概 率 论
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 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 M=max(X,Y)的概率密度 N=min(X,Y)的概率密度
§1 二维随机变量 问题的提出 例1: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 样本空间的两个随机变量。 例2: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。
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 e 定义: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。
分布函数 的性质 x1 x2 (x1,y) (x2,y) y y2 x y1 (x,y1) (x,y2)
x2 y1 x1 y2
二维离散型随机变量 定义:若二维随机变量(X,Y)全部可能取到的不同值是有 限对或可列无限对,则称(X,Y)是离散型随机变量。 y1 y2 … yj X Y p11 p12 p1j p21 p22 p2j pi1 pi2 pij 离散型随机变量的联合概率分布: 为二维离散型随机变量(X,Y)的联合概率分布。 可以用如右表格表示:
分布律的性质 例1:设随机变量X在1、2、3、4四个整数中等可能地取 一个值,另一个随机变量Y在1~X中等可能地取一 整数值,试求(X,Y)的联合概率分布。 解:(X=i,Y=j)的取值情况为:i=1,2,3,4; j取不大于i的正整数。 Y X 1 2 3 4 ¼ ⅛ 即(X,Y)的联合概率分布为:
二维连续型随机变量
例3:设二维随机变量(X,Y)具有概率密度:
例4:设二维随机变量(X,Y)具有概率密度 (1) 求常数k;(2) 求概率 解: 1
§2 边缘分布 二维随机变量(X,Y)作为整体,有分布函数 其中X和Y都是随机变量,它们的分布函数 记为: 称为边缘分布函数。 事实上,
对于离散型随机变量(X,Y),分布律为 X,Y的边缘分布律为: 注意: … p11 p12 p1j p1· p21 p22 p2j p2· pi1 pi2 pij pi · X Y y1 y2 yj p·1 p·2 p.j 1 注意:
对于连续型随机变量(X,Y),概率密度为 X,Y的边缘概率密度为: 事实上, 同理:
0.025 0.35 0.04 Y X 10 20 1 2 0.020 0.10 0.25 0.15 X 2 1 0.370 0.415 0.215 p Y 20 10 0.315 0.395 0.290 p
解: (1) 由分布律性质知 a+b+0.6=1 即a+b=0.4 例2:(X,Y)的联合分布律为 求:(1)a,b的值; (2)X,Y的边缘分布律; (3) Y X -1 1 0.2 0.1 a 2 b 解: (1) 由分布律性质知 a+b+0.6=1 即a+b=0.4 (2) X 1 0.4 2 0.6 Y 0.3 0.5 -1 0.2
例3:设G是平面上的有界区域,其面积为A,若二维随机 变量(X,Y)具有概率密度 则称(X,Y)在G上服从均匀分布。 现设(X,Y)在有界区域 上均匀分布,其概 率密度为 求边缘概率密度 解:
§3 条件分布 由条件概率公式可得: 当i取遍所有可能的值,就得到了条件分布律。
定义:设(X,Y)是二维离散型随机变量, 对于固定的yj, 同样,对于固定的xi,
例1:盒子里装有3只黑球,4只红球,3只白球,在其中 任取2球,以X表示取到黑球的数目,Y表示取到红球 的只数。求 (1)X,Y的联合分布律; (2)X=1时Y的条件分布律; (3) Y=0时X的条件分布律。 解:X, Y的联合分布律为 X Y 1 2 1/15 4/15 2/15 3/15
X Y 1 2 1/15 4/15 2/15 3/15 故在X=1的条件下,Y的分布律为: Y 1 2 3/7 4/7 同理P(Y=0)=1/5,故在Y=0的条件下,X的分布律为: X 1 2 1/5 3/5
击直中目标两次为止,设以X表示首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 合分布律和条件分布律。 解: 例2:一射手进行射击,击中目标的概率为 射 击直中目标两次为止,设以X表示首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 合分布律和条件分布律。 解:
例3:设参加考研的学生,正常发挥的概率为a,超常发挥的概率为b,发挥失常的概率为c,a+b+c=1。设某班有10人参加考研,发挥正常的人数为X,发挥超常的人数为Y。求 (2)P(X+Y>1); (3)在Y=3的条件下,X的分布律。 解: (1)X, Y的联合分布律为
定义:条件分布函数
定义:条件概率密度
也就是,由 事实上,
条件概率密度的直观意义:
于是给定y(-1<y<1),X的条件概率密度为: 例4:设二维随机变量(X,Y)在区域 内均匀分布,求条件概率密度 解: 根据题意,(X,Y) 的概率密度为: Y的边缘概率密度为: 二维均匀分布的条件 分布仍为均匀分布 于是给定y(-1<y<1),X的条件概率密度为:
§4 相互独立的随机变量
例1:§1例2中X和Y是否相互独立?即(X,Y)具有概率密度
X Y 1 P(X=j) 2 P(Y=i) X Y 1 P(X=j) 2 P(Y=i)
一般n维随机变量的一些概念和结果
边缘分布 如:
相互独立
定理1: 定理2:
§5 两个随机变量的函数的分布
例3:设X和Y是相互独立的标准正态随机变量,求 的概率密度。 解:由卷积公式: 一般:设X,Y相互独立,
例4:X,Y相互独立,同时服从[0,1]上的均匀分布,求 的概率密度。 解:根据卷积公式: x x=z z 1 2 x=z-1 易知仅当 参考图得:
例5:设X,Y相互独立、服从相同的指数分布,概率密度 为: 求 的概率密度。 解:根据卷积公式:
一般的,可以证明: 若X,Y相互独立,且分别服从参数为 X,Y的概率密度分别为 证明:这是例3的推广,由卷积公式 由此可知:
推广到n个相互独立的随机变量的情况 设X1,X2,…,Xn是n个相互独立的随机变量,它们的分布函数分别为: 则:
例7:设系统L由两个相互独立的子系统L1,L2联结而成,联 结的方式分别为:(1)串联;(2)并联; 如图,设L1,L2的寿命分别为X,Y,已知它们的概率 密度分别为: 试分别就以上三种联结方式写出L的寿命Z的概率密度。 X Y L1 L2
串联的情况 由于当L1,L2中由一个损坏时,系统L就停止工作,所以L的寿命为Z=min(X,Y); 而X,Y的分布函数分别为: 故Z的分布函数为: 于是Z的概率密度为: L1 L2 即Z仍服从指数分布
L1 L2 并联的情况 由于当且仅当L1,L2都损坏时,系统L才停止工作,所以这时L的寿命为Z=max(X,Y),Z的分布函数为: 于是Z的概率密度为:
L1 L2 备用的情况 由于这时当系统L1损坏时,系统L2才开始工作,因此整个系统L的寿命Z是L1,L2寿命之和,即Z=X+Y; 因此:
复习思考题 3 1.设(X,Y)为二维向量, 则P{x1<X≤x2,y1<Y≤y2}=F(x2,y2)-F(x1, y1),对吗? 2.设(X,Y)为二维连续量,则P{X+Y =1}=0,对吗? 3.(X,Y)为二维连续型向量,f(x,y)为(X,Y)的联合概率密度, fX(x)和fY(y)分别为关于X和Y的边缘概率密度,若有一点(x0,y0)使 f(x0,y0)≠ fX(x0)·fY(y0)则X和Y不独立,对吗?
第四章 随机变量的数字特征 关键词: 数学期望 方差 协方差 相关系数
的分布函数外,更关心的是随机变量的某些特征。 问题的提出: 在一些实际问题中,我们需要了解随机变量 的分布函数外,更关心的是随机变量的某些特征。 例: 在评定某地区粮食产量的水平时,最关心的 是平均产量; 在检查一批棉花的质量时,既需要注意纤维的 平均长度,又需要注意纤维长度与平均长度的 偏离程度; 考察杭州市区居民的家庭收入情况,我们既知 家庭的年平均收入,又要研究贫富之间的差异 程度。
§1 数学期望 定义: 数学期望简称期望,又称均值。
例1:
例2:有2个相互独立工作的电子装置,它们的寿命 服从同一指数分布,其概率密度为: 若将这2个电子装置串联联接 组成整机,求整机寿命N(以小时计)的数学期望。 解: 是指数分布的密度函数 只要求出一般指数分布的期望(即E(X1)),就可得到E(N). 问题:将2个电子装置并联联接组成整机, 整机寿命的期望又是多少?
例3:设一台机器一天内发生故障的概率为0.2,机器发生 故障时全天停工。若一周5个工作日里无故障,可获 利10万元;发生一次故障获利5万元;发生2次故障 获利0元,发生3次或以上故障亏损2万元,求一周内 期望利润是多少? 解:设X表示一周5天内机器发生故障天数, 设Y表示一周内所获利润,则 Y -2 0 5 10 P 0.057 0.205 0.410 0.328
例4:
例5:
例6:
例7:设随机变量(X,Y)的概率密度为: X=1
数学期望的特性: 这一性质可以推广到任意有限个随机变量线性组合的情况
证明: 下面仅对连续型随机变量给予证明:
例9:一民航送客车载有20位旅客自机场出发,旅客有10 个车站可以下车,如到达一个车站没有旅客下车就 不停车,以X表示停车的次数,求 (设每位旅客在各个车站下车是等可能的,并设各旅 客是否下车相互独立) 解:引入随机变量: 本题是将X分解成数个随机变量之和,然后利用随机变量和 的数学期望等于随机变量数学期望之和来求数学期望, 这种处理方法具有一定的普遍意义。
例10:
§2 方差 问题:哪批灯泡的质量更好? 单从平均寿命这一指标无法判断,进一步考察灯泡寿命X与均值1000小时的偏离程度。 设有一批灯泡寿命为:一半约950小时,另一半约1050小时→平均寿命为1000小时; 另一批灯泡寿命为: 一半约1300小时,另一半约700小时→平均寿命为1000小时; 问题:哪批灯泡的质量更好? 单从平均寿命这一指标无法判断,进一步考察灯泡寿命X与均值1000小时的偏离程度。 方差─正是体现这种意义的数学特征。
定义:
对于离散型随机变量X, 对于连续型随机变量X, 此外,利用数学期望的性质,可得方差的计算公式:
例1:设随机变量X具有数学期望
例2:设随机变量X具有0-1分布,其分布律为: 解:
例3: 解:
例4: 解:X的概率密度为:
例5:设随机变量X服从指数分布,其概率密度为: 即对指数分布而言,方差是均值的平方,而均值恰为参数θ
方差的性质:
证明:
例6: Xk pk 1 1-p p
例7: 解:
例8:设活塞的直径(以cm计) 汽缸的直径 X,Y相互独 立,任取一只活塞,任取一只汽缸,求活 塞能装入汽缸的概率。
表1 几种常见分布的均值与方差 0-1分布 p p(1-p) np np(1-p) 分布 分布率或 密度函数 数学期望 方差 二项分布b(n,p) np np(1-p) 泊松分布 均匀分布U(a,b) 指数分布 正态分布 分布 分布率或 密度函数 数学期望 方差
§3 协方差及相关系数 对于二维随机变量(X,Y),除了讨论X与Y的数学期望和方差外,还需讨论描述X与Y之间相互关系的数字特征。这就是本节的内容。 定义:
协方差的性质: 思考题:
相关系数的性质: 续
例1:设X,Y服从同一分布,其分布律为: X -1 0 1 P 1/4 1/2 1/4 已知 ,判断X和Y是否不相关?是否 不独立?
续
续
例3:设X,Y相互独立服从同一分布,方差存在, 记U=X-Y,V=X+Y,则随机变量U与V是否一 定不相关,是否一定独立?
§4 矩、协方差矩阵
利用协方差矩阵,可由二维正态变量的概率密度推广,得到n维正态变量的概率密度。
n维正态变量具有以下四条重要性质:
复习思考题 4 1.叙述E(X)和D(X)的定义。
4.试述计算随机变量X的函数g(X)的数学期望E[g(X)]的两种方法。 5.设X~N(μ,σ2),用如下两种方法求E(X2): (1)E(X2)=D(X)+[E(X)]2=σ2+μ2; (2) E(X2)=E(X.X)=E(X). E(X)=μ2; 两种结果不一样,哪一种错?为什么? 6.设X和Y为两随机变量,且已知D(X)=6, D(Y)=7, 则D(X-Y)=D(X)-D(Y)=6-7=-1<0,这与任意一个随机变量的方 差都不小于零相矛盾,为什么?
7.考虑100包水泥的总重量Y用以下两种方式表示: (1)设第i袋水泥的重量为Xi , i=1,2,…,100, 由题意知, Xi ~N(50,2.52),Y=∑Xi , 则Y~N(100*50,100*2.52); (2)设一包水泥的重量为X, 由题意知 X~N(50,2.52)。 若将100包水泥的总重量看成是1包水泥的100倍,即Y=100X, Y是X的线性函数,则: E(Y)=100E(X)=100*50, D(Y)=1002D(X)=1002*2.52 Y~N(100*50,1002*2.52) 这两种方法得到的总重量的分布不一样(因为方差不同,后 者方差是前者的100倍), 试问哪一种正确? 8.试问D(X-Y)=D(X)+D(Y)-2cov(X,Y)对吗?
课件结束! 2019/4/23