
k=1,2, …
pk 0, k=1,2, …
pk1
k
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.
二维离散型随机变量 X ,Y 的分布律具有性质
一、二维随机变量的分布函数
定义1 设 X ,Y 是二维
随机变量, 如果对于任意实数
x, y, 二元 函数
一维随机变量 X的分布函数
F x, y
P X x Y y
P X x ,Y y
F(x) P(X x) x
称为二维随机变量 X ,Y 的分布函数, 或者称为随机
变量 X 和 Y 的联合分布函数.
内的概率为 P x1 X x2 , y1 Y y2 F x2 , y2 F x2 , y1 F x1, y2 F x1, y1
y
y2
X ,Y
x1
O
x2
x
y1
分布函数 Fx, y的性质 :
1 . Fx, y 是关于变量 x 和 y 的不减函数 ;
y
对任意固定的 y R
解 ( X, Y ) 可取值 (0,3) , (1,1) , (2,1) , (3,3)
P{X=0, Y=3} 1 23 1 8
P{X=1,
Y=1}
3 1
1 2
1 2
2=3/8
P{X=2,
Y=1}
3 2
1 2
2
1 2
=3/8
P{X=3,
Y=0}
1
2
3
1
8.
XY 1 3 0 0 18 1 38 0 2 38 0 3 0 18
二、离散型随机变量的边缘分布律
一般地,对离散型 r.v ( X,Y ), X和Y 的联合分布律为
P(X xi ,Y y j) pij, i, j 1,2,
则 (X,Y) 关于X 的边缘分布律为
P X xi P X xi ,Y y j pij Pi•
j1
j1
i 1,2,
3
13
0 18 38 0 38 0 0 18
P{X=0}=P{X=0, Y=1}+P{X=0, Y=3}=1/8,
P{X=1}=P{X=1, Y=1}+P{X=1, Y=3}=3/8,
P{X=2}= P{X=2, Y=1}+P{X=2, Y=3}=3/8,
P{X=3}=P{X=3, Y=1}+P{X=3, Y=3}=1/8.
y x 2e(2uv) dudv 2 y evdv x e2udu
00
0
0
1 e2x 1 e y
当 x 0或 y 0 时,
F x, y y x
f u,v dudv
0

F
x,
y
1 e2x
1 ey ,
x 0, y 0,
0,
其它.
(2) PY X
pij 0, i, j 1,2,
pij 1
ij
也可用表格来表示随机变量X和Y 的联合分布律.
YX
x1
x2
xi
y1
p11
p21
pi1
y2
p12
p22
pi 2
yj
p1 j
p2 j
pij
例1 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) 的分布律 .
fX
x
0
f
x,
y dy
x
0
f
x,
y dy
x
f
x,
y dy
.
x 24 y(2 x)dy
05
12 x2 (2 x), 综上 , 5
fX x 152 x22 x,0 x 1,
0 , , 其它 .
y
y x
0
1x
注意取值范围
例 2 设(X,Y)的概率密度是
cy(2 x), 0 x 1,0 y x
分布函数的函数值的几何解释
将二维随机变量 X ,Y 看成是平面上随机点的 坐标, 那么,分布函数 F x, y在点 x, y 处的函数值 就是随机点 X ,Y 落在下面左图所示的,以点 x, y
为顶点而位于该点左下方的无穷矩形域内的概率.
y
yx, yBiblioteka Y X ,Y O Xx
x
o Xx
x
随机点 X ,Y 落在矩形域 [ x1 x x2 , y1 y y2 ]
解 (1) F x, y y x f u,v dudv
积分区域 D u,v u x, v y
f u,v 0 区域 u,v u 0,v 0
v
v
y x, y
Ox
u
x, y y
xO
u
v
x
O
u
x, y y
v
Oxu
y
x, y
当 x 0, y 0 时,
F x, y y x f u,v dudv
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.
在打靶时,命中点的位置是由一 对r .v (两个坐标)(X,Y)来确定的.
飞机的重心在空中的位置是由三个 r .v (三个坐标)(X,Y,Z)来确定的等 等.
3 . F x, y F x 0, y , F x, y F x, y 0 .
二、二维离散型随机变量
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 X ,Y 是离散型随机变量.
设二维离散型随机变量
X ,Y 可能取的值是 xi , y j ,
及 x1 , x2 R , 当 x1 x2
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
x1 O
X ,Y
y
X ,Y
x2, y
x2 x
2 . 0 Fx, y 1 , 且 对任意固定的 y R , F , y 0 , 对任意固定的 x R , F x, 0 , F , 0 , F , 1 .
第三章 多维随机变量及其分布
第一节 第二节 第三节 第四节 第五节
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
第一节 二维随机变量
二维随机变量的分布函数 二维离散型随机变量 二维连续型随机变量 小结
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
解 (1) 1 f x, ydxdy
y x
R2
1
x
dx cy(2 x)dy 00
相关文档
最新文档