第四章 多维随机变量及其分布
在上一章中,我们研究了单一的随机变量,引出了刻划它的概率特性的若干概念和性质,从而使描述随机现象变得清晰而简洁。但是在许多随机试验中,每次试验的结果需要同时使用几个随机变量来表达。例如,要考察一次射击的弹着点时,需要用两个量(纵坐标、横坐标)来表示。又如,在考察一个“服务台”的情况,需要同时考察每个“顾客”到达时刻、等待时间和被服务的时间,等等。
这样对于每个样本点,试验结果必须用一个随机向量 (X1(ω),X2(ω),...,Xn(ω))∈Rn 来表示。对于这样的随机向量,不仅要研究各自的特性,又要研究它们之间的各种关系,后者有时尤为重要,因此需将它们作为整体来研究。
§1 多维随机变量及其分布
前面我们讨论的随机试验中单独的一个随机变量,又称为一维随机变量;然而在许多实际问题中,常常需要同时研究一个试验中的两个甚至更多个随机变量。 例如 E:抽样调查15-18岁青少年的身高X与体重Y,以研究当前该年龄段青少年的身体发育情况。
Ω X=X(ω) X(ω) ω Ω Y=Y(ω) ω Y(ω)
一、多维随机变量及其分布函数的概念 定义 如果每次试验的结果对应着一组确定的实数(ξ1,…,ξn),它们是因随机试验结果不同而变化的n个随机变量,并且对任何一组实数x1,…,xn,事件“ξ1≤xl,…,ξn≤xn”有着确定的概率,则称n个随机变量的整体(ξ1,…,ξn)为一个n维随机变量(或n维随机向量)。
F(x1,…..,xn)=P(ξ1≤x1,…,ξn≤xn) 其中(x1,…..,xn) ∈Rn 为n维随机变量(ξ1,…,ξn)的联合分布函数或分布函数。
类似于一维的场合,可以证明n维随机变量的分布函数的一些性质;
不过此时我们需要研究的不仅仅是X及Y各自的性质, 更需要了解这两个随机变量的相互依赖和制约关系。 在这一章中,我们以后着重研究二维随机变量及其分布,更高维随机变量的情况于二维随机变量相类似。 不过此时我们需要研究的不仅仅是X及Y各自的性质, 更需要了解这两个随机变量的相互依赖和制约关系。
因此,我们将二者作为一个整体来进行研究,记为(X,Y),称为二维随机向量。 X=X(ω) Ω X(ω) ω Y=Y(ω) Y(ω) 类似于对一维R.v.的学习,对于二维随机变量,我们也将讨论如何通过分布函数、分布律及概率密度等概念来描述其取值的概率规律性,并认识几种常见的分布。
可能取哪些值? 取这些值的概率分布情况? 二维随机变量(X,Y)的取值可看作平面上的点 (x,y) A (a,b) 下列表示的都是随机事件: {(X,Y)=(a,b)},{X=a,Y=b} {X<a,Y≤b}, {(X,Y) D}等 研究二维R.v.的中心问题: 可能取哪些值? 取这些值的概率分布情况?
例1 袋中2白球3黑球,从其中随机地取两次,每次取一只,在不放回抽样下,记X、Y分别为第一、第二次取到的黑球个数。 (0,0),(0,1),(1,0),(1,1) P{(X,Y)=(0,0)}= ? ? P{两次都取到白球} … …
几何意义 (X,Y)平面上的随机点。 随机点(X,Y)落在以 点(x,y)为顶点而位于该 点左下方的无穷矩形域 G内的概率。
2)0F(x,y)1,且F(+,+)=1, F(-,-)=F(-,y)=F(x,-)=0 二维随机变量(X,Y)的分布函数F(x,y)的性质 1 ) F(x,y)分别关于x和y为不减函数。 2)0F(x,y)1,且F(+,+)=1, F(-,-)=F(-,y)=F(x,-)=0 3) F(x,y)=F(x+0,y),F(x,y)=F(x,y+0) 即F(x,y)分别关于x和y右连续。 4) P{x1Xx2,y1Yy2}=F(x2,y2)-F(x2,y1) - F(x1,y2)+ F(x1,y1)0 (即为随机点(X,Y)落在矩形{x1Xx2,y1Yy2}中的概率)
=F(x2,y2)-F(x2,y1)-F(x1,y2)+F(x1,y1)0 P(x1Xx2,y1Yy2) =F(x2,y2)-F(x2,y1)-F(x1,y2)+F(x1,y1)0
二、离散型随机变量 1、定义 若二维 R.v.(ξ,η)的所有可能的取值是有限对或可列无限对,则称(ξ,η )是二元离散型随机变量。 中心问题:① (ξ,η)可能取哪些值? ② 它取这些值的概率分别 为多少?
(xi,yj)
P{ξ =xi,η =yj}= pij (i,j=1,2,……) 2、二维D.R.v.(ξ,η)的分布律 表达式形式: P{ξ =xi,η =yj}= pij (i,j=1,2,……) 表格形式: η y1 y2 y3 ... ξ x1 p11 p12 p13 ... x2 p21 p22 p23 ... 满足1)
3、由分布律求联合分布函数 显然 F(x,y)=P{Xx,Yy}= 也就是把X取值中小于等于x的xi同时Y取值中小于等于y的yj所对应的所有的pij都加起来! 你能否想象得出,二元函数F(x,y)的图形是什么样子??
(xi,yj) (x,y)
三、二维连续型随机变量
下面主要研究概率密度函数f(x,y) 1、定义:若存在非负函数f(x,y),使对任意实数x,y,二维随机变量(X,Y)的分布函数 这是一个广义 的二次积分耶! 则称(X,Y)是连续型二维随机变量。f(x,y)称为二维随机变量(X,Y)的概率密度函数, 也称为随机变量X和Y的联合概率密度函数。 下面主要研究概率密度函数f(x,y)
2、f(x,y)的性质: 几何解释? 即二维随机点(X,Y)落在平面区域G内的概率P{(X,Y)∈G}之值等于以G为底,以曲面z=f(x,y)顶的曲顶柱体体积
例2 一盒圆珠笔芯,其中有3支蓝笔芯,2支红笔芯,4支黑笔芯,从中随机抽取2支,设X表示取出的蓝笔芯数,Y表示取出的红笔芯数,求(1)(X,Y)的联合分布律; (2) P{X+Y≤1};(3)P{X+Y≤1|X=0}。 解:(1)X,Y的所有可能取值为0,1,2. P00=P{X=0,Y=0}表示取出的2支笔芯全是黑笔芯的概率。从全部9支笔芯中任取2支,有36种方法,而从4支黑笔芯中取一支共有6种方法,因而P00=6/36,类似地,可以算出其它各种情形的概率,列成表如下:
X Y 0 1 2 0 6/36 8/36 1/36 1 12/36 6/36 0 2 3/36 0 0 (2) P{X+Y≤1}=P{X=0,Y=0}+P{X=0,Y=1} +P{X=1,Y=0} =P00+P01+P10 =6/36+8/36+12/36 =13/18
(3)P{X+Y≤1|X=0}= P{X+Y≤1,X=0}/P{X=0} =(P{X=0,Y=0}+P{X=0,Y=1})/P{X=0} 而P{X=0}=P{X=0,Y=0}+P{X=0,Y=1} +P{X=0,Y=2} =6/36+8/36+1/36=5/12 所以P{X+Y≤1|X=0}= (7/18)/(5/12)=14/15
例3 设二维随机变量(X,Y)的联合分布函数为 其中A,B,C为常数,试求 (1) A,B,C的值; (2) (X,Y)的联合密度函数; 解:由联合分布函数的性质,有
(2) (X,Y)的联合概率密度函数为
例4 设二维随机变量(X,Y)的联合密度函数为 其中A为常数,试求(1)A的值;(2)(X,Y)的联合分布函数;(3)P{X+Y≤2};(4)P{X<Y}.
例5 设二维随机变量(X,Y)的联合密度函数为 Y=x2 其中k为常数,试求(1)k的值; (2)P{Y<X/2}. D D0 X 解(1)如图仅在区域D上有
(2)将(X,Y)看成是平面上随机点的坐标,事件{Y<X/2}={(X,Y)∈D0} ,其中D0是直线y=x/2与上面区域D相交的下方的有界区域。因此,有