2.2二维离散型随机变量
合集下载
概率论第二章习题讲解
j
( )
j
i
i
二. 二维连续随机变量的边缘分布 x +∞ F X ( x ) = F ( x , +∞ ) = ∫ dx ∫ f ( x , y )dy ∞ ∞ d +∞ f X (x ) = FX (x )= ∫ ∞ f ( x , y )dy dx y +∞ FY ( y ) = F (+ ∞ , y ) = ∫ dy ∫ f ( x , y )dx ∞ ∞ +∞ d fY ( y ) = FY ( y ) = ∫ ∞ f ( x , y )dx dy 一. 离散型随机变量的独立性 p xi , y j = pX ( xi ) pY y j 二. 连续随机变量的独立性
+∞ ∞
∞
f (z y( x , y )dy
2. 平方和的分布
n
FZ ( z ) =
∫∫ f ( x , y )dxdy
x2 + y2 < z
n
3.(独立的随机变量) 3.(独立的随机变量)最大值与最小值的分布
Fmax ( z ) = ∏ Fi ( z ),
i =1
p 1 q[ x ] F ( x ) = P ( X ≤ x ) = ∑ pq m 1 = = 1 q [ x ] = 1 (1 p)[ x ] 1 q m =1 其中,[x]为 x 的整数部分. 其中, 为 的整数部分.
8
(
)
当 x ≥ 1 时,
4 自动生产线在调整以后出现废品的概率为 p (0<p<1), 生产过程中出现废品时立即重新调整, 生产过程中出现废品时立即重新调整 求在两次调整之间生产的合格品数的概率分布. 求在两次调整之间生产的合格品数的概率分布 设随机变量X表示自动生产线 解 设随机变量 表示自动生产线 : 在两次调整之间生产的合格品数, 在两次调整之间生产的合格品数, 的所以可能取值:0,1,2,…,n,…. 则X的所以可能取值 的所以可能取值
( )
j
i
i
二. 二维连续随机变量的边缘分布 x +∞ F X ( x ) = F ( x , +∞ ) = ∫ dx ∫ f ( x , y )dy ∞ ∞ d +∞ f X (x ) = FX (x )= ∫ ∞ f ( x , y )dy dx y +∞ FY ( y ) = F (+ ∞ , y ) = ∫ dy ∫ f ( x , y )dx ∞ ∞ +∞ d fY ( y ) = FY ( y ) = ∫ ∞ f ( x , y )dx dy 一. 离散型随机变量的独立性 p xi , y j = pX ( xi ) pY y j 二. 连续随机变量的独立性
+∞ ∞
∞
f (z y( x , y )dy
2. 平方和的分布
n
FZ ( z ) =
∫∫ f ( x , y )dxdy
x2 + y2 < z
n
3.(独立的随机变量) 3.(独立的随机变量)最大值与最小值的分布
Fmax ( z ) = ∏ Fi ( z ),
i =1
p 1 q[ x ] F ( x ) = P ( X ≤ x ) = ∑ pq m 1 = = 1 q [ x ] = 1 (1 p)[ x ] 1 q m =1 其中,[x]为 x 的整数部分. 其中, 为 的整数部分.
8
(
)
当 x ≥ 1 时,
4 自动生产线在调整以后出现废品的概率为 p (0<p<1), 生产过程中出现废品时立即重新调整, 生产过程中出现废品时立即重新调整 求在两次调整之间生产的合格品数的概率分布. 求在两次调整之间生产的合格品数的概率分布 设随机变量X表示自动生产线 解 设随机变量 表示自动生产线 : 在两次调整之间生产的合格品数, 在两次调整之间生产的合格品数, 的所以可能取值:0,1,2,…,n,…. 则X的所以可能取值 的所以可能取值
32二维离散型随机变量的分布律及性质
P { X x , Y y }p i j ij P { X x Y y } ,i 1 , 2 , (2.4) i j P { Y y } p j j
易知，上述条件概率满足概率分布的性质
(1) P { X x y } 0 , i 1 , 2 , iY j
(2)
p 1 j p 1 i j p p i 1 p 1 j j i j
p i j
P { X x } 0 同理，设 p ，则可得到在 X xi i i 时随机变量 Y的条件概率分布为：
P { X x , Y y } p i j i j P { Y y X x } ,j 1 , 2 ,( 2 . 5 ) j i P { X x } p i i
{ X x , Y y } P { X x } P { Y y } 即P (2.7) i j i j
例4
X ,Y
相互独立，填如下表3-8空白处的值
解：
例5 设 X 表示把硬币掷三次时头两次掷出正面的 Y 表示这三次投掷中出现正面的总次数那么， 次数， 二维随机变量 ( X ,Y ) 概率分布如表3-9所示.问随机 变量 X与Y 是不是相互独立？
且
(1) P { Y y x } 0 ,j 1 , 2 , jX i
(2)
p 1 i p 1 ij p p i i i i j 1p 1 p ij
i 1 , 2 , ,
例3 设二维离散形随机变量 ( X ,Y ) 的概率分布如表3-7, 1时关于 X 的条件概率分布及 X 0 时关于 Y 的 求 Y 条件概率分布。
解：
四、 独立性
易知，上述条件概率满足概率分布的性质
(1) P { X x y } 0 , i 1 , 2 , iY j
(2)
p 1 j p 1 i j p p i 1 p 1 j j i j
p i j
P { X x } 0 同理，设 p ，则可得到在 X xi i i 时随机变量 Y的条件概率分布为：
P { X x , Y y } p i j i j P { Y y X x } ,j 1 , 2 ,( 2 . 5 ) j i P { X x } p i i
{ X x , Y y } P { X x } P { Y y } 即P (2.7) i j i j
例4
X ,Y
相互独立，填如下表3-8空白处的值
解：
例5 设 X 表示把硬币掷三次时头两次掷出正面的 Y 表示这三次投掷中出现正面的总次数那么， 次数， 二维随机变量 ( X ,Y ) 概率分布如表3-9所示.问随机 变量 X与Y 是不是相互独立？
且
(1) P { Y y x } 0 ,j 1 , 2 , jX i
(2)
p 1 i p 1 ij p p i i i i j 1p 1 p ij
i 1 , 2 , ,
例3 设二维离散形随机变量 ( X ,Y ) 的概率分布如表3-7, 1时关于 X 的条件概率分布及 X 0 时关于 Y 的 求 Y 条件概率分布。
解：
四、 独立性
2.2离散型随机变量及其概率分布
8
5
k
24
小结
离 散 型 随 机 变 量 的 分 布
二项分布 泊松分布
两点分布
两点分布
n1
二项分布
n 10, p 0.1, np
泊松分布
25
二项分布与 (0 1) 分布、泊松分布之间的 关系 .
二项分布是 (0 1) 分 布 的 推 广 , 对 于n 次 独 立重复伯努利试验 ,每 次 试 验 成 功 的 概 率 为 p, 设 , 1, 若 第 i 次 试 验 成 功 Xi ( i 1,2, , n) . 0, 若 第 i 次 试 验 失 败 它们都服从 (0 1) 分 布 并 且 相 互 独 立 , 那末 X X1 X 2 X n 服 从 二 项 分 布 , 参 数 为( n, p).
定义2 如果随机变量 X 只有两个可能取 值，其概率分布为
P{ X x1 } P , P{ X x2 } q 1 p(0 p 1, p q 1)
则称X服从 x1 , x2 处参数为p的两点分布. 特别，若X服从
x1 1, x 0 处参数为p的两点分布，即
p
k 1
5
k
1
1 a . 15
5
关于分布律的说明：
若已知一个离散型随机变量X的概率分布 X P x1 p1 x2 p2 ... ... xn ... pn ...
则可以求X所生成的任何事件的概率，特别地：
P{a X b} P{ { X xi }} pi
a xi b a xi b
26
以 n, p ( np ) 为参数的二项分布 ,当 n 时趋 于以 为参数的泊松分布 ,即
2.2 离散型随机变量及其分布
∞ k k =1
}
满足下列性质 性质: 满足下列性质:
pk ≥ 0 (k = 1,2,⋯);
概率论与数理统计 数学科学学院 徐 鑫
∑p
k =1
∞
k
常用来确定分布律中的待定参数] 常用来确定分布律中的待定参数 = 1 [常用来确定分布律中的待定参数
这两条也是非负 数列能为某随机 变量分布律的充 要条件
离散型随机变量分布列的求法 求法: 离散型随机变量分布列的求法: 利用古典概率、 利用古典概率、条件概率等计算方法及运算 性质求事件{X=x 概率; 性质求事件{X=xk}概率; 利用已知的重要分布的分布列; 利用已知的重要分布的分布列; 利用分布函数. 利用分布函数. 离散型随机变量分布列的应用 应用: 离散型随机变量分布列的应用: 确定分布列中的待定参数; 确定分布列中的待定参数; 求分布函数； 求分布函数； 求随机事件的概率. 求随机事件的概率.
概率论与数理统计 数学科学学院 徐 鑫
四、几种重要的离散型随机变量 1、(0-1)分布[两点分布] (0-1)分布 两点分布] 分布[ 定义2 定义2 设随机变量X只取0,1两值, 设随机变量X只取0,1两值,且其分布律为 0,1两值
P{X = k} = p (1 − p) (k = 0,1;0 < p < 1)
(−∞, x1 ), [ x1 , x2 ), [ x2 , x3 ) ⋯, [ xk ,+∞)
分别求出F(x)的值,即就x 分别求出F(x)的值,即就x落在上述各区间内计算 F(x)的值 {X≤x}所含可能值概率的累积和; {X≤x}所含可能值概率的累积和; 所含可能值概率的累积和 离散型随机变量X的分布函数是一个右连续的阶梯 离散型随机变量X 函数. 函数.
}
满足下列性质 性质: 满足下列性质:
pk ≥ 0 (k = 1,2,⋯);
概率论与数理统计 数学科学学院 徐 鑫
∑p
k =1
∞
k
常用来确定分布律中的待定参数] 常用来确定分布律中的待定参数 = 1 [常用来确定分布律中的待定参数
这两条也是非负 数列能为某随机 变量分布律的充 要条件
离散型随机变量分布列的求法 求法: 离散型随机变量分布列的求法: 利用古典概率、 利用古典概率、条件概率等计算方法及运算 性质求事件{X=x 概率; 性质求事件{X=xk}概率; 利用已知的重要分布的分布列; 利用已知的重要分布的分布列; 利用分布函数. 利用分布函数. 离散型随机变量分布列的应用 应用: 离散型随机变量分布列的应用: 确定分布列中的待定参数; 确定分布列中的待定参数; 求分布函数； 求分布函数； 求随机事件的概率. 求随机事件的概率.
概率论与数理统计 数学科学学院 徐 鑫
四、几种重要的离散型随机变量 1、(0-1)分布[两点分布] (0-1)分布 两点分布] 分布[ 定义2 定义2 设随机变量X只取0,1两值, 设随机变量X只取0,1两值,且其分布律为 0,1两值
P{X = k} = p (1 − p) (k = 0,1;0 < p < 1)
(−∞, x1 ), [ x1 , x2 ), [ x2 , x3 ) ⋯, [ xk ,+∞)
分别求出F(x)的值,即就x 分别求出F(x)的值,即就x落在上述各区间内计算 F(x)的值 {X≤x}所含可能值概率的累积和; {X≤x}所含可能值概率的累积和; 所含可能值概率的累积和 离散型随机变量X的分布函数是一个右连续的阶梯 离散型随机变量X 函数. 函数.
二维离散型随机变量及其分布
P{ X xi } P{ X xi , } P{ X xi , (Y y j )}
j 1
P{ ( X xi , Y y j )} P{ X xi , Y y j } pij
j 1 j 1 j 1
Two-dimension Discrete Random Variable and Distribution
所以,关于X的边缘分布律为：
X
pi.
x1
x2 …
xi …
pi. …
p1. p2. …
关于Y的边缘分布律为：
Y p.j y1 p.1 y2 … yj …
p.2 … p.j …
Two-dimension Discrete Random Variable and Distribution
[例2]见例1，试求（X,Y）关于X和关于Y的边缘 分布律。
1 2/5
Two-dimension Discrete Random Variable and Distribution
联合分布律 边缘分布律
Two-dimension Discrete Random Variable and Distribution
1、统计学中有两种抽样：不放回抽样和有放 回抽样。将例1中“不放回地取两次球”改为 “有放回地取两次球”，试求（X,Y）的联合分 布律、（X,Y）分别关于X,Y的边缘分布律及判断 X,Y是否相互独立？ 2、上述我们解决了：已知二维离散型随机变 量（X,Y）的联合分布律，如何求（X,Y）关于X 或关于Y的边缘分布律的问题。那么，已知X,Y的 边缘分布律，能否求（X,Y）的联合分布律呢？
0, Y 1,
表示第二次取红球 表示第二次取白球
j 1
P{ ( X xi , Y y j )} P{ X xi , Y y j } pij
j 1 j 1 j 1
Two-dimension Discrete Random Variable and Distribution
所以,关于X的边缘分布律为：
X
pi.
x1
x2 …
xi …
pi. …
p1. p2. …
关于Y的边缘分布律为：
Y p.j y1 p.1 y2 … yj …
p.2 … p.j …
Two-dimension Discrete Random Variable and Distribution
[例2]见例1，试求（X,Y）关于X和关于Y的边缘 分布律。
1 2/5
Two-dimension Discrete Random Variable and Distribution
联合分布律 边缘分布律
Two-dimension Discrete Random Variable and Distribution
1、统计学中有两种抽样：不放回抽样和有放 回抽样。将例1中“不放回地取两次球”改为 “有放回地取两次球”，试求（X,Y）的联合分 布律、（X,Y）分别关于X,Y的边缘分布律及判断 X,Y是否相互独立？ 2、上述我们解决了：已知二维离散型随机变 量（X,Y）的联合分布律，如何求（X,Y）关于X 或关于Y的边缘分布律的问题。那么，已知X,Y的 边缘分布律，能否求（X,Y）的联合分布律呢？
0, Y 1,
表示第二次取红球 表示第二次取白球
第三节二维随机变量的独立性
或随机变量X与Y的联合分布律. 注： 二维离散型随机变量的分布律也可列表表示如下:
X Y y1 y2 … yj … x1 p11 p12 ... p1j ... x2 p21 p22 ... P2j ...
xi pi1 pi2 ... Pij ...
3. 联合分布律的性质 ：
(1) pij 0；(2) pij＝1.
F ( x1 ,, xn ) FX1 ( x1 )FX2 ( x2 )FXn ( xn )
则称X1 , X2, …, Xn 相互独立，或称(X1 , X2, …, Xn )是独立的.
一、二维离散型随机变量
1. 定义：若二维随机变量(X, Y)只能取至多可列个值(xi, yj), (i, j＝1, 2, … )，则称(X, Y)为二维离散型随机变量。
2. 联合分布律： 若二维随机变量(X, Y) 取 (xi, yj)的概率为Pij, 则称P{X＝xi, Y＝ yj}＝ Pij为随机变量(X, Y)的分布律，
等价定义：设X, Y为两个随机变量，如果对任意实数a<b, c<d， 有P{a<Xb, c<Yd} =P{a<Xb}P{c<Yd}，即事件{a<Xb}与 事件{c<Yd} 独立，则称随机变量X与Y相互独立.
2. 独立的充要条件 (1) 设( X，Y )为离散型随机变量，分布律为 pij，则 X与Y相互独立 pij pi. p. j . (2) 设( X，Y )为连续型随机变量，概率密度为 f ( x，y)，则
例2. 设( X，Y )的分布律为 且X与 Y独立，求a，b.
XY 1 2 0 0.15 0.15 1 ab
例2. 设( X，Y )的分布律为 且X与 Y独立，求a，b.
X Y y1 y2 … yj … x1 p11 p12 ... p1j ... x2 p21 p22 ... P2j ...
xi pi1 pi2 ... Pij ...
3. 联合分布律的性质 ：
(1) pij 0；(2) pij＝1.
F ( x1 ,, xn ) FX1 ( x1 )FX2 ( x2 )FXn ( xn )
则称X1 , X2, …, Xn 相互独立，或称(X1 , X2, …, Xn )是独立的.
一、二维离散型随机变量
1. 定义：若二维随机变量(X, Y)只能取至多可列个值(xi, yj), (i, j＝1, 2, … )，则称(X, Y)为二维离散型随机变量。
2. 联合分布律： 若二维随机变量(X, Y) 取 (xi, yj)的概率为Pij, 则称P{X＝xi, Y＝ yj}＝ Pij为随机变量(X, Y)的分布律，
等价定义：设X, Y为两个随机变量，如果对任意实数a<b, c<d， 有P{a<Xb, c<Yd} =P{a<Xb}P{c<Yd}，即事件{a<Xb}与 事件{c<Yd} 独立，则称随机变量X与Y相互独立.
2. 独立的充要条件 (1) 设( X，Y )为离散型随机变量，分布律为 pij，则 X与Y相互独立 pij pi. p. j . (2) 设( X，Y )为连续型随机变量，概率密度为 f ( x，y)，则
例2. 设( X，Y )的分布律为 且X与 Y独立，求a，b.
XY 1 2 0 0.15 0.15 1 ab
例2. 设( X，Y )的分布律为 且X与 Y独立，求a，b.
二维离散型随机变量
F
(
x,
y)
1 3
,
1 x 2, y 2, 或 x 2,1 y 2,
1, x 2, y 2.
说明 离散型随机变量 ( X ,Y ) 的分布函数归纳为
F ( x, y) pij ,
xi x y j y
其中和式是对一切满足xi x, y j y 的i, j求和.
注意 联合分布
pij 1.
i1 j1
二维随机变量 ( X,Y ) 的分布律也可表示为
X Y
y1 y2
yj
x1
x2 xi
p11 p21
p12 p22
pi1
pi 2
p1 j p2 j pij
3、离散型随机变量的边缘分布律
定义设二维离散型随机变量( X ,Y )的联合分布
律为
P{X xi ,Y y j } pij , i, j 1, 2, .
3 7
pj (Y ) P{Y yj}
4
7 3
7
1
例2 设随机变量 X 在 1,2,3,4四个整数中等可能地 取值, 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 ) 的分布律.
解 { X i,Y j}的取值情况是 : i 1,2,3,4,
j取不大于i的正整数. 且由乘法公式得
记
pi ( X ) pij P{X xi }, i 1, 2, ,
j 1
p j (Y ) pij P{Y y j }, j 1, 2, , i 1
分别称 pi ( X ) (i 1, 2, ) 和 p j (Y ) ( j 1, 2, ) 为 ( X ,Y )
关于 X 和关于 Y 的边缘分布律.
§2.2离散型随机变量及其分布列
1, x a F ( x) 0, x a
1
例2.2.9 若
.
服从两点分布
0
P
q
求
的分布函数
解： P（ x） 0 当 x 0时，F（x） F（x） P（ x） P（ 0） q 当 0 x 1 时， F ( x) P( x) P( 0) P( 1) 1 当 x 1 时， 例2.2.10 设 的分布列为
0 1 2 3 4 5
k 5 k 5k
k=0,1,2,3,4,5.
q 5 5 pq 4 10 p 2 q 3 10 p 3 q 2 5 p 4 q p 5
3．分布列的性质
由概率的性质可知，任一离散型随机变量 的分布列 p i 都具有下述性质：
非负性：1）pi 0, i 1, 2, 规范性：2） pi 1
k 6 k 6
5000
5000
其中b(k;5000,1/1000)= C
k 5000
1 k 1 5000 k ( ) (1 ) 1000 1000
这时如果直接计算P 5 ，计算量较大。由于n很大 ，p较小，而np=5不很大 ，
可以利用 Poisson定理
5 P( 5) 1 P 5 1 e k 0 k !
i
例2.2.11 设随机变量
的分布函数为 的分布列。
解: 依题意可得
0, x 1 0.4, 1 x 1 F ( x) ,求 0.8,1 x 3 1, x 3
的可能取值为-1，1，3
P 1 F 1 0 F 1 0.4,
P 3 F 3 0 F 3 0.2
所以 的分布列为
- 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)。
1
3
P{ X 0,Y 1} P52
10 10 33
10 10
P{ X
0,Y
0}
P32 P52
例2 ( X ,Y ) 的联合分布律如下表
X Y
01
0
0.5 0
1
0 0.5
求其布函数F（X，Y）
答案：
0 F ( X ,Y ) 0.5
1
x 0或y 0 其他
x 1或y 1
2.2二维离散型 r.v.及其分布
定义 若二维 r.v.(X ,Y )所有可能的取值
为有限多个或无穷可列多个, 则称 (X ,Y ) 为二维离散型 r.v.
要描述二维离散型 r.v.的概率特性及 其与每个 r.v.之间的关系常用其联合 概率分布
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 r.v.( X ,Y ) 的联合概率分布.也简称 概率分布 或 分布律 显然， pij 0, i, j 1,2,
pij 1
i1 j1
( X ,Y ) 的联合分布律
X Y
y1
x1 p11
yj
p1 j
xi pi1
pij
pij P(X xi , Y yj ) 的求法
⑴ 利用古典概型直接求； ⑵ 利用乘法公式
pij P(X xi )P(Y yj X xi ) .
二维离散 r.v.的联合分布函数
F(x, y) pij, x , y . xi x y j y
已知联合分布律可以求出其联合分布函数
例1.袋中有两只红球，三只白球，现不放回摸球二次， 令
1 第 一 次 摸 到 红 球,求(X,Y)的分布律。
X 0 第 一 次 摸 到 白 球
1 第 二 次 摸 到 红 球 Y 0 第 二 次 摸 到 白 球
Y X
1
0
P{ X
1,Y
1}
P22 P52
P{ X
1,Y
0}
23 P52
32
01