概率与数理统计 第三章-2-二维离散型随机变量及其边缘分布
概率论与数理统计(第3版)(谢永钦)第3章 随机向量
概率论与数理统计
定义3.7 设X和Y是两个随机变量，如果对于任意实数x和y，事
件{X≤x}与{Y≤y}相互独立，即有P{ X≤x , Y≤y }=P{X≤x}P{Y≤y}，则称随 机变量X与Y相互独立。 设F(x,y)为二维随机变量(X,Y)的分布函数， (X,Y)关于X和关于Y的边缘分布 函数分别为FX(x)，FY(y)，则上式等价于
这正是参数为
的 分布的概率密度。
概率论与数理统计
概率论与数理统计
概率论与数理统计
概率论与数理统计
概率论与数理统计
概率论与数理统计
概率论与数理统计
X
X
Y
Y
概率论与数理统计
解: (1)串联情况
X
Y
概率论与数理统计
(2)并联情况
X
Y
感谢聆听 批评指导
概率论与数理统计
二维正态分布 若(X.,Y)的概率密度为
概率论与数理统计
4. n维随机变量
设E是一个随机试验,它的样本空间是=(e).设随机变量
是定义在同一样本空间上的n个随机变量，则称向
量
为n维随机向量或n维随机变量。简记为
设 数
为n维随机变量
是n维随机变量，对于任意实 ,称n元函数
的联合分布函数。
设(X,Y)的一切可能值为(xi,yj)，i,j=1,2,… ，且(X,Y)取各对可能值的概率为 P{X=xi，Y=yj}=pij， i,j=1,2,…
称上式为(X,Y)的（联合）概率分布或（联合）分布律.离散型随机变量(X,Y) 的联合分布律可用表3-1表示.
概率论与数理统计
(X,Y)的分布律也可用表格形式表示:
记作
或记为
.
概率论与数理统计教学课件-3-2边缘分布
边缘分布与联合分布的关系
联合分布
描述多个随机变量同时发生的概率分 布。
关系
对于离散型随机变量，边缘分布可以 通过求和联合分布中相应事件的概率 得到；对于连续型随机变量，边缘分 布可以通过积分联合分布得到。
边缘分布的几何意义
几何解释
在概率空间中，边缘分布描述了一个随机变量在固定其他随机变量取值时的概 率分布情况。
边缘分布的数学表达式为 $f(x) = frac{1}{b-a}$，其中 $a$ 和 $b$ 是给定的范围。
对于均匀分布，其概率密度函 数为 $f(x) = frac{1}{b-a}$，其 中 $a$ 和 $b$ 是随机变量 $X$ 的取值范围。这个表达式表示 在给定范围内，随机变量 $X$ 的取值是均匀分布的。
3
边缘分布的计算
对于超几何分布，其边缘分布就是抽取某一特定 类型的样本的概率。
04
边缘分布的应用场景
统计分析
描述性统计
在统计分析中，边缘分布用于描 述数据的基本特征，如均值、中 位数、众数等。这些统计量可以 帮助我们了解数据的集中趋势和 离散程度。
异常值检测
通过比较数据点与边缘分布的统 计量，可以检测出异常值，这些 值可能对数据分析产生重大影响。
在概率论与数理统计中，边缘分布在处理多维随机变量问 题时具有重要作用，可以帮助我们简化问题，提取所需的 信息。
下节预告
条件分布的概念
在概率论与数理统计中，条件分布是指在某个随机变量取值的条件下，其他随机变量的 概率分布。
条件分布的性质
条件分布具有依赖性，即条件分布的取值受其他随机变量的影响；同时，条件分布的取 值范围和概率密度函数形式与联合概率分布有关。
数据可视化
边缘分布可以用于绘制直方图、 箱线图等，帮助我们直观地了解 数据分布情况。
概率论与数理统计32边缘分布解析
y)
lim [
y
1
2
(arctan
x
2
)(arctan
y )]
2
1
2
(arctan
x
)
2
1
arctan
x
1, 2
- x
FY
(
y)
1
arctan
y
1 2
,
- y
设离散型二维随机变量(X,Y)的分布律为
P{ X xi ,Y y j } pij (i, j 1,2,).
则由联合分布函数与边缘分布函数、联合分布律关
( X ,Y )关于X的边缘分布函数.
定义：
二维随机变量 (X,Y)作为一个整体, 具有分布函
数 F x, y, 而 X 和 Y 都是随机变量 , 也有各自的分 布函数, 分别记为 FX x, FY y, 依次称为二维随机
变量 (X,Y) 关于 X 和 Y的边缘分布函数.
FX x PX x PX x,Y F x,
把第一行和最后一行拿出来就是Y的分布；把第一列 和最后一列拿出来就是X的分布。
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.
练习 袋中有2只白球和3只黑球，从中摸球，记
Xi
1, 第i次 摸 出 白 球 0, 第i次 摸 出 黑 球i
1,2,
试求 ( X1 , X 2 )的联合概率分布和边缘概率分
布。
解： （I）有放回摸球
X1
X2 0 1
0
33 55
32 55
1
23 22
5 55 5
PX2 ( y)
3 5
2 5
PX1 ( x)
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》课件3-2 二维离散型随机变量
++
(2)规范性
pij = 1
i =1 j =1
边缘分布律
+
P X = xi } = P X = xi ,Y < + } = P{X = xi , Y = yj }
j= 1
+
= pij = pi •
j= 1
(i = 1，2， )
+
} } P Y = yj = P X < + ,Y = yj = P{X = xi , Y = yj } i= 1
+
}=
j=1 P{X = xi , Y = yj } =
pij = pi • (i = 1，2，)
j= 1
+
+
P Y = yi } = P X + ,Y = yi } =
P{X = xi , Y = yj }=
pij =
p •j
(j
=
1，2， )
i =1
i =1
3.2- P63— 1 2 3
A
C
B
D
提交
P
XY
( X, Y)X xi }=P{X xi Y
},
j1
pj
pij P{Y yj } P{X
i1
i 1, 2, ,
j 1, 2, ,
Y yi },
pi p j (X,Y)
X
Y
.
Y X
y1
y2
yj
x1
p 11 p 12
x2
p 21 p 22
p1j
p2 j
xi
pp
i1
且满足P{X1X2 = 0} = 1，则 P X1 = X2 } = ( )。
【学习课件】第三章概率论与数理统计
解 确定随机变量的取值：
及F(2,2).
p i j P Xi,Yj
F ( x , y) = P { X x , Y y}
{ P X { X i , Y i } j } { Y { X j } i } { Y j } pij
P Y j|X iP X i
xi x yjy
为 X, Y的 分 布 函 数 ， 或 X与 Y的 联 合 分 布 函 数 。
X x ,Y y X x Y y
几 何 意 义 ： 分 布 函 数 Fx0,y0表 示 随 机 点 X,Y落 在 区 域
x,y,xx0,yy0
中 的 概 率 。 如 图 阴 影 部 分 所 示 ：
y
x0, y0
X＝xi ,Y y j
P X＝xi
pij , j＝1, 2, pi
为给定条件X xi时，Y的条件概率分布律。
3、条件概率分布律
给定条件Yyj时，X的条件概率分布律记作：
X|Yyj
P X＝xi |Yyj
pij ,i＝ 1, 2, pj
X |Y yj
P X |Y y j
x1
p1 j
X , Y ～P X＝xi, Y＝y j pij , i, j＝1, 2,
则称 P X＝xi | Y y j
P X＝xi ,Y y j P Y＝y j
pij , i＝1, 2, p j
为给定条件Y y j时，X的条件概率分布律；
P Y＝y j | X＝xi
P
= limPX x,Y y lim Fx, y
y
y
0, x 0; =x2, 0 x 1;
1, 1 x.
FYy PY yPX ,Y y
= limPX x,Y y limFx, y
《概率论与数理统计》第3章 二维随机变量及其分布
23 April 2012
第三章 多维随机变量及其分布
注意点
第32页
(1) X 与Y是独立的其本质是： 任对实数a, b, c, d，有
Pa X b, c Y d Pa X b Pc Y d
(2) X 与Y 是独立的，则g(X)与h(Y)也是独立的.
23 April 2012
0
=A/6
所以, A=6
23 April 2012
第三章 多维随机变量及其分布
第22页
例3.3.2
若
(X,
Y)
～
p( x,
y)
6e(2x3y) , 0,
x 0, y 0 其它
试求 P{ X< 2, Y< 1}.
23 April 2012
第三章 多维随机变量及其分布
第23页
y
解: P{ X<2, Y<1} p(x, y)dxdy
3.1.2 联合分布函数
定义3.1.2 (以下仅讨论两维随机变量)
任对实数 x 和 y, 称 F(x, y) = P( X x, Y y)
为(X, Y) 的联合分布函数.
注意：
F(x, y)为(X, Y)落在点(x, y)的左下区域的概率.
23 April 2012
第三章 多维随机变量及其分布
x1 x2 … xi …
23 April 2012
y1 y2 … yj …
p11 p12 … p1j … p21 p22 … p2j … … … ……… pi1 pi2 … pi j … … … ………
第三章 多维随机变量及其分布
第9页
联合分布列的基本性质
(1) pij 0, i, j = 1, 2,… (非负性)
概率论与数理统计-3.2边缘分布讲解
f (u, y)dudy
x
[ f (u, y)dy]du
y
FY ( y) F(, y)
f (x, v)dxdv
y
[ f (x,v)dx]dv
14
记
f X (x)
f (x, y)dy
fX (x) f (x, y)dy
1
21 2 1 2
exp[
2(1
1
2
)
(u
2
2uv
v
2
)]
2dv
1
21 1 2
exp{
2(1
1
2
)
[(u
2
2u
2
)
(
2u
2
2
uv
v
2
)]}dv
1
e
u2 2
每次取一个球，在放回和不放回的情况下. 令
1 第一次取到黑球
1 第二次取到黑球
X 0 第一次取到白球, Y 0 第二次取到白球,
求(X,Y)的联合分布律及边缘概率分布
解 在不放回抽样下（上节课例题），列表如下：
XY 0
1
Pi.
0 6/20 6/20 3/5
1 6/20 2/20 2/5
y)
F (,
y)
lim
x
F ( x,
y)
注意：由联合分布可以决定边缘分布，反过来，由 边缘分布决定不了联合分布。但当分量独立时就可 以决定。
概率论与数理统计课件3-2边际分布和条件分布
解
由上述分布律的表格可得
P{ X 1,Y 0} 0.030 , P{Y 0 X 1} 0.045 P{ X 1} P{ X 1,Y 1} 0.010 , P{Y 1 X 1} 0.045 P{ X 1} P{ X 1,Y 2} 0.005 , P{Y 2 X 1} 0.045 P{ X 1}
Y 的条件概率密度为 1 , 0 x y 1, fY X ( y x ) 1 x 0, 其它.
因此 X 和 Y 的联合概率密度为 f ( x , y ) fY X ( y x ) f X ( x )
1 , 0 x y 1, 1 x 0, 其它. 际 故得Y 的边缘概率密度
P { X xi , Y y j } P {Y y j }
pij p j
, i 1, 2,
为在给定Y y j 条件下 X 的条件分布列.
同理，对于一切使P{ X xi } pij pi 0的 xi , 则称
j 1
p j i P{Y y j X xi }
边际分布 联合分布 条件分布 联合分布
设( X , Y ) 在圆域 x 2 y 2 1 上服从均匀分布, 求条 例3 件概率密度 f X Y ( x y ).
解 由题意知随机变量( X ,Y ) 的概率密度为
1 π , x 2 y 2 1, f ( x, y) 0, 其它,
二
1.边际分布
边际分布和条件分布
问题：已知二维随机变量 (X, Y) 的分布， 如何求出 X 和 Y 各自的分布？
边际分布函数
已知 (X, Y) 的联合分布函数为 F(x, y)，
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
二维离散型随机变量边缘分布率求解步骤
二维离散型随机变量边缘分布率求解步骤下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢！本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注！Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!二维离散型随机变量边缘分布率求解步骤在概率论与数理统计中，二维离散型随机变量的边缘分布率求解是一个重要的概念。
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
西北工业大学《概率论与数理统计》课件-第3章多维随机变量及其分布
第三章多维随机变量及其分布关键词：二维随机变量分布函数分布律概率密度边缘分布函数边缘分布律边缘概率密度条件分布函数条件分布律条件概率密度随机变量的独立性Z=X+Y的概率密度Z=Y/X及Z=XY的概率密度M=max(X,Y)及N=min(X,Y)的概率密度例：研究某一地区学龄儿童的发育情况。
仅研究身高H 的分布或仅研究体重W 的分布是不够的。
需要同时考察每个儿童的身高和体重值，研究身高和体重之间的关系，这就要引入定义在同一样本空间（即某地区全部学龄前儿童）的两个随机变量。
问题的提出实际中，某些随机试验的结果需要同时用两个或两个以上的随机变量描述例：研究某种型号炮弹的弹着点分布。
每枚炮弹的弹着点位置需要由横坐标和纵坐标来确定，而它们是定义在同一样本空间的两个随机变量。
一、二维随机变量的定义设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。
S ey()()(),X e Y ex(X,Y)的性质不仅与X及Y有关，还依赖于X,Y间的相互关系，需将(X,Y)作为整体研究二、二维随机变量的分布函数设(X ,Y )是二维随机变量，对于任意实数x , y ，二元函数称为二维随机变量(X ,Y )的分布函数，或称为随机变量X 和Y 的联合分布函数。
{}(,)()()(,)F x y P X x Y y P X x Y y =≤≤==≤≤ 记成1、定义：若将(X ,Y )看成平面上随机点的坐标，则F (x ,y )在(x ,y )处的函数值即为随机点落在(x ,y )左下方无穷域内的概率2、几何意义：(X ,Y )落在矩形区域[x 1<x ≤x 2, y 1<y ≤y 2]上的概率为x 1x 2yy 1y 20xy(x,y )1212(,)P x x x y y y <≤<≤()()()()22211211,,,,F x y F x y F x y F x y --+=3、性质：1212,(,)(,)y x x F x y F x y <⇒≤任意固定当x 1x 2(x 1,y )(x 2,y )yy 2xy 1(x ,y 1)(x ,y 2)1212,(,)(,)x y y F x y F x y <⇒≤任意固定0(,)1F x y ≤≤ (,)0 (,)0(,)0,(,)1y F y x F x F F -∞=-∞=-∞-∞=+∞+∞=对任意固定，对任意固定，(1) 不减性:F (x , y )关于x , y 单调不减，即(2) 有界性:且(3) 右连续性0(,)(,)lim F x y F x y εε+→+=0(,)(,)lim F x y F x y εε+→+=(),,F x y x y 关于右连续，即：()222112111212(,)(,)(,)(,),0F x y F x y F x y F x y P x X x y Y y --+=<≤<≤≥ 1x 2x 1y 2y 01212,,x x y y <<若则22211211(,)(,)(,)(,)0F x y F x y F x y F x y --+≥(4)三、二维离散型随机变量及其分布律1、定义：,,,,21m x x x X 的可能值为设,,,,21n y y y Y 的可能值为中心问题：(X ,Y )取这些可能值的概率分别为多少？若二维随机变量（X ,Y ）所有可能的取值是有限对或可列无限对，则称（X ,Y ）是二维离散型随机变量。
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
《概率论与数理统计》三
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,)
性
1 0 pij 1,
质
2
pij 1.
j1 i1
分
布
函 F ( x, y) pij
数
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.
二维离散型随机变量
多维随机变量及其分布
二维离散型随机变量
1.2 二维离散型随机变量的边缘分布律
因此， (X ，Y) 关于 X 和关于Y 的边缘分布律如表 3-5 所示．
表 3-5X01Y01pi
2 5
3 5
pj
2 5
3 5
概率论与数理统计
多维随机变量及其分布
所以， (X ，Y) 的分布律如表 3-2 所示．
Y
0
1
X
2
4
0
15
15
4
1
1
15
3
由二维随机变量的分布函数的定义可知， (X ，Y) 的分布函数为
0 ， x 0 或 y 0 ，
2
，
0
F (x ，y) 125， 0
5
x 1，0 x 1，y
y 1， 1 或 x 1，0
概率论与数理统计
多维随机变量及其分布
二维离散型随机变量
1.1 二维离散型随机变量的概念与分布律
定义 1 若二维随机变量 (X ，Y) 所有可能取的值为有限对或可列无限 多对，则称 (X ，Y) 为二维离散型随机 变量．
显然，当且仅当 X 和Y 都是离散 型随机变量时，(X ，Y) 才是二维离散 型随机变量．
p1j
j 1
p2 j
p2 j
j 1
xi
pi1
pi 2
pij
pij
j 1
P{Y yj}
pi1
pi2
pij
1
i 1
i 1
i 1
多维随机变量及其分布
二维离散型随机变量
1.2 二维离散型随机变量的边缘分布律
例 2 已知 (X ，Y) 的分布律如表 3-4 所示，求 (X ，Y) 关于 X 和关于Y 的边缘分布律．
- 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)。
X与Y的联合概率分布一般用表格表示：
Y X
x1 x2 M xi M
y1 y2 L y j L
p11 p12 L p1 j L p21 p22 L p2 j L
M M MM M
pi1 pi2 L pij L
M M MM M
例2.1 从装有3个黑球，2个红球，2个白 球的盒子中，任取4个，设X，Y 分别表示取 得的黑球与红球数，求X和Y的联合分布。
求:随机向量(X, Y)的概率分布及边缘分布。
解：(X,Y)所有可能取的值是： (0,0),(0,1),(1,0),(1,1)。
Y
X
0
1
Pi·
0
7/15 7/30
7/10
1 7/30 1/15
3/10
P·j
7/10 3/10
分布函数为：
F (x, y) P{X x,Y y}
1•
7 30
1
•15
定义2.1 离散型随机向量 (X, Y) 的可能 取值为(xi , yj) , i , j=1,2, …，则称:
P X xi ,Y y j pij , ( i, j 1, 2, ...)
为离散型随机向量 (X, Y) 的概率分布，也 称为X与Y的联合概率分布。
※ X x,Y y (X ,Y) (x, y) X x Y y
P{X xi Y yj }
P
X xi I
j
Y yj
P
X xi ,Y yj
j
j
P{X xi,Y yj} pij , (i 1, 2,L )
j
j
同理：P{Y=yj}= pij , j 1,2,L
所以，有
i
X Y y1 y2 … yj …
pi•
x
p11 p12 … p1j …
2. (X,Y)的概率分布的充分必要条件：
(1) pij≥0
(2) 1 pij
ij
3. 由概率分布可以确定分布函数:
F(x, y) P{X x, Y y}
PX xi ,
Y
y
j
pij
xi x y j y
xi x y j y
F (x, y) P{X x,Y y} pij xi x y j y
1/16 1/16 1/16 1/16 1/4
P·j 25/48 13/48 7/48 1/16
PP{{XX21,,YY 11}}
(3) P{X=Y}= 25/48 PP{{XX21}}PP{{YY11XX 21}
P{X>Y}= 23/48
11 11 1 44 2 8
小结
本讲介绍了二维随机向量的基本概念，包 括联合分布函数及其性质，二维离散型随机向 量的联合概率分布及其性质.
p1 j
1x
p21 p22 … p2j …
j
p2 j
2M
xi
MM M
pi1 pi2 … pij …
j
M
pij
M MM M
j
M
p• j
pi1
pi2 L
pij L
i
i
i
1
例2.2 设有10件产品，其中7件正品，3 件次品。现从中任取两次，每次取一件，取 后不放回。 令:
X=1：若第一次取到的产品是次品， X=0：若第一次取到的产品是正品， Y=1：若第二次取到的产品是次品， Y=0：若第二次取到的产品是正品。
概率论与数理统计
张保田
第三章 二维随机变量及其分布
第二节
二维离散型随机向量及其边缘分布
如果随机向量 (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 机向量。
二维离散型随机向量 (X, Y) 所有可能取 的值为有限个，或可列无穷个。
对二维离散型随机向量 (X, Y)，我们主 要讨论其所有可能取值及其相应的概率 ——概率分布。
作业：习题A(P74) 1-4
解：联合分布为：P X
Y0 1
10,Y 2210 2
00CC311C7744 21315365
X
00
10
3
2 35
0
6
35 12
35
1 35 6 35 3 35
2
2
3 35
35
0
※ 1. P{(X, Y)=(xi,yj)}= P{X= xi,Y=yj}
=P{(X= xi) ∩（Y=yj）}
(1) 随机向量(X,Y)的概率分布；
(2) 随机变量X,Y的边缘概率分布；
(3) P{X=Y} ,P{X>Y} 的概率.
解：(1) 随机向量(X,Y)的概率分布为
解 (1) (2)
Y X
1 2 3 4
1234
Pi·
1/4 0 0 0 1/4
1/8 1/8 0 0 1/4
1/12 1/12 1/12 0 1/4
4. 二维离散型随机向量(X,Y)的边缘分布
离散型随机变量X ,Y 的概率分布,称为 随机向量(X, Y)的边缘概率分布。
※ X和Y的边缘分布 , 就是一维随机变
量X和Y的分布 ，之所以称其为边缘分布是
相对于(X,Y)的联合分布而言的.
因为P{X=xi}= PP{{XX== xxii ,,W-∞ <Y < +∞
7
7
0•15 •1 30
0 x0或y0
7 0 x 1,0 y 1
15 77 15 30
0 x 1 ,1 y
77 15 30
1 x,0 y 1
1
1 x ,1 y
例2.3 设随机变量X在1, 2, 3, 4四个整数 中等可能地取值，随机变量Y在1~X中等 可能地取一整数值，试求 :