概率论与数理统计第3章-随机变量的联合概率分布

合集下载

概率论与数理统计第三章

P ( X Y 1) 1 2dxdy . 2 D
x y 1
y=x G D O 1 x+y=1 x

f ( x, y )dxdy
(2)
P(Y X )
2
dx
0
1
x
2
x
2dy 1 / 3 .
y 1 0
y = x2
y=x G
1 x
(3) P(| X | 0.3) P(0.3 X 0.3)
pij P( X xi ) P(Y y j X xi ) .
例3.1.1 设随机变量X在1,2,3三个整数中等可能取值，另一个随机变量Y在1~X中等可能地取一整数值，求(X,Y)的概率分布。
解：由假设，随机变量X的可能取值为1,2,3. 而Y≤X，故Y 的可能取值范围也为1,2,3. 首先，当 j>i 时，{X=i,Y=j} 为不可能事件，故 P(X=i,Y=j)=0，j>i. 当 j≤i 时，根据概率的乘法公式，有 P(X=i,Y=j)=P(X=i)•P(Y=j | X=i) =1/i • 1/3，i=1,2,3. 由此得(X, Y)的概率分布如下：
3.2 边缘分布
二维随机变量的联合分布是把(X，Y)看作一个整体的分布。其中分量X和Y都是一维随机变量，也有各自的分布，分别称X和Y的分布为二维随机变量(X，Y)关于 X和Y的边缘分布。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。

概率论与数理统计(多维随机变量及其联合分布)

Y X
0
1
2
0
0.16
0.32
0.16
1
0.08
0.16
0.08
2
0.01
0.02
0.01
【补充例】袋中有2只黑球、2只白球、3只红球，在其中任取2只球.以X表示取到黑球的只数，以Y表示取到白球的只数.(1)求(X,Y)的分布律. (2)求概率
解: (1)X所有可能取的不同值为0,1,2;Y所有可能取的不同值为0,1,2. (X,Y)的分布律为
谢谢大家
3.1.2 二维随机变量及联合分布函数
3.1.2 二维随机变量及联合分布函数
容易证明分布函数F(x，y)具有以下的性质: (1) 单调性：F(x，y)分别对x或y是单调不减的，即当时，有当时，有． (2) 有界性：对任意的x和y，有，且
分布律也可写成以下表格的形式.
3.1.3 二维离散型随机变量及联合分布律
(2)
X Y
0
1
2
0
1/7
2/7
1/21
1
2/7
4/21
0
2
1/21
0
0
3.1.3 二维离散型随机变量及联合分布律
3.1.4 二维连续型随机变量及联合概率密度定义3.4 如果存在二元非负函数f (x，y)，使得二维随机变量(X，Y)的分布函数F(x，y)可表示为则称(X,Y)为二维连续型随机变量,称f(x,y)为(X,Y)的概率密度，或X与Y的联合概率密度．显然，在F(x，y)偏导数存在的点上有

3.1.2 二维随机变量及联合分布函数
(3) 右连续性：对每个变量是右连续的，即对任意的x0，有；对任意的y0，有． (4) 非负性：对任意的a < b，c < d有事实上，具有上述四条性质的二元函数F(x，y)一定是某个二维随机变量的分布函数．注意，一个二元函数F(x，y)满足前三条性质时不一定满足性质(4) ．(见例3.2)

概率论与数理统计 3.1 随机变量的联合概率分布

2
lim A(B arctan x)(C arctan y) A(B arctan x)(C ) 0
y
2
由此可解得：C
=

2
,
B

2
,
A

1
2
11
描述是不够的。例如要研究儿童生长发育
的情况。仅考虑身高或体重是不合理的，
而是应该将两者作为一个整体，研究他们
整体统计规律。若设X=身高、Y=体重
儿童的生长发育
（X,Y）.第三章
主要是把一维随机变量的情况推广到二维
随机变量。在推广的过程中要对比、比较
相同及不同的情况。
3
一、定义3.1:
一般, 设E是一个随机试验, 它的样本空间是Ω Ω={ω } , 设 X=X (ω) 和 Y=Y (ω)是定义在Ω上的随机变量, 由它们构成的一个向量(X , Y) , 称为二维随机向量或二维随机变量 . 注二维随机变量(X , Y)的性质不仅与X 与 Y 有关, 而且还依赖于这两个随机变量的相互关系, 因此需将(X , Y)作为一个整体进行研究 .
解：由分布函数F(x,y)的性质可得：

lim A(B arctan x)(C arctan y) A(B )(C ) 1,
x
22
y
lim A(B arctan x)(C arctan y) A(B )(C,) = lim F(x, y) = 0 , y
F(,) = lim F(x, y) = 0 , x, y
F(,) = lim F(x, y) = 1 . x, y 6
(2)单调性 F(x, y) 分别对 x或 y 是单调不减 , 即当 x1 < x2 , 任意 y R有 F( x1, y) F(x2, y) ; 当 y1 < y2 , 任意 x R有 F( x, y1 ) F(x, y2 ) .

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
第
页
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
第
页
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
第
例3 设随机变量Y~N(0，1),令
0, X 1 1,
| Y | 1
0,
|Y
|

概率论与数理统计第3章

试求常数a和b。
π F xlim F x a b 2 0 解： F lim F x a b π 1 x 2
1 1 a , b 2 π
P ( 2 4) P ( 2) P ( 2 4) 0.3 0.6 0.5 0.4
P ( 3) 1 P ( 3) 1 0.5 0.5
6
例3：设r.v. 的分布函数
F x a b arctan x
b a
因此求概率可从分布函数与密度函数两条途径入手。
5、密度的图像称分布曲线，相应有两个特征： ⑴ 曲线在x轴上方；
概率面积
y
f(x)分布曲线
⑵ 曲线于x轴之间的面积是1。
x c o d
10
例4：设的密度在[a,b]以外为0，在[a,b]内为
一常数，
， a x b f ( x) 0，其它
x2 2
16
⑶ f(x)符合密度函数的两性质： ① f(x) > 0；②

f x d x 1。
x2 2
以标准正态分布为例， e
e d t e
t2 2 2 x2 2
d x 称为高斯积分。
dy
r2 2 0
从F(x)求f(x)： f x F x 从f(x)求F(x)： F x f t d t
x
9
4、对于连续型随机变量，
⑴ P a 0 ，即某指定点的概率为0； ⑵ Pa b Pa b
Pa b Pa b f x d x

《概率论与数理统计》课件3-1二维随机变量及其联合分布

P{a X b} = F(b) − F(a) + P{X = a}
二维随机变量联合分布函数
F(x,y) = P{X x,Y y}
(1) 有界性 0 F(x,y) 1，且有F(− ,y) = lim F(x,y) = 0
x→−
F(x，− ) = lim F(x,y) = 0 F(− ，− ) = lim F(x,y) = 0 ，
1
F(
) 1 F( y) 0 F(x ) 0
F ( , ) A(B )(C ) 1
2
2
F ( , y) A(B )(C arctan y) 0 2
F ( x,
) A( B arctan x) ( C
)0
2
A
F (x, y) y).
1
2
,
B
1
2 (2
C.
2
arctan x)( 2
arctan
(2) P 0 X , 0 Y 1 F( ,1) F(0,1) F( , 0) F(0, 0) ．
则〈
l
0，
它
P 恳1 < X 共 2,3 < Y 共 5}
x > 0, y > 0 其
= F(2,5) − F(1,5) − F(1,3) + F(2,3)
A) V
B) 根
A
B
提交
1 F(x, y) A(B arctan x)(C arctan y).
1
A, B,C 2 P 0 X , 0 Y 1
A.
B.
C.
D.
A
C
B
D
提交
1. F(x, y) P{X x,Y y}.
2.

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03-第三章作业及答案

习题3-1而且12{0}1P X X ==. 求1和2的联合分布律.解由12{0}1P X X ==知12{0}0P X X ≠=. 因此X 1和X 2的联合分布于是根据边缘概率密度和联合概率分布的关系有X 1和X 2的联合分布律(2) 注意到12{0,0}0P X X ===, 而121{0}{0}04P X P X =⋅==≠, 所以X 1和X 2不独立.2. 设随机变量(X ,Y )的概率密度为(,)(6),02,24,0,.f x y k x y x y =--<<<<⎧⎨⎩其它求: (1) 常数k ; (2) {1,3}P X Y <<; (3) { 1.5}P X <; (4) {4}P X Y +≤.解 (1) 由(,)d d 1f x y x y +∞+∞-∞-∞=⎰⎰, 得2424222204211d (6)d (6)d (10)82y k x y x k y x x y k y y k =--=--=-=⎡⎤⎢⎥⎣⎦⎰⎰⎰, 所以 18k =. (2) 31201,31{1,3}d (6)d 8(,)d d x y P X Y y x y x f x y x y <<<<==--⎰⎰⎰⎰1322011(6)d 82y x x y =--⎡⎤⎢⎥⎣⎦⎰321113()d 828y y =-=⎰. (3) 1.51.5{ 1.5}d (,)d ()d X P X x f x y y f x x +∞-∞-∞-∞<==⎰⎰⎰4 1.521d (6)d 8y x y x --=⎰⎰1.5422011(6)d 82y x x y =--⎡⎤⎢⎥⎣⎦⎰ 421633()d 882y y =-⎰ 2732=. (4) 作直线4x y +=, 并记此直线下方区域与(,)0f x y ≠的矩形区域(0,2)(0,4)⨯的交集为G . 即:02,0G x y <<<≤4x -.见图3-8. 因此{P X Y +≤4}{(,)}P X Y G =∈(,)d d Gf x y x y =⎰⎰44201d (6)d 8x y x y x -=--⎰⎰4422011(6)d 82xy x x y -=--⎡⎤⎢⎥⎣⎦⎰ 42211[(6)(4)(4)]d 82y y y y =----⎰ 42211[2(4)(4)]d 82y y y =-+-⎰ 423211(4)(4)86y y =----⎡⎤⎢⎥⎣⎦23=. 图3-8 第4题积分区域3. 二维随机变量(,)X Y 的概率密度为2(,),1,01,0,f x y kxy x y x =⎧⎨⎩≤≤≤≤其它.试确定k , 并求2{(,)},:,01P X Y G G x y x x ∈≤≤≤≤. 解由2111401(,)d d d (1)d 26xk k f x y xdy x kxy y x x x +∞+∞-∞-∞====-⎰⎰⎰⎰⎰,解得6=k .因而 2112401{(,)}d 6d 3()d 4x xP X Y G x xy y x x x x ∈==-=⎰⎰⎰. 4. 设二维随机变量(X , Y )概率密度为4.8(2),01,0,(,)0,.y x x y x f x y -=⎧⎨⎩≤≤≤≤其它求关于X 和Y 边缘概率密度.解 (,)X Y 的概率密度(,)f x y 在区域:0G ≤x ≤1,0≤y ≤x 外取零值.因而, 有24.8(2)d ,01,()(,)d 0,2.4(2),01,0,x X y x y x f x f x y y x x x +∞-∞-<<==-<<=⎧⎪⎨⎪⎩⎧⎨⎩⎰⎰其它.其它. 124.8(2)d ,01,()(,)d 0,2.4(34),01,0,yY y x x y f y f x y x y y y y +∞-∞-<<==-+<<=⎧⎪⎨⎪⎩⎧⎨⎩⎰⎰其它.其它.5. 假设随机变量U 在区间[-2, 2]上服从均匀分布, 随机变量 1,1,1,1,U X U --=>-⎧⎨⎩若≤若 1,1,1, 1.U Y U -=>⎧⎨⎩若≤若试求：(1) X 和Y 的联合概率分布；(2){P X Y +≤1}.解 (1) 见本章第三节三(4).(2){P X Y +≤1}1{1}P X Y =-+>1{1,1}P X Y =-==13144=-=. 习题3-21. 设(X , Y )的分布律为求: (1) 在条件X =2下Y 的条件分布律;(2) {22}P X Y ≥≤.解 (1) 由于6.02.01.003.0}2{=+++==X P ,所以在条件X =2下Y 的条件分布律为216.03.0}2{}1,2{}2|1{========X P Y X P X Y P ,06.00}2{}2,2{}2|2{========X P Y X P X Y P ,616.01.0}2{}3,2{}2|3{========X P Y X P X Y P ,316.02.0}2{}4,2{}2|4{========X P Y X P X Y P ,{P Y ≤2}{1}{2}P Y P Y ==+==0.10.3000.20.6++++=. 而{2,2}{2,1}{2,2}{3,1}{3,2}P X Y P X Y P X Y P X Y P X Y ===+==+==+==≥≤0.3000.20.5=+++=.因此{2,2}{22}{2}P X Y P X Y P Y =≥≤≤≥≤0.550.66==. 2. 设二维随机变量(X , Y )的概率密度为(,)1,01,02,0,.f x y x y x =<<<<⎧⎨⎩其它求：(1) (X , Y )的边缘概率密度(),()X Y f x f y ；(2)11{}.22P Y X ≤≤ 解 (1) 当01x <<时,20()(,)d d 2xX f x f x y y y x +∞-∞===⎰⎰;当x ≤0时或x ≥1时, ()0X f x =.故 2,01,()0,其它.X x x f x <<=⎧⎨⎩当0<y <2时,12()(,)d d 12y Y y f y f x y x x +∞-∞===-⎰⎰;当y ≤0时或y ≥2时, ()0Y f y =.故 1,02,()20,.Y yy f y -<<=⎧⎪⎨⎪⎩其它 (2) 当z ≤0时,()0Z F z =; 当z ≥2时,1)(=z F Z ;当0<z <2时, (){2Z F z P X Y =-≤2}(,)d d x y zz f x y x y -=⎰⎰≤2x12202-2d 1d d 1d zxz x zx y x y =⋅+⋅⎰⎰⎰⎰24z z =-.故 1,02,()20,.()其它Z zzz f z F z -<<'==⎧⎪⎨⎪⎩ (3) {}{}11311322161122442≤，≤≤≤≤P X Y P Y X P X ===⎧⎫⎨⎬⎩⎭. 3. 设G 是由直线y =x , y =3,x =1所围成的三角形区域, 二维随机变量(,)X Y 在G 上服从二维均匀分布.求:(1) (X , Y )的联合概率密度；(2) {1}P Y X -≤；(3) 关于X 的边缘概率密度.解 (1)由于三角形区域G 的面积等于2, 所以(,)X Y 的概率密度为⎪⎩⎪⎨⎧∉∈=.),(,0,),(,21),(G y x G y x y x f (2)记区域x y y x D -=|),{(≤}1与G 的交集为0G ,则{1}P Y X -≤0011113d d (2)22224G G x y S ===-=⎰⎰. 其中0G S 为G 0的面积.(3) X 的边缘概率密度()(,)d X f x f x y y +∞-∞=⎰. 所以,当]3,1[∈x 时, 311()d (3)22X xf x y x ==-⎰. 当1<x 或3>x 时, 0)(=x f X .因此 ⎪⎩⎪⎨⎧∈-=.,0],3,1[),1(21)(其它x x x f X习题3-31. 设X 与Y 相互独立, 且分布律分别为下表:求二维随机变量(,)X Y 的分布律.解由于X 与Y 相互独立, 所以有}{}{},{j i j i y Y P x X P y Y x X P =⋅====,6,5,2,0;0,21,1=--=j i .因此可得二维随机变量(,)X Y 的联合分布律2. 设(X , Y )的分布律如下表:问,αβ为何值时X 与Y 相互独立? 解由于边缘分布满足23111,1i j i j p p ⋅⋅====∑∑, 又X , Y 相互独立的等价条件为p ij = p i . p .j (i =1,2; j =1,2,3).故可得方程组 21,3111().939αβα++==⋅+⎧⎪⎪⎨⎪⎪⎩解得29α=,19β=.经检验, 当29α=,19β=时, 对于所有的i =1,2; j =1,2,3均有p ij = p i .p .j 成立. 因此当29α=,19β=时, X 与Y 相互独立..3. 设随机变量X 与Y 的概率密度为()e (,)0,.,01,0,x y b f x y x y -+=⎧<<>⎨⎩其它 (1) 试确定常数b .(2) 求边缘概率密度()X f x , ()Y f y . (3) 问X 与Y 是否相互独立？解 (1) 由11()101(,)d d e d d e d e d (1e )x y y x f x y x y b y x b y x b +∞+∞+∞+∞-+----∞-∞====-⎰⎰⎰⎰⎰⎰,得 111e b -=-.(2) ()(,)d X f x f x y y ∞-∞=⎰1e ,01,1e 0,xx --<<=-⎧⎪⎨⎪⎩其它.()(,)d Y f y f x y x ∞-∞=⎰e ,0,0,y y ->=⎧⎨⎩其它.(3) 由于(,)()()X Y f x y f x f y =⋅，所以X 与Y 相互独立.4. 设X 和Y 是两个相互独立的随机变量, X 在(0, 1)上服从均匀分布, Y 的概率密度为21e ,0,()20Y yy f y y ->=⎧⎪⎨⎪⎩，≤0.(1) 求X 和Y 的联合概率密度.(2) 设关于a 的二次方程为220a Xa Y ++=, 试求a 有实根的概率.解 (1) 由题设知X 和Y 的概率密度分别为1,01,()0,X x f x <<=⎧⎨⎩其它， 21e ,0,()20,.yY y f y ->=⎧⎪⎨⎪⎩其它因X 和Y 相互独立, 故(X , Y )的联合概率密度为21e ,01,(,)()()20,.yX Y x y f x y f x f y -<<>==⎧⎪⎨⎪⎩其它 (2) 方程有实根的充要条件是判别式大于等于零. 即244X Y ∆=-≥20X ⇔≥Y .因此事件{方程有实根}2{X =≥}Y .下面计算2{P X ≥}Y (参见图3-3).2{P X ≥}Y 2211221(,)d d e d (1e)d 2yxx Df x y xdy x y x --===-⎰⎰⎰⎰⎰2121ed 12[(1)(0)]0.1445xx πΦΦ-=-=--≈⎰.图3-3 第6题积分区域习题3-41. 设二维随机变量(X ,Y )的概率分布为YX 0 10 0.4 a 1 b 0.1若随机事件{X =0}与{X +Y =1}相互独立, 求常数a , b .解首先, 由题设知0.40.11a b +++=. 由此得0.5a b +=. 此外,{0}0.4P X a ==+,{1}{0,1}{1,0}0.5P X Y P X Y P X Y a b +====+===+=, {0,1}{0,1}P X X Y P X Y a =+=====. 根据题意有{0,1}{0}{1}P X X Y P X P X Y =+===+=,即(0.4)0.5a a =+⨯. 解得0.4,0.1a b ==.2. 设两个相互独立的随机变量X ,Y 的分布律分别为求随机变量Z = X + Y 的分布律.解随机变量Z = X + Y 的可能取值为7,5,3.Z 的分布律为18.06.0.03}2,1{}3{=⨯=====Y X P Z P , {5}{1,4}{3,2}0.30.4070.60.54P Z P X Y P X Y ====+===⨯+⨯=,28.04.07.0}4,3{}7{=⨯=====Y X P Z P ,或写为3. 设X 和Y 是两个相互独立的随机变量, 且X 服从正态分布N (μ, σ2), Y 服从均匀分布U (-a , a )( a >0), 试求随机变量和Z =X +Y 的概率密度.解已知X 和Y 的概率密度分别为22()2()x X f x μσ--=,),(+∞-∞∈x ;⎪⎩⎪⎨⎧-∉-∈=).,(,0),,(,21)(a a y a a y ay f Y .由于X 和Y 相互独立, 所以22()21()()()d d 2z y a Z X Y f z f z y f y y y a μσ---+∞-∞-=-=⎰⎰=1[()()]2z μa z μa ΦΦa σσ-+---. 4. 设随机变量X 和Y 的联合分布是正方形G={(x,y )|1≤x ≤3, 1≤y ≤3}上的均匀分布, 试求随机变量U=|X -Y|的概率密度f (u ).解由题设知, X 和Y 的联合概率密度为111,3,3,(,)40,.x y f x y =⎧⎪⎨⎪⎩≤≤≤≤其它记()F u 为U 的分布函数, 参见图3-7, 则有当u ≤0时,(){||F u P X Y =-≤u }=0; 当u ≥2时,()1F u =;当0< u <2时, 图3-7 第8题积分区域||(){}(,)d d x y uF u P U u f x y x y -==⎰⎰≤≤21[42(2)]412u =-⨯- 211(2)4u =--.故随机变量||U X Y =-的概率密度为1(2),02,()20,u u p u -<<=⎧⎪⎨⎪⎩其它..总习题三1. 设随机变量(X , Y )的概率密度为⎪⎩⎪⎨⎧<<<=.,0,10,||,1),(其它x x y y x f 求条件概率密度)|()|(||y x f x y f Y X X Y 和.解首先2,01,()0,.(,)其它X x x f x f x y dy +∞-∞<<==⎧⎨⎩⎰1,01,()1,10,0,(,)≤其它.Y y y f y y y f x y dx +∞-∞-<<==+-<⎧⎪⎨⎪⎩⎰图3-9第1题积分区域当01y <<时, |1,1,1(|)0,X Y y x y f x y x <<-=⎧⎪⎨⎪⎩取其它值.当1y -<≤0时, |1,1,1(|)0,X Y y x y f x y x -<<+=⎧⎪⎨⎪⎩取其它值.当10<<x 时, |1,||,(|)20,Y X y x f y x x y <=⎧⎪⎨⎪⎩取其它值.2. 设随机变量X 与Y 相互独立, 下表列出二维随机变量(,)X Y 的分布律及关于X 和关于Y 的边缘分布律中部分数值, 试将其余数值填入表中空白处 .解首先, 由于11121{}{,}{,}P Y y P X x Y y P X x Y y ====+==, 所以有11121111{,}{}{,}6824P X x Y y P Y y P X x Y y ====-===-=.在此基础上利用X 和Y 的独立性, 有11111{,}124{}1{}46P X x Y y P X x P Y y =======.于是 2113{}1{}144P X x P X x ==-==-=.再次, 利用X 和Y 的独立性, 有12211{,}18{}1{}24P X x Y y P Y y P X x =======. 于是 312111{}1{}{}1623P Y y P Y y P Y y ==-=-==--=.最后, 利用X 和Y 的独立性, 有2222313{,}{}{}428P X x Y y P X x P Y y ======⨯=;2323311{,}{}{}434P X x Y y P X x P Y y ======⨯=;1313111{,}{}{}4312P X x Y y P X x P Y y ======⨯=.因此得到下表3.(34)e (,)0,.,0,0,x y k f x y x y -+=⎧>>⎨⎩其它(1) 求常数k ；(2) 求(X ,Y )的分布函数；(3) 计算{01,02}P X Y <<≤≤; (4) 计算(),x f x ()y f y ；(5) 问随机变量X 与Y 是否相互独立?解 (1)由3401(,)d d e d e d 12xy kf x y x y k x y +∞+∞+∞+∞---∞-∞===⎰⎰⎰⎰,可得12=k .(2) (X ,Y )的分布函数(,)(,)d d x y F x y f u v x y -∞-∞=⎰⎰.当x ≤0或y ≤0时,有 0),(=y x F ;当,0>>y x 时,34340(,)12e d e d (1e )(1e )xyu v x y F x y u v ----==--⎰⎰.即 34(1e )(1e ),0,0,(,)0,.其它x y x y F x y --⎧-->>=⎨⎩(3) {01,02}P X Y <<≤≤38(1,2)(0,0)(1e )(1e )F F --=-=--.(4) (34)012ed ,0,()(,)d 0,其它.x y X y x f x f x y y +∞-++∞-∞⎧>⎪==⎨⎪⎩⎰⎰所以 33e ,0,()0,其它.x X x f x -⎧>=⎨⎩类似地, 有44e ,0,()0,其它.y Y y f y -⎧>=⎨⎩ 显然2),(),()(),(R y x y f x f y x f Y X ∈∀⋅=, 故X 与Y 相互独立. 4.解已知),(Y X 的分布律为注意到41260}1{}1{=++====Y P X P , 而0}1,1{===Y X P ,可见P{X=1, Y=1}≠P{X=1}P{Y=1}. 因此X与Y不相互独立.(2) Z X Y =+的可能取值为3, 4, 5, 6, 且316161}1,2{}2,1{}3{=+===+====Y X P Y X P Z P , }1,3{}2,2{}3,1{}4{==+==+====Y X P Y X P Y X P Z P 3112161121=++=, 316161}2,3{}3,2{}5{=+===+====Y X P Y X P Z P . 即Z X Y =+(3) V =21}2,2{}1,2{}2,1{}2{===+==+====Y X P Y X P Y X P V P , 21}2{1}3{==-==V P V P . 即max(,)V X Y =的分布律为(4) min{U =}3,1{}2,1{}1{==+====Y X P Y X P U P}1,2{}1,3{==+==+Y X P Y X P 21=, 21}1{1}2{==-==U P U P .即min{,}U X Y =的分布律为(5) W U =+31}1,2{}2,1{}2,1{}3{===+=======Y X P Y X P V U P W P ,}2,2{}3,1{}4{==+====V U P V U P W P31}2,2{}1,3{}3,1{===+==+===y X P Y X P Y X P , 31}2,3{}3,2{}3,2{}5{===+=======Y X P Y X P V U P W P .5. 2,01,01,(,)0,x y x y f x y --<<<<⎧=⎨⎩其它. (1) 求P {X >2Y }; (2) 求Z = X +Y 的概率密度f Z (z ).解 (1) 1120227{2}(,)d d d (2)d 24yx yP X Y f x y x y y x y x >>==--=⎰⎰⎰⎰. (2) 方法一: 先求Z 的分布函数:()()(,)d d Z x y zF z P X Y Z f x y x y +=+=⎰⎰≤≤.当z <0时, F Z (z )<0; 当0≤z <1时, 1()(,)d d d (2)d zz yZ D F z f x y x y y x y x -==--⎰⎰⎰⎰= z 2-13z 3; 当1≤z <2时, 2111()1(,)d d 1d (2)d Z z z yD F z f x y x y y x y x --=-=---⎰⎰⎰⎰= 1-13(2-z )3; 当z ≥2时, F Z (z ) = 1. 故Z = X +Y 的概率密度为222,01,()()(2),12,0,Z Z z z z f z F z z z ⎧-<<⎪'==-<⎨⎪⎩≤其它.方法二: 利用公式()(,)d :Z f z f x z x x +∞-∞=-⎰2(),01,01,(,)0,x z x x z x f x z x ---<<<-<⎧-=⎨⎩其它 2,01,1,0,.z x x z x -<<<<+⎧=⎨⎩其它当z ≤0或z ≥2时, f Z (z ) = 0;当0<z <1时, 0()(2)d (2);zZ f z z x z z =-=-⎰当1≤z <2时, 121()(2)d (2).Z z f z z x z -=-=-⎰故Z = X +Y 的概率密度为222,01,()(2),12,0,.Z z z z f z z z ⎧-<<⎪=-<⎨⎪⎩≤其它.6. 设随机变量(X , Y )得密度为21,01,02,(,)30,.其它x xy x y x y ϕ⎧+⎪=⎨⎪⎩≤≤≤≤试求: (1) (X , Y )的分布函数; (2) (X , Y )的两个边缘分布密度; (3) (X , Y )的两个条件密度; (4) 概率P {X +Y >1}, P {Y >X }及P {Y <12|X <12}.解 (1) 当x ≤0或y ≤0时, φ(x , y ) = 0, 所以 F (x , y ) = 0.当0<x ≤1, 0<y ≤2时, φ(x , y ) = x 2+13xy ,所以 201(,)(,)d d [()d ]d 3x yx yF x y u v u v u uv v u -∞-∞==+⎰⎰⎰⎰ϕ32211312x y x y =+. 当0<x ≤1, y >2时,2(,)(,)d d [(,)d ]d [(,)d ]d xyx y x F x y u v u v u v v u u v v u -∞-∞===⎰⎰⎰⎰⎰⎰ϕϕϕ22001[()d ]d 3xu uv v u =+⎰⎰21(21)3x x =+.当x >1, 0<y ≤2时,10(,)(,)d d [(,)d ]d xyyF x y u v u v u v v u -∞-∞==⎰⎰⎰⎰ϕϕ12001[()d ]d 3y u uv v u =+⎰⎰1(4)12y y =+. 当x >1, y >2时,122001(,)[()d ]d 13F x y u uv v u =+=⎰⎰.综上所述, 分布函数为220,00,1(),01,02,341(,)(21),01,2,31(4),1,02,121,1, 2.或≤≤≤≤≤≤x y y x y x x y F x y x x x y y y x y x y ⎧⎪⎪+<<⎪⎪⎪=+<>⎨⎪⎪+><⎪⎪>>⎪⎩(2) 当0≤x ≤1时,22202()(,)d ()d 2,33X xy x x y y x y x x ϕϕ+∞-∞==+=+⎰⎰ 故 222,01,()30,.其它≤≤X x x x x ϕ⎧+⎪=⎨⎪⎩当0≤y ≤2时,12011()(,)d ()d ,336Y xy y x y x x x y ϕϕ+∞-∞==+=+⎰⎰ 故 11,02,()360,.其它≤≤Y y y y ϕ⎧+⎪=⎨⎪⎩(3) 当0≤y ≤2时, X 关于Y = y 的条件概率密度为2(,)62(|).()2Y x y x xy x y y yϕϕϕ+==+当0≤x ≤1时, Y 关于X = x 的条件概率密度为(,)3(|).()62Xx y x yy xy xϕϕϕ+==+(4) 参见图3-10.图3-10 第9题积分区域图3-11 第9题积分区域1{1}(,)d dx yP X Y x y x yϕ+>+>=⎰⎰12201165d()d.372xx x xy y-=+=⎰⎰同理, 参见图3-11.{}(,)d dy xP Y X x y x yϕ>>=⎰⎰122117d()d.324xx x xy y=+=⎰⎰1111{,}(,)112222{|}1122{}()22XP X Y FP Y XP X F<<<<==<211(,)22121()534.32()d|Xyx y xx xϕ+==⎰如有侵权请联系告知删除，感谢你们的配合！。

概率论与数理统计__典型例题及其分析

概率论与数理统计典型例题及其分析第三章多维随机变量及其分布Y ⑴ 求,a b 应满足的条件； ⑵ 若X 与Y 相互独立，求 a,b 的值. 【思路】先利用联合分布律的性质1ijijp=∑∑确定a,b 应满足的条件，再利用独立性的定义来求出a 与b. 【解】⑴ 因为1ij ijp =∑∑，所以11111,84248b a +++++= 因此 11.24a b += ⑵ 由于 X 与Y 相互独立，即对所有,i j x y 有 ()()(),,i j i j P X x Y y P X x Y y ===== 于是 ()()()112,121,46a P X Y P X Y a a ⎛⎫⎛⎫=======++⎪⎪⎝⎭⎝⎭解得 112a =或1.2a =同理 ()()()131,212,88b P X Y P X Y B b ⎛⎫⎛⎫=======++ ⎪⎪⎝⎭⎝⎭解得 18b =或3.8b = 再由11.24a b +=知 13,128a b == 【解毕】【技巧】由于X 与Y 的独立性，故对所有的,i j x y 应有()()(),,i j i j P X x Y y P X x Y y ===== 因此，我们可在联合分布律表中找到几个比较容易计算的值来分别确定分布律中的参数，例如()13,1,24P X Y ===而()()1131,66P X Y a ⎛⎫===∙+ ⎪⎝⎭可求得1;12a =又()13,2,8P X Y ===而18求得3.8b =这种参数的确定方式，需要读者熟练掌握. 例3.2.2 （1999年考研题）设随机变量X 与Y 相互独立，下表列出了二维随机变量(),X Y 的联合分布律及关于X 和关于Y 的边缘分布律中的部分数值，试将其余数值填入表中的空间处：- 62 -j【思路】利用边缘分布律的求法及独立性来进行，例如，从11,86p +=求得11,24p =再利用独立性知1111.6p p =⨯从而知11,4p =等等. 【解】利用;i ij jij jip p pp ==∑∑以及 1i jijp p==∑∑ 与独立性 ij i j p p p =. 求解空格内的数值，故11111111111,,68246p p p p p =-===⨯即11,4p =又由121,p p +=可得2131.44p =-= 反复运用上列公式，可求得 1322232313111,,,,.128423p p p p p ===== j例3.2.3 （1999年考研题）已知随机变量1X 和2X 的概率分布分别为 1x -1 0 1 2x 0 1 与 P111 424 P 1122，而且()120 1.P X X ==求1X 和2X 的联合分布；问： ⑴ 1X 和2X 是否独立？ ⑵ 为什么？【思路】已知1X 和2X 的边缘分布，一般是不能确定1X 和2X 的联合分布的，但题中给了一附加条件()120 1.P X X ==因此就要从条件入手加以分析，再利用边缘分布与联合分布的关系，就可求解此题了.独立性的判断是比较简单的.【解】⑴ 由()120 1.P X X ==知()1200,P X X ≠=即()()12121,11,10.P X X P X X =-===== 于是1X 和2X 的联合分布有如下结构：1j p 从而利用边缘分布律与联合分布律的关系知()()()1121211,01,1,P X P X X P X X =-==-=+==即 1110,4p +=从而得111.4p = 同理可知31222111,,0.p p p ===故1X 和2X 的联合分布律为1j p ⑵ 由以上结果知 ()120,00,P X X === 而 ()()12111000.224P X P X ===⨯=≠ 可见，1X 与2X 不独立. 【技巧】先.将边缘分布的数据以及由条件()1201P X X ==中对应数据填入表中，得到联合分布律表的基本结构，再来求其余ij p 的值，是对解离散型随机向量的基本技巧.按独立性的要求，可以检验1X 与2X 是否独立，特别对不独立的说明只需找出一对(),i j x y ，使ij i j p p p ≠即可.例3.2.4 将两封信投入3个编号为1，2，3的信箱，用,X Y 分别表示投入第1，2号信箱的信的数目，求(),X Y 的边缘分布律，并判断X 与Y 是否独立.【思路】首先确定(),X Y 的所有可能取值，并用古典概型求出取相应值的概率，即可得到(),X Y 的联合分布律，剩下的问题也就迎刃而解了.【解】将2封信投到3个信箱的总投法239,n ==而X 和Y 的可能取值均为0，1，2，于是- 64 -()0,0P X Y P ===（两封信都投入第3号信箱）=1;9()1,0P X Y P ===（两封信中一封投入第1号信箱，另一封投入第3号信箱）11212.99C C == 同理可得：()()220,1;1,1;99P X Y P X Y ====== ()()()1,22,12,20.P X Y P X Y P X Y ========= 这样，可得(),X Y 的联合分布律，又由于()()()()22,,0,1,2,,,0,1,2.i i P X k P X k Y i k P X k P X i Y k k ============∑∑故所求的分布律为X 的边缘分布律在表中的最后一列，Y 的边缘分布律在表中的最后一行. 由于()10,09P X Y ===，而()()44100,999P X P Y ===⨯≠故X 与Y 不独立. 【解毕】【技巧】二维离散型随机变量的联合分布律，在实际问题中可用事件的乘机（交）的概率求得，此时概率的乘法公式是十分常用的计算技巧. 例3.2.5 设(),X Y 服从区域(){}2,:01D x y y x =≤≤-上的均匀分布，⑴ 写出(),X Y 的联合密度函数；⑵ 求X 和Y 的边缘密度函数； ⑶ 求概率()2P Y X ≥.【思路】先画出区域D 的图形，再按上面的解法来求解. 【解】（1）由于区域D 是由曲线21y x =-和0y =所围成的（如图3.2.1所示），其面积为()12141.3D x dx -=-=⎰ 所以(),X Y 的联合密度为()23,01,40, y xf x y ⎧≤≤-⎪=⎨⎪⎩其他图3.2.1⑵ X 的边缘密度函数为()()()()2120331,11,11,440, 0, x X x x dy x f x f x y dy -+∞-∞⎧⎧⎪--<<⎪-<<===⎨⎨⎪⎪⎩⎩⎰⎰其他其他而Y 的边缘密度函数为()()3,011,40, 0, Y dx y y f y f x y dy +∞-∞⎧<<⎪<<===⎨⎪⎪⎩⎩⎰其他其他 ⑶ 记(){}2,:G x y y x =≥，则G D ⋂为图3.2.2阴影部分，从而()()()()2221,,33 .442Gx G Dx P Y X P X Y G f x y dxdydxdy dxdy -⋂≥=∈====⎰⎰⎰⎰⎰【寓意】本题要求熟悉二维均匀分布和计算边缘密度及概率的基本方法，求这些问题的技巧读者应牢牢掌握，最关键的问题是激发呢区间和积分区域的确定. 图 3.2.2例3.2.6 设二维随机变量(),X Y 的概率密度为 (), 0,,0, Ay Ae x y f x y -⎧<<=⎨⎩其他⑴ 确定常数A ；⑵ 求随机变量X 的密度()X f x ；⑶ 求概率()1P X Y +≤. (后二问为1992年考研题) 【解】⑴ 记D 为(),f x y 的零区域，即 (){},:0D x y x y =<< 其图形如图3.2.3所示.由联合密度的性质得(),1f x y dxdy +∞+∞-∞-∞=⎰⎰，从而有()01, .AyAyDxI f x y dxdy Aedxdy dx Ae dy A+∞+∞+∞+∞---∞-∞====⎰⎰⎰⎰⎰⎰ 因此，A=1. ⑵ X 的边缘密度为 ()(), 0, 0,0, 00, 0yx X x e d yx e x f x f x y dy x x +∞-+∞--∞⎧>⎧>⎪===⎨⎨≤⎩⎪≤⎩⎰⎰⑶ 设(){},:1G x y x y =+≤，则D G ⋂如图3.2.4所示.故()()1112121, 12.xyyGD GxP X Y f x y dxdy edxdy dx e dy e e -----⋂+≤====+-⎰⎰⎰⎰⎰⎰- 66 -图 3.2.3 图3.2.4【技巧】在利用(),1f x y dxdy +∞+∞-∞-∞=⎰⎰确定(),f x y 中的常数时，若(),0f x y ≠的区域为D ，则只需用(),1Df x y dxdy =⎰⎰就可以了.例3.3.1 设(),X Y 的联合分布律为求：⑴ 常数a; ⑵ 联合分布函数在点31,22⎛⎫⎪⎝⎭处的值31,;22F ⎛⎫ ⎪⎝⎭ ⑶ ()1|0.P X y ==【解】⑴ 由联合分布律的性质1ij ijp =∑∑知 1111,446ij ijp a ==+++∑∑ 求得1.3a =⑵(),X Y 的联合分布函数(),F x y 在点31,22⎛⎫⎪⎝⎭处的值 ()()3131111,,1,11,0.2222442F p X Y P X Y P X Y ⎛⎫⎛⎫=≤≤===-+===+= ⎪ ⎪⎝⎭⎝⎭⑶ ()()()11,0341|0.110743P X Y P X Y P X ========+ 【解毕】【技巧】求联合分布函数(),F x y 时，只需把取值满足,i j x x y y ≤≤的点(),i j x y 的概率ij p 找出来，然后求和就可以了，值得注意的是不要有遗漏.而求条件分布律时的关键是将其边缘分布求出即可，而边缘分布律的求法在前节已反复强调过多次.例3.3.2 已知随机变量X 和Y 联合概率密度为 ()4, 01,01,,0, xy x y f x y ≤<≤<⎧=⎨⎩其他求⑴ 条件密度()||X Y f x y 及()||;Y X f y x ⑵ X 和Y 的联合分布函数(),F x y .(第二问为1995年考研题) 【思路】根据条件密度的定义，我们首先要求出X 与Y 的边缘密度，然后再来求条件密度.而联合分布函数的求法是一个较为繁琐的工作，需要分区域讨论，这些区域不能遗漏. 【解】⑴ 由于X 的边缘密度为 ()()104, 012, 01 ,0, 0, X x y d yx x x f x f x y dy +∞-∞⎧≤<≤<⎧⎪===⎨⎨⎩⎪⎩⎰⎰其他.其他同理，有 ()()2, 01,,0, Y y y f y f x y dx +∞-∞≤<⎧==⎨⎩⎰其他故当01y <<时，()Y f y >0，且 ()()()|4, 01,,2|0, X Y Y xyx f x y yf x y f y ⎧≤<⎪==⎨⎪⎩其他从而，在{}Y y =条件下，X 的条件密度为 ()|2, 01,01,|0, X Y x x y f x y ≤<<<⎧=⎨⎩其他同样可得，在{}X x =条件下，Y 的条件密度为 ()|2, 01,01,|0, Y X y y x f y x ≤<<<⎧=⎨⎩其他⑵ 对联合分布函数()(),,F x y P X x Y y =≤≤要分区域讨论.对于0x <或0y <，有 ()(),,0;F x y P X x Y y =≤≤= 对于01,01,x y ≤<≤<有 ()2200,4;yx F x y uvdudv xy ==⎰⎰对于1,1x y ≥≥，有 (),1;F x y = 对于1,01,x y ≥≤<有 ()()2,1,;F x y P XY y y =≤≤= 对于1,01,y x ≥≤<有 ()()2,,1;F x y P X x Y x =≤≤= 从而，X 和Y 的联合分布函数为 ()22220, 00,01,01,,, 01,1,, 1,01,1, 1,1x y x y x y F x y x x y y x y x y<<⎧⎪≤<≤<⎪⎪=≤<≤⎨⎪≤≤<⎪≤≤⎪⎩或【技巧】由于本题中，X 与Y 的地位完全平等，因此，在求条件密度时，只需求出一个，另一个用对- 68 -称性即可得到，此对称性在(),F x y 中也有很好的体现，对称性的利用也经常是我们解决数学问题的一种技巧，另外，在求(),X Y 的分布函数时，一定要牢牢记住它的定义：()(),,.F x y P X x Y y =≤≤对一切,x y 都要讨论，它是一个分区域函数，不同值的定义范围一定要证明. 例3.4.1 设二维随机变量(),X Y 的概率密度函数为 ()()2,01,0,,0, ky x x y x f x y ⎧-≤≤≤≤=⎨⎩其他试求常数k ,并问X 与Y 是否相互独立？【思路】常数k 的确定仍是利用联合密度的性质，而独立性质的判断只须验证是否成立()()(),,X Y f x y f x f y =为此，首先要求出X 与Y 的边缘密度()X f x 与()Y f y .【解】由联合密度的性质知()()()1010151,22,24xx y f x y dxdy ky x dxdy k dx x ydy k +∞+∞-∞-∞≤≤≤≤==-=-=⎰⎰⎰⎰⎰⎰ 所以，24.5k =(),X Y 关于X 的边缘密度为()()()()2024122, 012, 0 1,550, 0, x X x ydy x x x x f x f x y dy +∞-∞⎧⎧-≤≤-≤≤⎪⎪===⎨⎨⎪⎪⎩⎩⎰⎰其他.其他而(),X Y 关于Y 的边缘密度为()()()()122412, 01,34,01,52,50, 0, Y y ydx y y y y y x f y f x y dx +∞-∞⎧⎧≤<-+≤≤⎪⎪-===⎨⎨⎪⎪⎩⎩⎰⎰其他其他很明显，当01,0,x y x <<<<时，有 ()()(),,X Y f x y f x f y ≠ 所以X 与Y 不互相独立. 【注】本例中，(),X Y 的联合密度(),0f x y ≠的区域是三角形区域(){},:01,0D x y x y x =≤≤≤≤.虽然(),f x y 在D 上可表达成分离变量形状 ()()()12,f x y kg x g y =，这里，()12,g x x =-()2.g y y =但需要注意的是，只有当D 为矩形区域(){},:,D x y a x b c y d =≤≤≤≤（包括全平面、半平面等）时，()()()12,f x y kg x g y =才是使X 与Y 相互独立的充要条件.从而本题中X 与Y 不是相互独立的.如果(),X Y 的联合密度改为()()~~2,01,01,,0, k y x x y f x y ⎧⎪-≤≤≤≤=⎨⎪⎩其他则此时，X 与Y 必相互独立.例3.4.2 设X 和Y 是两个相互独立的随机变量，X 服从区间()0,1上的均匀分布，Y 服从参数12λ=的指数分布，求a 的二次方程220a Xa Y ++=有实根的概率.【思路】方程220a Xa Y ++=有实根当且仅当2440,X Y ∆=-≥故本题是求概率()2P X Y ≥,而要计算此概率必须知道X 与Y 的联合密度，因此首先必须根据题中独立性的假定求出(),.f x y【解】有题设知，X 与Y 的概率密度分别为 ()1 010, X x f x <<⎧=⎨⎩，其他. 和 () 00, y 0Y x f y ⎧>⎪=⎨⎪≤⎩y-21e 2.由于,X Y 相互独立，故X 与Y 的联合密度为 ()()(), 01,0,0, X Y x y f x y f x f y ⎧<<>⎪==⎨⎪⎩y-21e 2其他又因为方程220a Xa Y ++=有实数当且仅当2440,X Y ∆=-≥故所求概率为()()()()2221120000101, 1 1110.x x yx y x y P X Y f x y dxdy dxdy dx dy dx dx ≥≥<<>⎛⎫≥====- ⎪ ⎪⎝⎭=-=Φ-Φ⎤⎦⎰⎰⎰⎰⎰⎰⎰⎰22y y x ---222x -211e e e 22e而()()10,10.8432Φ=Φ=（查正态分布表），故方程220a Xa Y ++=有实根的概率为0.1448. 【技巧】本题是二维连续型随机变量的综合题，要求读者熟悉均匀分布，指数分布的定义，掌握独立性和概率计算的基本方法，知道怎么利用独立性构造联合分布.同时，要求大家在计算形如2-Ax e的积分时，如何应用正态分布的性质和特征，这种计算技巧，在概率论、微积分中是常用的.例3.4.3 一电子仪器由两个部件构成，以X 和Y 分别表示两部件的寿命（单位：千小时），已知X 和Y 的联合分布函数为 ()()0.50.50.51,0,0,,0, x y x y e e e x y F x y -+--⎧--+≥≥⎪=⎨⎪⎩其他⑴ 问X 和Y 是否独立； ⑵ 求两个部件的寿命都超过100小时的概率.α【解】（方法1）直接利用分布函数计算. ⑴ X 与Y 的边缘分布函数分别为()()0.51, 0,,0, 0.x X e x F x F x x -⎧-≥=+∞=⎨<⎩ 与 ()()0.51, y 0,,0,y 0.y Y e F y F y -⎧-≥=+∞=⎨<⎩ 故有 ()()(),, ,,X Y F x y F x F y x y =-∞<<+∞ 从而，X 与Y 相互独立. ⑵ 由于X 与Y 相互独立，故- 70 -()()()()()()()0.050.050.10.1,0.10.10.110.110.1 10.110.1 .x y P X Y P X P Y P X P Y F F eeeα---=>>=>>=-≤-≤⎡⎤⎡⎤⎣⎦⎣⎦⎡⎤=--==⎡⎤⎣⎦⎣⎦（方法2）利用概率密度进行计算.⑴ 以(),f x y ，()(),X Y f x f y 分别表示(),,,X Y X Y ，的概率密度，则()()()0.5,0.25, 0,0,,0, x y F x y e x y f x y x y -+⎧∂≥≥⎪==⎨∂∂⎪⎩其他. ()()0.50.5,0,,0, x X e x f x f x y dy +∞--∞⎧≥==⎨⎩⎰其他. ()()0.50.5,0,,0, y Y e y f y f x y dx +∞--∞⎧≥==⎨⎩⎰其他. 由()()(),, (,)X Y f x y f x f y x y =-∞<<+∞知X 与Y 独立. ⑵()()0.50.10.10.10.1,0.10.25.x y P X Y dy edx e α+∞+∞-+-=>>==⎰⎰ 【解毕】【技巧】用分布函数和概率密度均可以判定随机变量的独立性，具体应用哪种方法要依题而定.一般较为常用的是概率密度的方法，但本题中用前一方法反而简单些.在本题的计算时，读者要注意X 与Y 的对称性，不必重复计算，另外，利用分布函数(),F x y 的性质也可以直接计算出α，即()()()()()0.10.1,0.1,0.1,,0.10.1,0.1.P X Y F F F F e α-=>>=+∞+∞-+∞-+∞+=例3.5.1 设二维随机变量的联合分布律为求：（1）1;Z X Y =+（2）2Z X Y =（3）3;Z Y=（4）()4max ,Z X Y =的分布律【思路】思路与一维离散型随机变量的函数的分布律的计算类似，注意上面介绍的技巧.【解】我们将(),i j x y 的取值与取这些值的概率以及要计算的所有随机变量的函数()1,2,3,4k Z k =的Y X Y从而得到：（1）1Z X Y =+的分布律为（2）2Z X Y =的分布律为 Y（3）3XZ=的分布律为（4）()4,Z max X Y =分布律为【注】（1）二维离散型随机变量的函数的分布律的计算是有一定的方法可循的，读者在利用上述方法计算时要搞清楚它的背景.在求XY的分布律时，注意要求()00.P Y =≠ （2）如果已知X 与Y 独立，且X 与Y 的分布律给定时，求(),Z g X Y =的分布律的方法是：首先利用独立性构造出X 与Y 的联合分布律表，然后再按本题类似的技巧处理. 例3.5.2 (1987年考研题)设随机变量X 与Y 相互独立，其概率密度函数分别为()1,01,0, X x f x ≤≤⎧=⎨⎩其他.和 (), 0,0, y 0y Y e y f y -⎧>=⎨≤⎩. 求随机变量2Z X Y =+的概率密度函数. 【思路】这是计算两个独立随机变量和的概率密度的典型题，可有两种解法，一是通过2Z X Y =+的分布函数来求解.另一是利用卷积公式来计算. 【解】（方法1）分布函数法.因为,X Y 相互独立，所以(),X Y 的联合概率密度函数为()()(), 01,0,,0, y X Y e x y f x y f x f y -⎧≤≤>==⎨⎩其他.故2Z X Y =+的分布函数为 ()()()22,.Z X Y ZF z P X Y Z f x y dxdy +≤=+≤=⎰⎰记(),0f x y ≠的区域为(){},:01,0D x y x y =≤≤>，积分区域为(){},:2,G x y X Y Z =+≤于是().y Z D GF z e dxdy -⋂=⎰⎰为此，考虑区域D G ⋂的情形.① 当0z ≤时，D G ⋂≠∅（见图3.5.1），于是，()0.Z F z = ② 当02z <≤时，D G ⋂为图3.5.2中的阴影部分，于是()()()22220111.2z xyyx z z Z D GF z e dxdy dxe dy e dx z e ππ-----⋂===-=-+⎰⎰⎰⎰⎰图3.5.1 图3.5.2当2z >时，D G ⋂为图3.5.3中的阴影部分，于是()()1220111.2z xyy z Z D GF z e dxdy dxe dy e e ----⋂===--⎰⎰⎰⎰所以，随机变量2Z X Y =+的概率密度为 ()()()()'20, 0,11, 02,211, 2.2z z z zz f z F z e z e e z --⎧⎪≤⎪⎪==-<≤⎨⎪⎪->⎪⎩（方法2）卷积公式法.若记2W X =，为求W 的密度函数，我们先考虑W 的分布函数()()()()2220, 0,, 02,21, 2.W wXw F w P WwP Xw P X w w f x d x w w-∞⎛⎫=≤=≤=≤⎪⎝⎭≤⎧⎪⎪==<≤⎨⎪>⎪⎩⎰故W 的概率密度为()1, 02,20, W w f w ⎧<≤⎪=⎨⎪⎩其他.图3.5.3因为,X Y 相互独立，所以W 与Y 也相互独立，从而2Z X Y W Y =+=+的概率密度可按卷积公式计算，即 ()()()z W Y f z f wf z wd w+∞-∞=-⎰为使被积函数非零，则必须满足条件 02,0,w z w <≤⎧⎨->⎩ 即 02,.w w z <≤⎧⎨<⎩ 从而，分情况讨论：① 若0,z ≤则{}{}02,w w z <≤⋂<=∅于是 ()0;z f z = ② 若02,z <≤则 {}{}{}020,w w z w z <≤⋂<=<<故 ()()()0111;22zz w zz f z e dw e ---==-⎰ ③ 若2z >，则{}{}{}020,w w z w z <≤⋂<=<<故 ()()()220111.22z w z z f z e dw e e ---==-⎰ 综上知 ()()()20, 0,11, 02,211, 2.2z z zz f z e z e e z --⎧⎪≤⎪⎪=-<≤⎨⎪⎪->⎪⎩【技巧】这类问题的求解，主要工作量是求分段函数的积分和积分上、下限的确定，希望读者仔细体会此题求解的方法，得到举一反三的效果.第一种分布函数的方法是通常的方法，第二种卷积公式法仅适用随机变量和的情形.其实，对两随机变量和的线性组合，我们也有如下推广的卷积公式：设(),X Y 的联合概率密度为(),f x y ，则()0,0Z aX bY a b =+≠≠的概率密度为()11,,.z z ax z by f z fx dx f y dy b b a a +∞+∞-∞-∞--⎛⎫⎛⎫== ⎪⎪⎝⎭⎝⎭⎰⎰不妨用此公式去验证一下本题的结论. 例3.5.3 设二维随机变量(),X Y 的概率密度函数为 ()(), 0,0,,0, x y ex y f x y -+⎧>>⎪=⎨⎪⎩其他求Z X Y =-的概率密度. 【思路】用分布函数法.【解】显然，当0z ≤时，有 ()()()0;z F z P Z z P X Y z =≤=-≤= 当0z >时，有 ()()()()()00,.x y z x y zx y zy F z P Z z P X Y z f x y dxdy e dxdy -+-≤-≤>>=≤=-≤==⎰⎰⎰⎰此积分的积分区域如图3.5.4所示.因此，化此重积分为累次积分，得()()()()03331112221.z x zx zx y x y z zx zz z z z z F z dxedy dxedye e e e e ++∞+-+-+------=+⎛⎫=-++- ⎪⎝⎭=-⎰⎰⎰⎰所以有 ()1, 00, 0.z Z e z F z z -⎧->=⎨≤⎩从而Z X Y =-的概率密度为()(), 0,0, 0.z Z Z e z df z F z dz z -⎧>==⎨≤⎩ 图3.5.4 【寓意】本题考查的是给定(),X Y 联合概率密度的条件下，求X 和Y 的函数的分布函数，关键是对二重积分确定其积分区域.例3.5.4 设二维随机变量(),X Y 服从取区域(){},:0,0D x y x a y a =<<<<上的均匀分布，试求：（1）XZ Y=的概率密度；（2）()max ,M X Y =的概率密度. 【思路】利用分布函数法来处理，先分别求出Z 和M 的分布函数，然后再求导.【解】（1）由于(),X Y 的概率密度为 ()21, 0,0,,0, x a y a f x y a ⎧<<<<⎪=⎨⎪⎩其他故当0z <时，()0.Z X F z P Z Y ⎛⎫=≤=⎪⎝⎭而当01z <<时，有()()201,.2zya Z xz yX z F z P z f x y dxdy dy dx Y a ≤⎛⎫=≤=== ⎪⎝⎭⎰⎰⎰⎰当1z ≥时，有 ()()2011,1.2a aZ xx z yzX F z P z f x y dxdy dx dy Y a z≤⎛⎫=≤===- ⎪⎝⎭⎰⎰⎰⎰从而XZ Y =的概率密度为 ()()20, 0,1, 0<z<1,21, 1.2Z Z z d f z F z dz z z<⎧⎪⎪==⎨⎪⎪≥⎩（2）由于 ()21, 0,0,,0, x a y a f x y a ⎧<<<<⎪=⎨⎪⎩其他故 ()()1, 0,,0, X x a f x f x y dy a+∞-∞⎧<<⎪==⎨⎪⎩⎰其他. ()()1, 0,,0, Y y a f y f x y dx a +∞-∞⎧<<⎪==⎨⎪⎩⎰其他.从而，X 与Y 相互独立，且均服从()0,a 上的均匀分布，故对()max ,M X Y =的分布函数有()()()()()()()()()22max ,,, 0,0, M X Y F z P M z P X Y z P X z Y z P X z P Y z z z a F z F z a =≤=≤=≤≤=≤≤⎧<<⎪==⎨⎪⎩其他,.由此得()max ,M X Y =的概率密度为 ()()22, 0<z<a,0, .M M zd f z F z adz ⎧⎪==⎨⎪⎩其他【注】此题时考查对随机变量的商及极值函数的分布的计算，其中的关键仍然时积分区域的确定.当然，商运算等也已有现成的公式，我们在此一并介绍给读者.若(),X Y 的联合密度为(),f x y ，则有()()()()()()(),; ,;11,; ,.X Y X YXY X Y f z f x z x dx f z f x x z dx z f z f x dx f z f zy y dy x x y +∞+∞+--∞-∞+∞+∞-∞-∞=-=-⎛⎫== ⎪⎝⎭⎰⎰⎰⎰综例3.6.1 在10件产品中有2件一等品，7件二等品和1件次品，从10件产品中不放回地抽取3件，用X 表示其中的一等品数，Y 表示其中的二等品数.求：（1）(),X Y 的联合分布律；（2）,X Y 的边缘分布律；（3）X 和Y 是否独立；（4）在 0X =的条件下，Y 的条件分布律.【解】 ⑴ 依题设知X 只能取0，1，2，Y 只能取0，1，2，3.显然，当2i j +<或3i j +>时，有 (),0.P X i Y j ===当23i j ≤+≤时，由古典概率知 ()()3271310,0,1,2,0,1,2,3.i j i j C C C P X i Y j i j C --===== 将这些一一计算并列表后，即得(),X Y 的分布律的具体表示. ⑵ ,X Y 的边缘分布律也列于分布律表中，具体形式如下：⑶ 而()()000,120P X P Y ===≠因此，X 与Y 不相互独立. ⑷ 在0X =的条件下，Y 的条件概率为 ()()()0,|0,0,1,2,3.0P X Y j P Y j X j P X =======因此Y 的条件分布律如下：【寓意】本例时二维离散型随机变量的综合题，首先要求读者了解如何用古典概型来求解相关的概率，进而考查联合分布律与边缘分布律的关系及独立性的判别，条件分布律的计算只需知道条件概率的定义便可给出.综例 3.6.2 设12,34,,ξξξξ独立同分布，且 ()()00.6,10.4,1,2,3,4.i i P P i ξξ=====（第一问为1994年考研题）求：（1）行列式1234ξξξξξ=的概率分布；（2）方程组112231420,0x x x x ξξξξ+=⎧⎨+=⎩ 只有零解的概率.【思路】要求行列式ξ的分布律，先要将ξ的所有可能取值找到，然后利用独立性将取这些值的概率计算出来，而第二问就是求系数行列式0ξ≠的概率. 【解】（1）记114223,,ηξξηξξ==则 142312ξξξξξηη=-=-由于12,34,,ξξξξ相互独立，故12,ηη也相互独立，且12,ηη都只能取0，1两个值,而()()()()()122323111,1110.16,P P P P P ηηξξξξ==========()()120010.160.84.P P ηη====-= 随机变量12ξηη=-有3个可能取值-1，0，1，易见()()()()121210,1010.840.160.1344,P P P P ξηηηη=-=======⨯= ()()()()121211,0100.160.840.1344,P P P P ξηηηη========⨯= ()()()01110.7312.P P P ξξξ==-=--== 于是行列式ξ的概率分布为（2）由于齐次方程 112231420,0.x x x xξξξξ+=⎧⎨+=⎩ 只有零解的充要条件是系数行列式不为0，故此题就简化为求概率 ()()01010.73120.2688.P P ξξ≠=-==-=【技巧】本题实质上是求多维离散型随机变量的函数分布的问题，通过引入变量12,ηη将其化为二维随机变量函数分布问题，问题的解决最关键的是用到了独立性的性质：若随机变量12,,,n ξξξ相互独立，则()112,,,m g ξξξ与()212,,,m m n g ξξξ++也相互独立.综例3.6.3 设随机变量(),X Y 服从(){}22,:0,1D x y y xy =≥+≤上的均匀分布，定义随机变量,U V如下：0, 0,1, 0,2, .X U X Y X Y <⎧⎪=≤<⎨⎪≥⎩0, 3,1, 3.XV X⎧≥⎪=⎨<⎪⎩ 求(),U V 的联合概率分布，并计算()0.P UV ≠【思路】写出(),U V 的所有可能取值，并利用均匀分布的特征计算其取值的概率.【解】由题设知，(),X Y 的联合密度函数为 ()()()2, ,,,0, ,.x y D f x y x y D π⎧∈⎪=⎨⎪∉⎩(),U V 有6个可能取值：()()()()()0,0,0,1,1,0,1,1,2,0和()2,1.由,U V 的定义知()()()()()()()()000,0,1,0,1,10,021, .4AOC BCE x yx yP U V P P U V P P U V P X Y X P X Y S f x y dxdy dxdy S π≤<≤<===∅===∅===≤<<=≤<====⎰⎰⎰⎰扇其中，AOC S 扇和BCE S 分别表示图3.6.1中扇形AOC 与半圆BCE 的面积.同理有()()()()()()()()()10,10,0 ,212,0, ,612,1,.12BCE BCE AOF BCE S P U V P X X P X S S P U V P Y X X P X S S P U V P Y X X P Y X S ===<<=<=====≤≥=≥=====≤≥=≤<==扇COE 扇BOF 扇所以，(),U V 的联合概率分布为图 3.6.1从而 ()()()01,12,1.4123P UV P U V P U V ≠===+===+= 【技巧】本题是求连续型随机变量的离散值函数的分布问题，解题过程中巧妙地应用了均匀分布的性质从而简化了计算.综例3.6.4 设随机变量(),X Y 的联合概率密度为 (), 0,,0, .y cxe x y f x y -⎧<<<+∞=⎨⎩其他⑴ 求常数c; ⑵ X 与Y 是否独立？为什么？ ⑶ 求()()|||,|X Y Y X f x y f y x ； ⑷ 求()()1|2,1|2;P X Y P X Y <<<= ⑸ 求(),X Y 的联合分布函数； ⑹ 求Z X Y =+的密度函数； ⑺ 求()1P X Y +<; ⑻ 求()()min ,1P X Y <.【解】（1）根据(),1,f x y dxdy +∞+∞-∞-∞=⎰⎰得 ()20013.22y yy ccdy cxe dy y e dy c +∞+∞--===Γ=⎰⎰⎰这里利用了特殊函数()10x x e dx αα+∞--Γ=⎰的性质：()()1,αααΓ+=Γ故 1.c =（2）先分别计算X 和Y 的边缘密度.()(),0, 0,,0, 0.0,0yxX x xe dy x xe x f x f x y dy x x +∞-+∞--∞⎧>⎧>⎪===⎨⎨≤⎩⎪≤⎩⎰⎰()()21, 0, y 0,,20, y 0.0, 0y y yY xxe dx y y e f y f x y dx y -+∞--∞⎧⎧>>⎪⎪===⎨⎨⎪⎪≤⎩≤⎩⎰⎰由于在0x y <<<+∞上，()()(),X Y f x y f x f y ≠，故X 与Y 不独立. （3）由条件分布密度的定义知()()()2|2,0,,|0, .X Y Y xx y f x y yf x y f y ⎧<<<+∞⎪==⎨⎪⎩其他 ()()()|,,0,|0,.x y Y X X f x y e x y f y x f x -⎧<<<+∞==⎨⎩其他（4）直接由条件概率定义知()()()()()1212120222201,121,221|2.21512yxy Y dx xe dyf x y dxdy e e P X Y P X Y P Y ef y dyy e dy ----∞-∞---∞--<<<<====<-⎰⎰⎰⎰⎰⎰又由条件密度的性质知 ()()1|1|2|2X Y P X Y f x dx -∞<==⎰而 ()|,02,|220, .X Y xx f x ⎧<<⎪=⎨⎪⎩其他 ()111|2.24x P X Y dx <===⎰（5）由于()(),,,F x y P X x Y y =≤≤故有：当0x <或0y <时，(),0.F x y = 当0y x ≤<<+∞时，有()()2200011,,11.22y yv vv y F x y P X x Y y dv ue du v e dv y y e ---⎛⎫=≤≤===-++ ⎪⎝⎭⎰⎰⎰当0x y ≤<<+∞时，有()()()()2001,,11.2y x xvu y x y u F x y P X x Y y dv ue dv u e e du x e x e -----=≤≤==-=-+-⎰⎰⎰综上知 ()()220, 00,1,11, 0,2111, 02yx y x y F x y y y e y x x e x e x y ---⎧⎪<<⎪⎪⎛⎫=-++≤<<+∞⎨ ⎪⎝⎭⎪⎪-+-≤<<+∞⎪⎩或（6）根据两个随机变量和的密度公式 ()(),,z f z f x z x dx +∞-∞=-⎰ 由于要被积函数(),f x z x -非零，只要当0x z x <<-，即02zx <<时，从而有：当0z <时， ()0;z f z =当0z ≥时， ()()22201;2zz x zxzz z f z xedx e xe dx e e ππ-----⎛⎫===+- ⎪⎝⎭⎰⎰因此， ()21, 0,20, 0.zz z z e e z f z z --⎧⎛⎫+-≥⎪ ⎪=⎨⎝⎭⎪<⎩（7）由于已经求出了Z X Y =+的密度，故()()1111220111.2z z z z P X Y f z dz e e dz e e -----∞⎡⎤⎛⎫+<==+-=--⎢⎥ ⎪⎝⎭⎣⎦⎰⎰（8）()()()()()2111min ,11min ,111,115 11 1.22v vvP X Y P X Y P X Y dv ue du v e dv e +∞+∞---<=-≥=-≥≥=-=-=-⎰⎰⎰【技巧】本题是二维连续型随机变量的综合题，几乎涵盖了其中的主要内容.在常数确定c 时，应用了Γ函数的定义和性质，当然，读者也可以直接用分部积分法计算.概率()1|2P X Y <=的求法，要利用条件密度()||2X Y f x 进行计算，其计算过程同一般的一维密度的计算方法.()1P X Y +<的计算，我们利用了第(6)问的结论，在不需要求X Y +密度的情形下，只要直接计算就可以了，即 ()111212011.xyxP X Y dxxe dy ee ----+<==--⎰⎰综例3.6.5 设[]~0,1,X U 且在{}X x =的条件下，[]~0,,0 1.Y U X x ≤≤求（1）()221|,01;P X Y X x x +≤=≤≤ （2）()221.P X Y +≤【思路】第一问等价于求(),P Y x ≤=故只需利用条件密度()||Y X f y x 来计算，而第二问的计算，首先要知道(),X Y 的联合分布密度(),f x y . 【解】由题设知，X 的密度函数为 ()1, 01,0, X x f x ≤≤⎧=⎨⎩其他.而在{}X x =条件下，Y 的条件密度为()|1, 01,|0, .Y Xy x f y x x⎧≤≤≤⎪=⎨⎪⎩其他从而(),X Y 的联合密度函数为： ()()()|1, 01,,|0, X Y X y x f x y f x f y x x⎧≤≤≤⎪==⎨⎪⎩其他① 对01x ≤≤，有()()()22221|1|P X Y X x P Y x X x P Y X x +≤==≤-==≤=()((|11|min min .Y X y y f y x dy dx x x x===- 82 -②()()(22221422001101111,ln 1.cos x y x y y x P X Y f x y dxdy dxdy dr rd x r πθθ+≤+≤≤≤≤+≤===⎰⎰⎰⎰⎰⎰极坐标变换【注】本题中的()||Y X f y x 和(),f x y 虽然具有相同的表示式，但其含义却截然不同. ()||Y X f y x 是y 的一元函数，而不是二元函数，x 在此视为常量，这相当于微积分中，当二元函数一个自变量固定时，它只是另一个变量的一元函数.当x 变化时，Y 的条件密度函数也变化. 综例3.6.6 设二维随机变量(),X Y 在矩形 (){},:02,01G x y x y =≤≤≤≤上服从均匀分布，试求边长为X 和Y 的矩形面积S 的概率密度().f s【解】由题设知，二维随机变量(),X Y 的概率密度为 ()()()1,,,,20,,.x y G f x y x y G ⎧∈⎪=⎨⎪∉⎩若若设()(),S X Y F s P S s ==≤为S 的分布函数，则：当0s <时，()()0,F s P XY s =≤= 当2s ≥时，()()1,F s P XY s =≤= 当02s ≤<时，曲线xy s =与矩形G 的上边交于点(),1s （见图3.6.1），于是 ()()(),F s P S s P XY s =≤=≤因而，S XY =的概率密度为 ()()1ln 2ln ,02,20, s s f s ⎧-≤<⎪=⎨⎪⎩其他.【解毕】【寓意】本题实质上是求两随机变量的乘积的概率密度.第四章随机变量的数学特征例4.2.1 一台设备由三大部件构成，在设备运转中各部件需要调整的概率相应为0.10，0.20和0.30，假设各部件的状态相互独立，以X 表示同时需要调整的部件数，试求X 的数学期望EX 和方差DX . 【思路】关键是求出X 的分布律，然后用定义计算EX .【解】引入事件：{}i=1,2,3.i A i =第个部件需要调整根据题设，三部件需要调整的概率分别为()()()1230.10,0.20,0.30.P A P A P A ===由题设部件的状态相互独立，于是有()()()()()1231230 0.90.80.70.504.P X P A A A P A P A P A ====⨯⨯=()()12312312310.10.80.70.90.20.70.90.80.3 0.398P X P A A A A A A A A A ==⋃⋃=⨯⨯+⨯⨯+⨯⨯=()()12312312320.10.20.70.10.80.30.90.20.3 0.092;P X P A A A A A A A A A ==⋃⋃=⨯⨯+⨯⨯+⨯⨯=X从而00.50410.39820.09230.0060.6,i i iEX x p ==⨯+⨯+⨯+⨯=∑22222200.50410.39820.09230.0060.820.i i iEX x p ==⨯+⨯+⨯+⨯=∑故 ()2220.8200.60.46.DX EX EX =-=-=【解毕】【技巧】本题的关键是引入事件i A ，将X 的分布律求出，因此，可以发现求期望和方差的难点转到了求X 的分布.同时，方差的计算一般均通过公式()22DX EX EX =-来进行.例4.2.2 对目标进行射击，直到击中目标为止.如果每次射击的命中率为p ，求射击次数X 的数学期望和方差.【解】由题意可求得X 的分布律为()1, 1,2,,1.k P X k pq k q p -====-于是 1111.k k k k EX kpqp kq ∞∞--====∑∑为了求级数11k k kq∞-=∑的和，我们利用如下的技巧：由于11, 0<q<1.1k k q q∞==-∑- 84 -对此级数逐项求导，得1001,kk k k k k d dq q kq dq dq ∞∞∞-===⎛⎫== ⎪⎝⎭∑∑∑ 因此()12111,11k k d kq dq q q ∞-=⎛⎫== ⎪--⎝⎭∑ 从而 ()22111.1EX ppp pq ===- 为了求DX ,我们先求2EX .由于 ()()212121111.k k K k EX k k pqpq k k q p p ∞∞--===-+=-+∑∑ 为了求()221k k k k q∞-=-∑得值，注意到()()123112.11k k d d kq dq dq q q ∞-=⎛⎫⎛⎫== ⎪ ⎪ ⎪--⎝⎭⎝⎭∑ 从而()2322121.1q EX p qp p pq =+=+- 因此 ()22221.p qDX EX EX p p-=-== 【寓意】本题实质上是求几何分布的数学期望和方差.本题的主要技巧是利用了级数的逐项求导公式来求期望. 当然同样可用逐项积分方法来求11k k kq∞-=∑和211k k kq ∞-=∑，这种手段在级数求和或数学期望和方差的计算是十分奏效的.还有一点，我们在此说明一下，在本题中，由于X 的取值都是正数，所以只要正项级数1kk k xp ∞=∑收敛，则一定绝对收敛，即1k k k x p ∞=∑的和就为EX .而实际情况中，可能存在级数1k k k x p ∞=∑是条件收敛的，此时，X 的数学期望就不存在（虽然1kk k xp ∞=∑本身仍是收敛的），因此判断离散型随机变量的期望是否存在，要用关于级数绝对收敛的判断方法.例4.2.3 设X 是一随机变量，其概率密度为()1, 10,1, 01,0, x x f x x x +-≤≤⎧⎪=-<≤⎨⎪⎩其他.求DX .(1995年考研题) 【解】()()()()()()()011011222221110..11211 6EX xf x dx x x dx x x dx EX x f x dx x x dx x x dx x x dx +∞-∞-+∞-∞-==++-===++-=-=⎰⎰⎰⎰⎰⎰⎰于是 ()221.6DX EX EX =-=【解毕】【技巧】在计算数学期望和方差时，应首先检验一下()f x 的奇偶性，这样可利用对称区间上奇偶函数的积分公式简化求解，比如本题中，()f x 为偶函数，故()0.EX xf x dx +∞-∞==⎰同样DX 的计算也可直接简化.例4.2.4 已知连续型随机变量X 的密度函数为 ()221, -<x<+.xx f x -+-=∞∞求EX 与DX .(1987年考研题) 【思路】一种求法是直接利用数学期望与方差的定义来求.另一种方法是利用正态分布的形式及其参数的含义.【解】（方法1）直接法.由数学期望与方差的定义知()()()()()()222211111 1.x x x x EX xf x dx xedx edx x e dx e dx +∞+∞+∞+∞-------∞-∞+∞--===+-==⎰⎰⎰⎰⎰()()()()()22222212111 .2x t t DX E X EX x f x dx x dxt e e dt +∞+∞---∞-∞+∞+∞---∞=-=-=-==⎰⎰⎰⎰（方法2）利用正态分布定义.由于期望为μ，方差为2σ()()222.x x μσ---∞<<+∞所以把()f x 变形为- 86 -()()221212x f x π--⨯=易知，()f x 为11,2N ⎛⎫ ⎪⎝⎭的概率密度，因此有 11,.2EX DX ==【解毕】【技巧】解决本题的关键是要善于识别常用分布的密度函数，不然的话，直接计算将会带来较大的工作量.反过来，用正态分布的特性也可以来求积分2kx e dx +∞--∞⎰等.(2)若干计算公式的应用主要包括随机变量函数的数学期望公式，数学期望与方差的性质公式的应用.例4.2.5 设X 表示10次独立重复射击中命中目标的次数，每次射中目标的概率为0.4，求2EX . (1995年考研题) 【解】由题意知()~10,0.4X B 于是100.44,EX =⨯=()100.410.4 2.4.DX =⨯⨯-=由()22DX EX EX =-可推知()2222.4418.4.EX DX EX =+=+=【寓意】本题考查了两个内容，一是由题意归结出随机变量X 的分布；二是灵活应用方差计算公式，如果直接求解，那么 ()1010221000.410.4kk k K EX k C -==-∑的计算是繁琐的.例4.2.6 设X 服从参数1λ=的指数分布，求()2XE X e -+.（1992年考研题）【解】由题设知，X 的密度函数为(), 0,0, 0.x e x f x x -⎧>=⎨≤⎩且1EX =，又因为()22201,3Xxx xEeef x dx e e dx +∞+∞-----∞===⎰⎰ 从而 ()22141.33XX E X eEX Ee --+=+=+= 【解毕】【寓意】本题的目的是考查常见分布的分布密度（或分布律）以及它们的数字特征，同时也考查了随机变量函数的数学期望的求法.例4.2.7 设二维随机变量(),X Y 在区域(){},:01,G x y x y x =<<<内服从均匀分布，求随机变量21Z X =+的方差.DZ【解】由方差的性质得知()214DZ D X DX =+=又由于X 的边缘密度为()()1, 01,0, .2, 010, xX xdy x f x f x y dy x x +∞--∞⎧<<⎪==⎨⎪⎩<<⎧=⎨⎩⎰⎰其他其他.于是()112200222212, 2,32121.2318EX x xdx EX x xdx DX EX EX ====⎛⎫=-=-= ⎪⎝⎭⎰⎰因此， 1244.189DZ DX ==⨯=【解毕】【技巧】尽管本题给出的是二维随机变量，但在求X 的期望于方差时，可以从X 的边缘密度函数出发，而不必从X 与Y 的联合密度函数开始.在一般情形下，采用边缘密度函数较为方便.例4.2.8 设随机变量X 和Y 独立，且X 服从均值为1Y 服从标准正态分布，试求随机变量23Z X Y =-+的概率密度函数.（1989年考研题）【思路】此题看上去好像与数字特征无多大联系，但由于X 和Y 相互独立且都服从正态分布，所以Z- 88 -作为,X Y 的线性组合也服从正态分布.故只需求EZ 和DZ ，则Z 的概率密度函数就唯一确定了. 【解】由题设知，()()~1,2,~0,1X N Y N .从而由期望和方差的性质得2235,29.EZ EX EY DZ DX DY =-+==+=又因Z 是,X Y 的线性函数，且,X Y 是相互独立的正态随机变量，故Z 也为正态随机变量，又因正态分布完全由其期望和方差确定，故知()~5,9Z N ，于是，Z 的概率密度为 ()()2529, .z Z f z z --⨯=-∞<<+∞ 【解毕】【寓意】本题主要考查二点内容，一是独立正态分布的线性组合仍为正态分布；其二是正态分布完全由其期望和方差决定.例4.2.9 假设随机变量Y 服从参数为1λ=的指数分布，随机变量 0, ,1, .k Y k X Y k ≤⎧=⎨>⎩若若 ()1,2k =（1）求1X 和2X 的联合概率分布；（2）求()12E X X +. 【解】显然，Y 的分布函数为()1, 0,0, 0.y e y F y y -⎧->=⎨≤⎩10, 11 1.Y X Y ≤⎧=⎨>⎩若，，若 20, 21 2.Y X Y ≤⎧=⎨>⎩若，，若（1）()12X X +有四个可能取值：()()()()0,0,0,1,1,0,1,1,且()()()()()()()()()()()()()()121121212120,01,21 11,0,11,20,1,01,212 21,1,11,22 P X X P Y Y P Y F e P X X P Y Y P X X P Y Y P Y F F e e P X X P Y Y P Y --===≤≤=≤==-===≤>====>≤=<≤=-=-===>>=>()2 12.F e -=-=于是得到1X 和2X 的联合分布律为（3）显然，12,X X 的分布律分别为1X 0 1 2X 0 1P 11e -- 1e - P 21e -- 2e -因此 1212,.EX e EX e --==故 ()121212.E X X EX EX e e --+=+=+ 【解毕】【技巧】本题中若不要求求X 与Y 的联合分布律，也可直接求出()12E X X +，这是因为 ()()()1111011.EX P Y P Y P Y e -=⨯>+⨯≤=>=而 222,EX PY e -=>= 因此 ()121212.E X X EX EX e e --+=+=+不仅如此，我们还能求12,X X 其他函数的期望.例如求()12E X X ，此时，由于121, 2,0 .Y X X >⎧=⎨⎩若，其他故 ()()()()21212022.E X X P Y P Y P Y e -=⨯>+⨯≤=>=例4.2.10 设随机变量(),X Y 服从二维正态分布，其密度函数为()()22121,2x y f x y e π-+= 求随机变量Z .【思路】利用随机变量函数的期望的求法进行计算.。

概率论与数理统计-第3章-第2讲-二维离散型随机变量及其分布

求分布律方法：先定值再求概率
Y
X
0
1
2
3
0
0
0
1
0
2
0
取4只球 P{X 0,Y 0} P{X 0,Y 1} P{X 1,Y 0} P{X 3,Y 2} 0
14
03 二维离散型随机变量的边缘分布律
例盒子里装有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 表示取到红球的只数, 求(X, Y)的联合分布律.
主讲教师 |
18
由此得 X , Y 的联合分布律为
X Y
0
1
0
0
0
6
1
0
35
1
6
2
35
35
2
3
3
2
35
35
12
2
35
35
3 0
35
16
第2讲二维离散型随机变量及其分布
本节我们认识了二维离散型随机变量, 以及联合分布律和边缘分布律, 要求理解它们概念和性质, 并且会求相应的概率.
17
概率论与数理统计
学海无涯, 祝你成功！
3
本讲内容
01 二维离散型随机变量 02 联合分布律 03 二维离散型随机变量的边缘分布律
4
02 联合分布律
2.联合分布律
设( X ,Y )的所有可能的取值为
(xi , y j ), i, j 1,2,
则称
P( X xi ,Y y j ) pij , i, j 1,2,
为二维随机变量( X ,Y ) 的联合概率分布, 简称概率分布或分布律.
7
02 联合分布律已知联合分布律可以求概率

概率论与数理统计 --- 第三章{多维随机变量及其分布} 第二节：边缘分布

FX x P X x P X x ,Y F x , FY y P Y y P X ,Y y F , y
二、离散型随机变量的边缘分布律
概率论
பைடு நூலகம்
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,
(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
概率论
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
3 k 0 3
P{Y=3}= P X k ,Y 3=1/8+1/8=2/8.
k 0
概率论
X
0 1 2 3
Y
1 3 0 18 38 0 38 0
0 18
P X xi
18 38 38 18
P Y yj

68 28
我们常将边缘分布律写在联合分布律表格的边缘上，由此得出边缘分布这个名词.
则 (X, Y) 关于X 的边缘分布律为:

P X xi P X xi ,Y y j pij
X xi X xi ,Y y j j 1
(X,Y) 关于Y 的边缘分布律为:
j 1

i 1, 2 ,
概率论
f X ( x ) f ( x, y )dy x

概率论与数理统计课后答案北邮版(第三章)

习题三1.将一硬币抛掷三次，以 X 表示在三次中出现正面的次数，以 Y 表示三次中出现正面次数与出现反面次数之差的绝对值.试写出 X 和 Y 的联合分布律.【解】 X 和 Y 的联合分布律如表：X 0 1 23Y111 11321 1 1C 32228C 32223/ 831 01 1 1 182 2282.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 表示取到红球的只数 .求 X 和 Y 的联合分布律 .【解】 X 和 Y 的联合分布律如表：X 0123YC 32 C 22 3 C 33 C 122C 7435C 7435 1C 13 C 12 C 226 C 32 C 12 C 12 12C 33 C 12 2 C 435C 4 35C 4357772P(0 黑,2 红,2 白)=C 13 C 22 C 126 C 32 C 22 3 0C 22 C 22 / C 74 1C 7435C 7435353.设二维随机变量（ X ， Y ）的联合分布函数为π πF （ x ， y ） =sin x sin y, 0 x 2 ,0 y 20,其他 . 求二维随机变量（X ， Y ）在长方形域0 π πyπ 内的概率 .x,634【解】如图 P{0 Xπ πYπ4,}公式 (3.2)6 3π π F ( π π F (0, π F (0, πF ( , ) , ) 3) )4 3 4 6 6π π π π π π sinsinsin sin6sin 0 sinsin 0 sin434362(31). 4题 3 图说明：也可先求出密度函数，再求概率。

4.设随机变量（ X ，Y ）的分布密度A e (3x 4 y) ,x 0, y 0,f （x ， y ） =0,其他 .求：（ 1）常数 A ；（ 2）随机变量（ X ，Y ）的分布函数；（ 3） P{0 ≤X<1， 0≤Y<2}.【解】（ 1）由f ( x, y)dxdyAe -(3 x 4y )dxdyA 112得 A=12（ 2）由定义，有yxF ( x, y)f (u, v)dudvy y (3 u 4v)dudv (1 e3x)(1 e 4 y) y 0, x 0,0 12e0,其他0,(3) P{0 X 1,0 Y 2}P{0 X1,0 Y2}1 2 (3 x 4 y )dxdy (1 e 3)(1 e 8)0.9499.12e 05.设随机变量（ X ，Y ）的概率密度为f （x ， y ） =k (6 x y), 0x 2, 2 y 4,0,其他 .（ 1）确定常数 k ；（ 2）求 P{ X ＜1，Y ＜3} ；（ 3）求 P{ X<1.5} ；（ 4）求 P{ X+Y ≤4}. 【解】（ 1）由性质有f ( x, y)dxdy2 4x y)dydx 8k 1,0 k(62故1R8（2） P{ X1,Y 3}13f ( x, y)dydx1 31x3k(6y)dydx288 (3) P{ X 1.5}f (x, y)dxdy 如图 a f ( x, y)dxdyx 1.5D 11.5 4 1y)dy27dx(6 x .2832(4) P{ X Y 4}f ( x, y)dxdy 如图 b f ( x, y)dxdyX Y 42 4 x dx2D 21(6 x y)d y2 . 83题 5 图6.设 X 和 Y 是两个相互独立的随机变量，X 在（ 0，0.2）上服从均匀分布，Y 的密度函数为5e 5 y , y 0,f Y （ y ） =其他 .0,求：（ 1） X 与 Y 的联合分布密度；（ 2） P{ Y ≤X}.题 6 图【解】（ 1）因 X 在（ 0， 0.2）上服从均匀分布，所以X 的密度函数为1, 0 x 0.2,f X ( x)0.20, 其他 .而f Y ( y)5e 5 y , y0,0, 其他 .所以f (x ,y )X Y,独立 fX x( f) y ( )Y1 5e 5 y25e 5 y ,0 x 且 y0,0.20.20,其他 .0,(2) P(YX )f ( x, y)dxdy 如图 25e 5 y dxdyy xD0.2x0.2( 5e5x5)dx0 dx 25e-5ydy 0=e -10.3679.7.设二维随机变量（ X ， Y ）的联合分布函数为F （ x ， y ） =(1 e 4 x )(1 e 2 y ), x 0, y 0,0,其他 .求（ X ， Y ）的联合分布密度 .【解】 f (x, y)2F ( x, y) 8e (4 x 2 y) , x 0, y0,x y0,其他 .8.设二维随机变量（ X ， Y ）的概率密度为f （ x ，y ） =4.8y(2 x), 0 x 1,0 y x,0,其他 .求边缘概率密度 .【解】( )( , )df X xf x y yx4.8y(2 x)dy2.4x 2 (2 x), 0 x 1,=0,0,其他 .f Y ( y)f ( x, y) dx1x)dx2.4 y(3 4yy 2), 0 y 1,=4.8 y(2 y0,0,其他 .题8图题9图9.设二维随机变量（X， Y）的概率密度为e y , 0 x y,f（x， y） =0,其他 .求边缘概率密度.【解】()( , )df X x f x y y=xe y dy e x,x 0,0,其他.0,f Y ( y) f (x, y)dxye y dx ye x ,y 0,=0,其他.0,题 10图10.设二维随机变量（X， Y）的概率密度为cx2 y, x2y 1,f（ x，y） =其他 .0,（1）试确定常数 c；（2）求边缘概率密度 .【解】（ 1） f ( x, y)dxdy如图 f (x, y)dxdyD112ydy 4c 1.= dxx 2 cx-121 21得.c4(2) f X ( x) f ( x, y)dy221x2 ydy21x2 (1x4 ), 1 x 1,1x480,0,其他.f Y ( y) f ( x, y)dxy 21x2 ydx7 y25,0 y1,0,y420,其他.11.设随机变量（ X， Y）的概率密度为1, y x, 0 x1,f（ x， y）=0,其他 .求条件概率密度f Y｜X（ y｜ x）， f X｜Y（ x｜ y） .题 11图【解】()( ,)df X x f x y yx1dy2x, 0 x 1,x0,其他 .11y,1y0,1dxyf Y ( y) f ( x, y)dx11y,0y1,1dxy0,其他 .所以f ( x, y)1| y | x 1,,f Y |X ( y | x) 2 xf X (x)0,其他 .1,y x 1,1yf ( x, y)1,y x 1,f X |Y (x | y)1f Y ( y)y0,其他 .12.袋中有五个号码1， 2，3，4，5，从中任取三个，记这三个号码中最小的号码为X，最大的号码为 Y.（1）求 X 与 Y 的联合概率分布；（2） X 与 Y 是否相互独立？【解】（ 1） X 与 Y 的联合分布律如下表Y345P{ X xi }X1112233610C5310C5310C5310201122310C 5310C531030011110C5210P{ Y y i}136 101010(2)因P{X1}P{Y61611,Y3}, 3}10100P{ X1010故X与Y不独立13.设二维随机变量（X， Y）的联合分布律为X258Y0.40.150.300.350.80.050.120.03（1）求关于 X 和关于 Y 的边缘分布；（2） X 与 Y 是否相互独立？【解】（ 1） X 和 Y 的边缘分布如下表YX258P{ Y=y i } 0.40.150.300.350.80.80.050.120.030.2P{ X x }0.20.420.38(2) 因 P{ X 2} P{Y 0.4}0.2 0.8 0.160.15 P( X2, Y0.4),故X 与Y 不独立 .14.设 X 和 Y 是两个相互独立的随机变量，X 在（ 0，1）上服从均匀分布， Y 的概率密度为f Y （y ） = 1 e y / 2 ,y 0,2其他 .0,（ 1）求 X 和 Y 的联合概率密度；（ 2）设含有 a 的二次方程为a 2+2Xa+Y=0，试求 a 有实根的概率 .y1, 0 x 1, f Y ( y)1e 2, y 1,【解】（ 1）因 f X ( x)其他 ;20,0,其他 .故f ( x, y) X ,Y 独立 f X (x) f Y ( y)1 e y /2 0 x 1, y 0, 20, 其他 .题14图(2) 方程 a 22Xa Y 0 有实根的条件是(2X )24Y 0故X 2 ≥Y ，从而方程有实根的概率为：P{ X 2Y}f ( x, y)d xdyx 2y1 x 21e y/ 2dydx21 2 [(1)(0)]0.1445.15.设 X 和 Y 分别表示两个不同电子器件的寿命（以小时计），并设 X 和 Y 相互独立，且服从同一分布，其概率密度为f （ x ）=1000 ,x 1000,x20, 其他 .求Z=X/Y 的概率密度 .【解】如图 ,Z 的分布函数F Z(){}{ X}z P Z z P zY (1) 当 z≤0时，F Z(z)0（2）当 0<z<1 时，（这时当 x=1000 时 ,y= 1000） (如图 a) zF Z (z)1062 dxdy103dyyz1062 dxx2y103x2y x zyz= 103103106zy2zy3dyz2题15 图(3)当 z≥1时，（这时当 y=10 3时， x=10 3z）（如图 b）F Z (z)106dxdy3 dy zy1062 dxxx2y210103x2yyz=103106dy11 103y232zzy1 1 ,z1,2z即f Z ( z)z ,0z1,20,其他 .1,z1,2z2故 f Z ( z) 1 ,0z 1,20,其他 .16.设某种型号的电子管的寿命（以小时计）近似地服从N（160，202）分布.随机地选取4只，求其中没有一只寿命小于 180h 的概率 .【解】设这四只寿命为X i(i=1,2,3,4) ，则 X i~N（ 160， 202），从而P{min( X1, X 2 , X 3 , X 4 ) 180} X i之间独立 P{ X1 180} P{ X 2 180}P{ X3180} P{ X 4 180}[1P {X180} ][1P X {180}P] [1X{ 1 8P0} X] [1{180} ] 12344[1P{ X1180}] 4118016020[1(1)]4(0.158) 40.00063.17.设 X，Y 是相互独立的随机变量，其分布律分别为P{ X=k}= p（ k）， k=0， 1， 2，⋯，P{ Y=r}= q（ r）， r =0，1， 2，⋯.证明随机变量Z=X+Y 的分布律为iP{ Z=i}=p(k)q(i k) ，i=0，1，2，⋯.k 0【证明】因 X 和 Y 所有可能值都是非负整数，所以{ Z i} { X Y i }{ X 0, Y i} { X 1,Y i 1}{ X i, Y0}于是i iP{ Z i}P{ X k, Y i k} X ,Y相互独立P{ X k} P{ Y i k}k 0k 0ip(k )q(i k )k 018.设 X，Y 是相互独立的随机变量，它们都服从参数为n，p 的二项分布 .证明 Z=X+Y 服从参数为 2n， p 的二项分布 .【证明】方法一： X+Y 可能取值为0，1， 2，⋯， 2n.kP{ X Y k}P{ X i, Y k i}i 0kP( X i ) P{ Y k i} i0ki0 ki 0n i n i n k iq n k i ip q pk in n pk q2n ki k i2np k q2 n kk方法二：设μ, ，⋯μ′均服从两点分布（参数为n p），则1,μ2,⋯,μn;μ′,μ′12， Y=μ′+μ′ +⋯+μ′,X=μ1+μ2n12nX+Y=μ1+μ2+⋯+μn+μ1′+μ2′ +⋯+μn′,所以， X+Y 服从参数为（2n,p)的二项分布 .19.设随机变量（X， Y）的分布律为X012345Y000.010.030.050.070.09 10.010.020.040.050.060.08 20.010.030.050.050.050.06 30.010.020.040.060.060.05(1) 求 P{ X=2｜Y=2} ， P{ Y=3｜ X=0} ；（2）求 V=max （ X， Y）的分布律；（3）求 U =min （ X， Y）的分布律；（4）求 W=X+Y 的分布律 .【解】（ 1）P{ X 2 |YP{ X2,Y2}2}P{Y2}P{ X2,Y2}0.05150.25, P{ X i ,Y2}2 i0P{ Y3| XP{Y3, X0}0}P{ X0}3P{ X0, Y3}0.011 ;P{ X0, Y j}0.033 j0（ 2）P{V i} P{max( X ,Y )i} P{ X i ,Y i} P{ X i ,Y i}i1iP{ X i ,Y k}P{ X k ,Y i},i0,1, 2,3, 4, k0k0所以 V 的分布律为V=max( X,Y)012345P00.040.160.280.240.28(3)P{U i } P{min( X ,Y ) i}P{ X i ,Y i }P{ X i ,Y i}35i0,1, 2,3P{ X i,Y k}P{ X k,Y i}k i k i1于是U=min( X,Y)0123P0.280.300.250.17(4)类似上述过程，有W=X+Y012345678P00.020.060.130.190.240.190.120.05 20.雷达的圆形屏幕半径为R，设目标出现点（X， Y）在屏幕上服从均匀分布 .（ 1）求 P{ Y＞0｜Y＞X}；（2）设 M=max{ X， Y} ，求 P{ M＞ 0}.题20 图【解】因（ X， Y）的联合概率密度为1222f (x, y)πR2,x y R ,0,其他 .P{Y0, Y X }（1）P{Y 0|Y X}P{Y X}f (x, y)dy0y xf (x, y)dy xπR1r drdπR2π/ 405πR1r dr4 dπR2π/ 403/ 8 3 1/ 2;4(2) P{ M 0} P{max( X ,Y) 0} 1 P{max( X ,Y ) 0}1P{ X 0,Y 0} 1f ( x, y)d113 . x 04 4y 021.设平面区域 D 由曲线 y=1/x 及直线 y=0， x=1,x=e2所围成，二维随机变量（ X ，Y ）在区域 D 上服从均匀分布，求（ X ， Y ）关于 X 的边缘概率密度在 x=2 处的值为多少？题 21 图【解】区域 D 的面积为 S 0e 21dxln x 1e 2 2. （ X,Y ）的联合密度函数为1xf ( x, y)1 , 1 x e2 ,0 y 1 , 2 x0, 其他.（ X ， Y ）关于 X 的边缘密度函数为1/ x11 2f X ( x)dy, 1 xe ,0 22x0,其他 .所以 f X (2)1 .422.设随机变量 X 和 Y 相互独立，下表列出了二维随机变量（X ，Y ）联合分布律及关于X 和Y 的边缘分布律中的部分数值.试将其余数值填入表中的空白处 .Yy 1y 2y 3P{ X=x i }= p iXx 11/8x 21/8P{ Y=y j }= p j 1/612【解】因P{Y y j } P jP{ X x i ,Yy j } ,i 1故 P{Y y 1} P{ X x 1,Y y 1}P{ X x 2 ,Y y 1},从而 P{ X x 1,Y y 1}1 1 1 . 6824而 X 与 Y 独立，故{ } { }{ , } , P X x i P Y y jP X x i Y y i从而 P{ X x 1}1 P{ X x 1, Y y 1}1 . 624即： P{ X x 1}1 / 1 1 .24 6 4又 P{ Xx 1 } P{ X x 1, Yy 1} P{ X x 1 ,Y y 2} P{ X x 1,Y y 3},即11 1P{ X x 1,Y y 3},424 81从而 P{Xx 1,Yy 3 }.1 , 12 3同理 P{ Y y 2 }P{ X x 2 ,Y y 2 }28 31 1 1P{ Y y j }1 ,故 P{ Y y 3又} 12.j163同理 P{Xx 2} 3 .4从而P{ X x 2 , Y y 3} P{Y y 3} P{ X x 1,Y y 3 } 1 11 .3 124 故XYy 1 y 2 y 3P{ X x i } P ix 11111248124x 213138844P{ Y y j }p j111162323.设某班车起点站上客人数 X 服从参数为λ(λ>0) 的泊松分布，每位乘客在中途下车的概率为 p （ 0<p<1 ），且中途下车与否相互独立，以 Y 表示在中途下车的人数，求：（ 1）在发车时有 n 个乘客的条件下，中途有 m 人下车的概率；（2）二维随机变量（X ， Y ）的概率分布 .【解】 (1){ | } C mm(1 ) n m,0 , 0,1,2, .np pP Y m X nm n n(2) P{ X n, Y m}P{ X n} P{Ym | X n}C n m p m (1 p) n men, n m n, n 0,1,2, .n!24.设随机变量 X 和 Y 独立，其中 X 的概率分布为 X~1 2 ，而 Y 的概率密度为f(y)，0.30.7求随机变量 U=X+Y 的概率密度 g(u).【解】设 F （ y ）是 Y 的分布函数，则由全概率公式，知 U=X+Y 的分布函数为G (u) P{ X Yu} 0.3P{ X Y u | X 1} 0.7 P{ X Y u | X 2}0.3P{ Y u1|X 1} 0.7 P{Yu 2 | X2}由于 X 和 Y 独立，可见G (u) 0.3P{Yu 1} 0.7 P{Y u2}0.3F (u 1)0.7F (u 2).由此，得 U 的概率密度为g(u) G (u)0.3F (u 1) 0.7 F (u 2)0.3 f (u 1) 0.7 f (u 2).25. 设随机变量 X 与 Y 相互独立，且均服从区间[0,3] 上的均匀分布，求 P{max{ X,Y} ≤1}.解：因为随即变量服从 [0， 3]上的均匀分布，于是有10 x 3,1 0 y 3,f ( x),f ( y),330, x0, x 3;0,y 0, y 3.因为 X ，Y 相互独立，所以10 x 3,0 y 3,f (x, y),90, x 0, y 0, x 3, y 3.推得P{max{ X ,Y}11}.926. 设二维随机变量（ X ， Y ）的概率分布为X11 Y1 a 0 0.2 0 0.1 b 0.210.1c其中 a,b,c 为常数，且X 的数学期望 E(X)= 0.2,P{ Y ≤0|X ≤0}=0.5，记 Z=X+Y.求：（1） a,b,c 的值；（2） Z 的概率分布；（3） P{ X=Z}.解(1) 由概率分布的性质知，a+b+c +0.6=1即a+b+c = 0.4.由 E(X)0.2 ，可得a c0.1 .再由P{ X0, Y0}a b0.1P{Y 0X 0}a b0.5 ,P{X 0}0.5得 a b0.3 .解以上关于 a，b，c 的三个方程得a0.2,b 0.1,c 0.1 .(2)Z 的可能取值为 2， 1， 0， 1， 2，P{ Z2}P{ X1,Y1} 0.2，P{ Z1}P{ X1,Y0}P{ X0,Y1}0.1 ，P{ Z0} P{X1, Y1}P{ X0,Y0}P{ X1,Y1}0.3 ，P{ Z1}P{ X1,Y0}P{ X0,Y1}0.3 ，P{ Z2}P{ X1,Y1}0.1，即 Z 的概率分布为Z21012P0.20.10.30.30.1(3)P{ X Z}P{Y0} 0.1b0.20.10.10.20.4.27. 设随机变量X,Y 独立同分布 ,且 X 的分布函数为 F(x), 求 Z=max{X,Y} 的分布函数 .解：因为 X,Y独立同分布，所以 F X（ z） =F Y (z), 则 F Z（ z） =P{Z ≤ z}=P{X ≤ z， Y ≤ z}=P{x ≤z} · P{Y ≤ z}= ［F（ z）］2.28.设随机变量X 与 Y 相互独立， X 的概率分布为P{ X i }1,i1,0,1, 31,0 y1,Y 的概率密度为f Y( y)其他 .记 Z=X+Y.0,（1）求P{ Z 10}; | X2（2）求 Z 的概率密度f Z (z)分析题（ 1）可用条件概率的公式求解.题（ 2）可先求 Z 的分布函数，再求导得密度函数.1P{ X0, Z1}解(1)P{ Z0}2| XP{ X0}2P{ X0,Y1}P{ X0}2P{Y1}122（2）F Z (){}{} z P Z z P X Y zP{ X Y z, X 1}P{ X Y ,z X 0 }P{ X Y , z XP{ Y z 1, X1} P { Y z, X 0 } P {Y z 1, XP{ Y z 1} P{ X1} P{Y z} P{ X 0 } P {Y z 1} P { X1[P{Y z 1} P {Y z} P{ Y z 1} ]31Y Y[ F Y( z 1 ) F (z ) F (z 1 ) ]31f Z ( z)'[ Y f ( z 1 ) Y f (z ) Y f (z 1 ) ]F Z( z)31 ,1z 230,其他 .29.设随机变量 (X,Y) 服从二维正态分布,且 X 与 Y 不相关 ,f X (x),f Y (y) 分别表示 X,Y 的概率密度 ,求在 Y=y 的条件下 ,X的条件概率密度f X｜Y (x｜ y).解：由第四章第三节所证可知，二维正态分布的不相关与独立性等价，所以f(x,y)=f X (x)· F Y (y) ，由本章所讨论知，f ( x, y) f X ( x) f Y( y)f X / Y (x / y)f Y ( y)f X ( x) .f Y ( y)30.设二维随机变量(X,Y)的概率密度为2 x y, 0 x 1,0 y1,f ( x, y)0,其他.（1）求P{ X2Y};（2）求 Z=X+Y 的概率密度f Z( z) .分析已知 (X,Y)的联合密度函数，可用联合密度函数的性质 P{(X,Y)∈G} f ( x, y)dxdy解（ 1）； Z=X+Y 的概率密度函数可用先求Z 的分布函数再求导的G方法或直接套公式求解 .解（1）P{ X2Y} f ( x, y)dxdyx 2 y1x2(2x y) dydx0015x2 ) dx7.(x0824（2）( )( ,) ,z f x z x dxf Z其中 f ( x, z x)2x ( z x)0x1,0z x 1 0其他2z0x1,0z x10其他当 z 0或 z 2时，f Z( )0；z当 0z 1 时，f Z( z)zz)dx z(2z); 0(2当 1z 2 时，f Z( z)1(2z)dx(2z) 2 ,z1z(2z)0z1即 Z 的概率密度为f Z ( z)(2z) 21z20其他。

概率论与数理统计教程(茆诗松)第三章多维随机变量及其分布

P(X1=0, X2=1) = P(|Y|≥1, |Y|<2) = P(1≤|Y|<2) = 2[Φ(2) Φ(1)] = 0.2719
P(X1=1, X2=0) = P(|Y|<1, |Y|≥2) = 0
P(X1=1, X2=1) = P(|Y|<1, |Y|<2) = P(|Y|<1) = 0.6826
23 August 2021
华东师范大学
第三章多维随机变量及其分布
列表为：
X1 X2 0 1
0
0.0455 0
1
0.2719 0.6826
第13页
23 August 2021
华东师范大学
第三章多维随机变量及其分布
课堂练习
第14页
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.
第三章多维随机变量及其分布
第1页
第三章多维随机变量及其分布
§3.1 多维随机变量及其联合分布 §3.2 边际分布与随机变量的独立性 §3.3 多维随机变量函数的分布 §3.4 多维随机变量的特征数 §3.5 条件分布与条件期望
23 August 2021
华东师范大学
第三章多维随机变量及其分布
23 August 2021
华东师范大学
第三章多维随机变量及其分布
3.2.1 边际分布函数
第29页
巳知 (X, Y) 的联合分布函数为 F(x, y)，
则 X FX (x) = F(x, +),
Y FY (y) = F(+ , y).
23 August 2021

《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:

概率论与数理统计第3章

i
31
二维离散型随机变量的边缘分布
关于X的边缘分布列
X
x1
x2
x3
…
概率 P1.
P2.
P3.
…
pi P{X xi} pij
关于Y的边缘分布列
j
Y
y1
y2
y3
…
概率 P.1
P.2
P.3
…
p j P{Y y j} pij
32
i
16
2019-9-16
例1 设二维离散型随机变量（X,Y）的联合分布律为
30
15
2019-9-16
二维离散型随机变量的边缘分布
Y
X
y1
y2
y3
…
Pi.
x1
p11
p12
p13
…
P1.
x2
p21
p22
p23
…
P2.
x3
p31
p32
p33
…
P3.
…………… …
p.j p.1 p.2 p.3 …
关于X的边缘分布律关于Y的边缘分布律
pi P{X xi} pij
j
p j P{Y y j} pij
22
11
2019-9-16
第4节常见多维随机变量
23
1. 多项分布
在独立重复试验中，设每次实验必有A1, A2 , , Ar 之一发生，且事件Ai在每次实验中发生的概率为pi，记Xi为Ai出现的次数，则 X1, X 2 , , X r 的分布律为
P{X1 n1, X 2 n2 , , X r nr}
20
10
2019-9-16
(4) P{X Y} f (x, y)dxdy y x 0, y 0

天津理工大学概率论与数理统计第三章习题答案详解

第三章多维随机变量及其分布一、填空题1、随机点（x,y ）落在矩形域［%］ < X ≤乙，y ∣ < y ≤ y 2］的概率为F(X 2 ,J 2)- F(X 2 ,必)+ F(x 1,必)一厂(XQ2)・2、（X,V ）的分布函数为 ∕7（x, y ）,则 F （-∞∖ y ） = O .3、（X,y ）的分布函数为尸（x,y ）,则尸& + O,y ） = FV,y ）4、（X,y ）的分布函数为尸（x,y ）,则尸（国+8）= FX （%）5、设随机变量（X,Y ）的概率密度为 k(6 -X- y) 0<x<2, 2<y<41…」，则& 二一0 其它^8^÷x/ （X ） = 一 °0X∫f(χ, y)= <6、随机变量（x,y ）的分布如下，写出其边缘分布.8、二维正态随机变量（x,y）, X和y相互独立的充要条件是参数夕=Q.9、假如随机变量（x,y ）的联合概率分布为二、证明和计算题1、袋中有三个球，分别标着数字1,2,2,从袋中任取一球，不放回，再取一球，设第一次取的球上标的数字为X,其次次取的球上标的数字丫，求（x,y ）的联合分布律. P{X =2y Y = 1} = --- = - 3 2 3 P{X=2,y = 2} = -∙- = -3 2 32、三封信随机地投入编号为1,2,3的三个信箱中，设X 为投入1号信箱的信数，y 为投入2 号信箱的信数，求（x,y ）的联合分布律.则a,β应满意的条件是_a +β 1 8 1111 -6184 2 ；若X 与y 相互独立，则α= —，〃=— ^18^^18" 10、设x,y 相互独立，x~N （o,i ）,y~N （θ∙i ）,则（x,y ）的联合概率密度241 尸+厂 f(x.y)=-e 224z = x+y 的概率密度f z (Z) =12、设（ξ、η）的联合分布函数为FD = V λ +1 1 15777；F 所—核x≥O,y≥O则A=_l解：p{x = ι,y = i} = l∙oP{x = ι,y = 2} = (∙ι = ! 解：X 的可能取值为（）,123Y 的可能取值为（）,1,2,3p{x=o,y = o} = *3 C 2 3P{X=O,Y = ∖} = -^ P{X=0y Y = 2} = ^- = -^2=-"Γ°牛力=『g ⑺勿=1符合概率密度函数的性质，可以是二维连续型随机变量的概率密度函数。

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)。

例3.3 已知(X,Y)的分布律为
求(X,Y)关于X和关于Y的边缘分布律.
解：P{ X 0} P{ X 0, Y 0} P{ X 0, Y 1} 1 3 2 10 10 5 3 3 3 P{ X 1} P{ X 1, Y 0} P{ X 1, Y 1} 10 10 5 1 3 2 P{Y 0} P{ X 0, Y 0}P{ X 1, Y 0} 10 10 5 3 3 3 P{Y 1} P{ X 0, Y 1} P{ X 1, Y 1} 10 10 5
第三章随机变量的联合概率分布
3.1 3.2 3.3 3.4 3.5 二维随机变量分布律随机变量及其分布函数随机变量的独立性与条件分布 n维随机变量
3.1 二维随机变量
定义3.1 设X,Y是随机变量，则称向量(X,Y)为二维随机变量或二维随机向量。
定义3.2 设( X , Y )为二维随机变量, 则称 F ( x, y ) P{X x,Y y}
x y x y
F ( x, ) lim F ( x, y) 0; F ( , y) lim F ( x, y) 0
y x
性质3 F(x,y)关于x右连续,关于y右连续.
性质4 设x1 x2 , y1 y2 , 则 P{x1 X x2 , y1 Y y2 } F ( x2 , y2 ) F ( x1 , y2 ) F ( x2 , y1 ) F ( x1 , y1 )
注1 : 设( X , Y )为离散型随机变量, 则其分布律满足 : 1) pij 0, (i, j 1, 2,) 2) pij 1
i j
注2: 二维随机变量(X,Y)的分布律可以用如下的表格来表示，称为联合概率分布表.
定义3.5 称 P{ X xi } P{ X xi , Y y j }
所以P( X x1, Y y) P( X x2 , Y y)
即F ( x1 , y) F ( x2 , y)
同理,对于任意y1 y2 , 有F ( x, y1 ) F ( x, y2 )
性质2 F (, ) lim F ( x, y) 0; F (, ) lim F ( x, y) 1
y

A( B arctan x)(C ) 0 2 1 解得A 2 , B , C . 2 定义3.3 若二维随机变量的所有可能取值为有限对或可列无限多对时，则称为二维离散型随机变量.
定义3.4 设为二维离散型随机变量( X , Y )的取值为( xi , y j ), i, j 1, 2, , 且 P{ X xi , Y y j } pi j , (i, j 1, 2,) 称( X , Y )的联合分布律.
如果将二维随机变量(X,Y)视为平面上随机点的坐标，则分布函数F(x,y)在点(x,y)处的函数值就是随机点落在以点(x,y)为顶点且位于该点左下方的无界矩形域内的概率.
为( X , Y )的联合分布函数.
二维随机变量联合分布函数的性质
性质1 F(x,y)分别关于x和y单调不减.
证明:对于任意x1 x2 ,因为( X x1, Y y) ( X x2 , Y y)
j
为二维随机变量( X , Y )关于X 的边缘分布律, 记 pij p, 则
j
P{X xi } pi , (i 1, 2,)
类似地, 二维随机变量( X , Y )关于Y的边缘分布律 P{Y y j } pij p j ,( j 1, 2,)
注3: 二维随机变量(x,y)关于x和关于y的边缘分布律放在联合概率分布表中.
解 : P{X 0, Y 0} P{X 0}P{Y 0 X 0}
4 6 4
P{ X 0, Y 1} P{ X 0}P{Y 1 X 0}
10 9 15 6 4 4 P{ X 1, Y 0} P{ X 1}P{Y 0 X 1} 10 9 15 6 5 5 P{ X 1, Y 1} P{ X 1}P{Y 1 X 1} 10 9 15
注:如果一个二元函数具有上述四条性质，则该函数一定可以作为某个二维随机变量的分布函数.
例3.1 已知二维随机变量(X,Y)的分布函数为 F(x,y)=A(B+arctanx)(C+arctany) 求常数A,B,C.
解： lim F ( x, y ) lim A( B arctan x)(C arctan y )
x y x y
x
A( B )(C ) 1 2 2 lim F ( x, y) lim A( B arctan x)(C arctan y)
x

y
A( B )(C arctan y ) 0 2 lim F ( x, y) lim A( B arctan x)(C arctan y)

(X,Y)的分布律为
(X,Y)的分布函数.
x 0或y 0, 0, 2, 0 x 1, 0 y 1, 15 F ( x, y ) 6 , 0 x 1, y 1或x 1, 0 y 1, 15 1, x 1, y 1.
i
例3.2 箱子中装有10件产品，其中4件是次品，6件是正品，不放回地从箱子中任取两次产品，每次一个.定义随机变量
0, 第一次取到的是次品 0, 第二次取到的是次品 X ,Y 1, 第一次取到的是正品 1, 第二次取到的是正品
4 10 3 9 2 15
求(X,Y)的分布律以及分布函数.