作者:whisper
链接:http://proprogrammar.com:443/article/219
声明:请尊重原作者的劳动,如需转载请注明出处
1、多维随机变量
设X=X(ω), Y=Y(ω)是定义在样本空间Ω上的两个随机变量,则称向量(X, Y)为二维随机变量或随机向量
性质:
(1)0≤F(x,y)≤1
(2)F(x,y)分别关于x和y单调不减,即
对于固定的y,若x₁<x₂,则F(x₁, y) ≤ (x₂, y)
对于固定的x,若y₁<y₂,则F(x, y₁) ≤ (x, y₂)
(3)F(x,y)分别关于x和y右连续,即
F(x+0,y) = F(x,y), F(x, y+0) = F(x,y)
(4)F(-∞,y) = lim[x->-∞]F(x,y) = 0, F(x, -∞) = lim[y->-∞]F(x,y) = 0
F(-∞,-∞) = lim[x->-∞,y->-∞]F(x,y) = 0, F(+∞,+∞) = lim[x->+∞,y->+∞]F(x,y) = 1
(5)对于任意实数x₁<x₂, y₁<y₂,有
F(x₂, y₂) - F(x₂, y₁) - F(x₁, y₂) + F(x₁, y₁) ≥ 0
二维离散型随机变量
定义
若二维随机变量(X, Y)的每一个分量X和Y都是离散型的,则称(X, Y)为二维离散型随机变量。
联合概率分布
设(X, Y)的一切可能取值为(xᵢ, yⱼ),i = 1, 2,...;j=1, 2,...;则称pᵢⱼ = P(X = xᵢ, Y = yⱼ),i, j = 1, 2,...为(X, Y)的联合分布律,或联合概率分布。
二维离散型随机变量(X, Y)的联合分布律常用下列形式表示:
X/Y | y₁ | y₂ | ... | yᵢ | ... |
x₁ | p₁₁ | p₁₂ | ... | p₁ᵢ | ... |
x₂ | p₂₁ | p₂₂ | ... | p₂ᵢ | ... |
... | ... | ... | ... | ... | ... |
xᵢ | pᵢ₁ | pᵢ₂ | ... | pᵢᵢ | ... |
... | ... | ... | ... | ... | ... |
联合分布律的性质如下:1)pᵢⱼ ≥ 0; 2)∑[i=1,n]∑[j=1,n]pᵢⱼ = 1
二维连续型随机变量
定义
设(X, Y)的联合分布函数为F(x, y),如果存在非负可积函数f(x, y),使得对任意实数x, y,有F(x, y) = ∫[-∞,x]∫[-∞,y]f(u, v)dudv,则称(X, Y)为二维连续型随机变量,f(x, y)为其联合概率密度函数。
f(x, y)的性质主要有:
(1)f(x, y) = 0;
(2)∫[-∞,+∞]∫[-∞,+∞]f(x, y)dxdy
满足上述(1)(2)两条性质的二元函数f(x, y)必可作为某二维随机变量的联合概率密度。
(3)若f(x, y)在点(x, y)连续,则有f(x, y) = ∂²F(x, y)/∂x∂y
(4)设G是平面xoy上的区域,点(X, Y)落在G内的概率为
P{(X, Y)∈G} = ∫∫[G]f(x, y)dxdy
二维随机变量边缘分布函数
设F(x, y)为(X, Y)的联合分布函数,关于X和Y的边缘分布函数分别为Fₓ(x)和Fᵧ(y),则有
Fₓ(x) = F(x, +∞) = P{X ≤ x, Y < +∞} = lim[y->+∞]F(x, y)
Fᵧ(y) = F(+∞, y) = P{x < +∞, Y ≤ y} = lim[x->+∞]F(x, y)
(1)二维离散型边缘分布
(X, Y)的分量X和Y的分布律称为其边缘分布律:
它与联合分布律的关系为:
pᵢ = P(X = xᵢ) = ∑[j=1,n]P(X=xᵢ, Y = yⱼ) = ∑[j=1, n]pᵢⱼ
pⱼ = P(Y = yⱼ) = ∑[i=1,n]P(X=xᵢ, Y = yⱼ) = ∑[i=1, n]pᵢⱼ
(2)二维连续型,边缘密度公式
Fₓ(x) = lim[y->+∞]F(x,y) = lim[y->+∞]∫[-∞,x]∫[-∞,y]f(u,v)dudv = ∫[-∞,x]∫[-∞,+∞]f(u,v)dudv
fₓ(x) = F'ₓ(x) = ∫[-∞,+∞]f(x, y)dy
同理:fᵧ(y) = F'ᵧ(y) = ∫[-∞,+∞]f(x, y)dx
(1)二维离散型随机变量条件分布
对于固定j,若pⱼ = P(Y = yⱼ) > 0,则称
pᵢ|ⱼ = P(X = xᵢ | Y = yⱼ) = P(X = xᵢ, Y = yⱼ) / P(Y = yⱼ) = pᵢⱼ/pⱼ
i = 1, 2...为X关于(Y = yⱼ)的条件分布
类似地,若pᵢ = P(X = xᵢ) > 0,则称
pⱼ|ᵢ = P(Y = yⱼ | X = xᵢ) = P(X = xᵢ, Y = yⱼ) / P(X = xᵢ) = pᵢⱼ/pᵢ
i = 1, 2...为Y关于(X = xᵢ)的条件分布
(2)二维连续型随机变量条件分布
若对于给定的x,有fₓ(x)>0,则称
fᵧ|ₓ(y|x) = f(x, y)/fₓ(x),-∞ < y < +∞为Y关于X=x的条件密度函数,类似地,若fᵧ(y) > 0,则称
fₓ|ᵧ(x|y) = f(x, y)/fᵧ(y),-∞ < x < +∞为X关于Y=y的条件密度函数
注:条件密度函数同样满足密度函数的所有性质
(1)二维离散型情形
对于二维离散型随机变量(X, Y),X与Y相互独立的充要条件为
pᵢⱼ = pᵢ x pⱼ,对任何i,j = 1, 2,...
(2)连续型情形
对于二维连续型随机变量(X, Y),X与Y相互独立的充要条件为
f(x, y) = fₓ(x)fᵧ(y)
两个随机变量函数的分布
已知(X, Y)分布,求z = g(x, y)的分布
类型:1:离散型,2:连续型,3:混合型:x离,y连
1:离散型:z = g(x, y)离散
关键:z取值+对应概率
表格法
2:二维连续型随机变量函数的分布
设二维连续型随机变量(X, Y)的概率密度为f(x, y),
z = g(x, y)为二元连续函数,则Z = g(X, Y)是一维连续型随机变量
方法1:分布函数法
方法2:公式法(x+=x÷y)
(一)E = X + Y公式法要点
(x, y) ~ f(x, y) = [ ≠ 0, (x, y)∈D; = 0,其它]
fₑ(e) = ∫[-∞, +∞]f(x, e - x)dx =>(独立)∫[-∞, +∞]fₓ(x)fᵧ(e-x)dx
fₑ(e) = ∫[-∞, +∞]f(e - y, y)dy =>(独立)∫[-∞, +∞]fₓ(e-y)fᵧ(y)dy
注:若X~N(μ₁, σ₁²),Y~N(μ₂, σ₂²)
X与Y独立,则X+Y~N(μ₁+μ₂, σ₁²+σ₂²) 减也可以,正态公式可加性
亲爱的读者:有时间可以点赞评论一下
全部评论