Download presentation
Presentation is loading. Please wait.
1
第3章 多维随机向量及其分布 3.1 随机向量及其联合分布函数 3.2 二维离散型随机向量 3.3 二维连续型随机向量
第3章 多维随机向量及其分布 3.1 随机向量及其联合分布函数 3.2 二维离散型随机向量 3.3 二维连续型随机向量 3.4 条件分布与随机向量的独立性 3.5 两个随机向量函数的分布
2
3.1 随机向量及其联合分布函数 一、多维随机向量 二、联合分布函数及其性质 三、边缘分布函数
3
实例1 炮弹的弹着点的位置 ( X, Y ) 就是一个二维随机变量.
实例2 考查某一地 区学前儿童的发育情况 , 则儿童的身高 H 和体重 W 就构成二维随机变量 ( H, W ). 说明 二维随机变量 ( X, Y ) 的性质不仅与 X 、Y 有关,而且还依赖于这两个随机变量的相互关系.
4
一、多维随机向量 定义 以后除非特别声明,一般只讨论二维随机向量
5
二、联合分布函数的性质
6
二元分布函数的几何意义
7
联合分布函数的基本性质:
9
y (x1 , y2) (x2 , y2) y2 (X, Y ) y1 (x2 , y1) (x1 , y1) o x x1 x2
10
证明
11
x+ y = 1 例1 设 讨论F (x, y)能否成为二维随机变量的分布函数? 解: x y • (0,2) • (2,2) •
(0,0) • (2,0) x+ y = 1 故F(x, y)不能作为某二维 随机变量的分布函数.
12
注意: 对于二维 随机变量(X,Y) (+,+) (a,+) x y c (a,c) (+,c) a
13
三、边缘分布函数 边缘分布函数也称为边际分布函数或边沿分布函数
14
联合分布函数 边缘分布函数; 反之不真. x y x 反之
15
例2 设随机变量(X ,Y )的联合分布函数为 其中A , B , C 为常数. 确定A , B , C ; 求X 和Y 的边缘分布函数;
求概率P (X > 2); 求概率P (X > 2,Y>2)。 2019年5月3日6时13分
16
确定A , B , C ; 解 (1) 2019年5月3日6时13分
17
(2)求X 和Y 的边缘分布函数; 解(2) 2019年5月3日6时13分
18
解(3)
19
作业 P57练习3.1 1
20
3.2 二维离散型随机向量 一、联合分布列 二、边际分布列
21
定义 若随机变量X和Y的所有可能取值为有限个或可列个,则称(X,Y)为二维离散型随机向量.
22
一、二维离散型随机向量 联合概率函数的表格形式,称为(X,Y)的联合分布律或联合分布列 二维离散型随机向量的联合概率函数具有下列性质:
二维离散型随机向量的联合分布函数为
23
例1 一袋中装有2只白球和3只黑球,进行有放回取球 若进行不放回取球
24
例2 一袋中装有4只球,依次标有号码1,2,2,3,从袋中有放回取球两次,X,Y分别表示两次取得球上的号码,则(X,Y)的联合概率分布为
思考 将本例中有放回取球改为不放回取球,结果会如何?
25
二、边缘分布列
27
例3 在本节例1.中 若进行放回取球 若进行不放回取球
28
的求法 (1) 利用古典概型直接求。 (2) 利用乘法公式 2019年5月3日6时13分
29
联合分布律表略。 例1 设随机变量Y~N(0,1),令 解: (X1,X2)的取值数对为(0,0),(0,1),(1,0),(1,1)
P(X1=0,X2=0)=P(|Y|≥1,|Y|≥2) =P(|Y|≥2) =1 ﹣ P(|Y|<2) =2 ﹣ 2Φ(2)=0.0455 P(X1=0,X2=1)=P(|Y|≥1,|Y|<2) =P(1≤|Y|<2) =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 联合分布律表略。
30
作业 P61练习3.2 2
31
3.3 二维连续型随机向量 一、联合密度函数 二、边缘密度函数 三、两个常用的分布
32
一、联合密度函数 定义
33
二维随机向量的联合密度函数具有以下性质
35
例1 解 由密度函数性质,有
36
例2 解
37
(2)
38
二、边缘密度函数 定义
39
同理可得 Y 的边缘分布函数 Y 的边缘概率密度.
40
边缘密度函数为 例2 求随机向量(X,Y)的边缘分布函数和边缘密度函数,已知其联合分布函数为 解 边缘分布函数分别为
41
例3 设(X,Y)的概率密度是 求( X,Y )关于 X 和 Y 的边缘概率密度. 解 暂时固定 当 时, 当 时, 故 暂时固定
42
暂时固定 当 时, 当 时, 故 暂时固定
43
例4 设 随机变量( X ,Y )的联合概率密度为 其中k 为常数.求: 常数 k ; P ( X + Y 1) ; 边缘概率密度 ; 联合分布函数F (x,y)。
44
解: 令 (1) y = x 1 x y D 2019年5月3日6时13分
45
y = x 1 x y (2) x+y=1 y = x 1 x y x+y=1 0.5 2019年5月3日6时13分
46
(3) y=x 1 x y 2019年5月3日6时13分
47
有六个区域 y = x 1 x y D 2019年5月3日6时13分
48
v v=u 1 u (4) 1 ①当x<0 或 y<0 时, F(x,y) = 0
u v ②当0 x< 1, 0 y< x 时, 1 ③当0 x<1, x y<1时, 2019年5月3日6时13分
49
④当0 x <1, y 1时, v=u 1 u v 2019年5月3日6时13分
50
⑤当x 1, 0 y < 1时, v=u 1 u v ⑥当 x 1, y 1 时, 2019年5月3日6时13分
51
0, x < 0 或 y < 0 y4 , 0 x <1, 0 y < x
F (x,y) = 0, x < 0 或 y < 0 y4 , x <1, 0 y < x 2x2y2–y4, 0 x <1, x y <1 2x2–x4 , 0 x <1, y 1 y4 , x 1, 0 y < 1 1, x 1, y 1 2019年5月3日6时13分
52
三、两个常用的分布 1.二维均匀分布 设G是平面上的有界区域, 其面积为μ(G).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.
53
向平面上有界区域G上任投一质点, 若质点落在G内任一小区域B的概率与小区域的面积成正比, 而与B的形状及位置无关
向平面上有界区域G上任投一质点, 若质点落在G内任一小区域B的概率与小区域的面积成正比, 而与B的形状及位置无关. 则质点的坐标( X, Y)在G上服从均匀分布.
54
若G1是G 内面积为A1的子区域, 则 即: 此概率仅与G1的面积有关(成正比), 而与G1在G内的位置无关.
55
2.二维正态分布 若二维随机向量 ( X,Y ) 具有概率密度
56
二维正态分布的图形
57
例5
58
解 由于 于是
59
则有 即 同理可得 二维正态分布的两个边缘分布都是一维正态分布,
60
性质 二维正态分布的两个边缘密度仍是正态分布.
由此性质看到, (X, Y)的边缘分布都与无关, 说明不同, 得到的二维正态分布也不同, 但其边缘分布相同. 因此边缘分布是不能唯一确定联合分布的, 即使X, Y都是服从正态分布的随机变量, (X, Y)不一定是服从二维正态分布. (下面举例验证) 2019年5月3日6时13分
61
2019年5月3日6时13分
62
分布函数的概念可推广到n维随机变量的情形. 事实上, 对n维随机变量(X1, X2, … , Xn),
2019年5月3日6时13分 分布函数的概念可推广到n维随机变量的情形. 事实上, 对n维随机变量(X1, X2, … , Xn), 称为的n维随机变量(X1, X2, … , Xn)的分布函数, 或随机变量X1, X2, …, Xn的联合分布函数.
63
作业 P67练习3.3 2, 5
64
一维随机变量与二维随机向量的比较 一维随机变量 二维随机向量 F(x,y) 关于x,y右连续 X x x F(x) 右连续
65
一维离散型随机变量 二维离散型随机向量
66
一维离散型随机变量 二维离散型随机向量 两点分布 二项分布 X ~ B(n, p) 泊松分布
67
一维连续型随机变量 二维连续型随机向量
68
3.3 条件分布与随机变量的独立性 一、离散型随机变量的条件分布律 二、连续型随机变量的条件概率密度 三、随机变量的独立性
69
在第一章中,我们介绍了条件概率的概念 . 在事件B发生的条件下事件A发生的条件概率 推广到随机变量 设有两个随机变量 X,Y, 在给定Y取某个或某些值的条件下,求X的概率分布. 这个分布就是条件分布.
70
一、离散型随机变量的条件分布律
72
类似乘法公式,有 类似全概率公式,有
73
2019年5月3日6时13分 例1 把三个球等可能地放入编号为 1, 2, 3 的三个盒子中, 每盒可容球数无限制(独立重复) . 记 X 为落入 1 号盒的球数, Y 为落入 2 号盒的球数,求: (1) 在Y = 0 的条件下,X 的分布律; (2) 在 X = 2 的条件下,Y 的分布律. 解 先求联合分布律, 其联合分布律与边缘分布律如下表所示:
74
Y X pij pi• 1 2 3 p•j 1
75
(1) 将表中第一列数据代入得条件分布,得 X
76
(2) 当 X = 2 时,Y 只可能取 0 与 1. 将表中第三行数据代入下式 得Y 的条件分布 Y
77
二、连续型随机变量的条件概率密度 当X 连续时, 条件分布不能用 来定义, 因为 , 而应该用 来定义.
78
设 y ﹣ y y x y
79
x y -y y
80
定义 称 为 Y = y 的条件下 X 的条件分布函数; 称 为 Y = y 的条件下 X 的条件概率密度。
81
例3 设 求 y = x 1 解
82
y = x 1 y = x 1 当0 < y < 1 时, y x 当0 < x < 1 时,
83
三、 随机变量的独立性 在多维随机向量中,各分量之间有的相互影响,有的毫无关系。譬如在研究父子身高时,父亲的身高Y往往会影响儿子的身高X.假如让父子各掷一个骰子,出现的点数Y1与X1之间就看不出任何关系.这种相互之间没有任何影响的随机变量称为相互独立的随机变量.
84
1.定义
85
2.说明 (1) 若离散型随机变量 ( X,Y )的联合分布律为
88
y 例1 设(X, Y)的概率密度为 问X和Y是否独立? x 解: x>0 即: 对一切x, y, 均有: 故X,Y 独立
对一切x, y, 均有: 故X,Y 独立 x 解: x>0 y >0 即: 2019年5月3日6时13分
89
1 x y 若(X, Y)的概率密度为 (1,1) 1 情况又怎样? x 解: 0<x<1 0<y<1
x x 解: 0<x<1 0<y<1 故X和Y不独立. 2019年5月3日6时13分
90
例2 设随机向量(X,Y)的联合密度函数为: 判断X与Y是否独立。 y = x 1 解: 2019年5月3日6时13分
91
y = x 1 2019年5月3日6时13分
92
例3 解 由于X 与Y 相互独立, 2019年5月3日6时13分
93
例4. 设二维随机向量(X,Y)的联合分布函数为
其中参数 ,这个分布称为二维指数分布,试讨 论X和Y的独立性. 解: 由已知可得边缘分布函数 2019年5月3日6时13分
94
2019年5月3日6时13分
95
D 例5 设(X,Y)在圆域D={(x, y)| x2+y2r 2}上服从均匀分布。(1) 判断X与Y是否相互独立. 解 (1)
解 (1) x2+y2=r 2 D 2019年5月3日6时13分
96
x2+y2=r 2 2019年5月3日6时13分
97
x2+y2=r 2 2019年5月3日6时13分
98
(2) x2+y2=r 2 2019年5月3日6时13分
99
例6 设随机变量X和Y相互独立,试将下表补充完整.
Xx1 x2 Y y y2 y3 1/8 1/6 1 1/24 1/12 1/4 3/8 1/4 3/4 1/2 1/3 2019年5月3日6时13分
100
例7 解(1) 2019年5月3日6时13分
101
(2)由于 所以X,Y不相互独立 2019年5月3日6时13分
102
相互独立 命题 证 对任何 x,y 有 取 故 2019年5月3日6时13分
103
将 代入 即得 2019年5月3日6时13分
104
若两随机变量相互独立,且又有相同 ﹣ 1 0.25 0.25 1 0.25 0.25 注意 的分布, 不能说这两个随机变量相等. 如
Y P ﹣ X P ﹣ X ,Y 相互独立,则 由左表易得 : Y ﹣ 1 1 ﹣ X pij 故不能说 X = Y . 2019年5月3日6时13分
105
设 X ,Y 为相互独立的 随机变量 u(x),v(y)
判断独立的一个重要命题 设 X ,Y 为相互独立的 随机变量 u(x),v(y) 为连续函数, 则 U=u ( X ) , V=v (Y ) 也相互独立. 独立 随机变量的连续函数仍独立. 2019年5月3日6时13分
106
随机变量相互独立的概念可以推广到n维随机变量
由命题知 若 X ,Y 为相互独立的 随机变量 则aX + b, cY + d 也相互独立; X 2, Y 2 也相互独立; 随机变量相互独立的概念可以推广到n维随机变量 若 则称 随机变量X 1, X 2 , , X n 相互独立 2019年5月3日6时13分
Similar presentations