二维正态分布及二维均匀分布
概率论与数理统计学1至7章课后答案
一、习题详解：3.1设二维随机向量(,)X Y 的分布函数为:1222,0,0,(,)0,x y x y x y F x y ----⎧--+≥≥=⎨⎩其他求}{12,35P X Y <≤<≤.解：因为 257(2,5)1222F ---=--+，6512221)5,1(---+--=F5322221)3,2(---+--=F ，4312221)3,1(---+--=F所以 )3,1()3,2()5,1()5,2()53,21(F F F F Y X P +--=≤<≤<==+--=----745672322220.02343.2 盒中装有3个黑球, 2个白球. 现从中任取4个球, 用X 表示取到的黑球的个数, 用Y 表示取到的白球的个数, 求(X , Y ) 的概率分布.解：因为X + Y = 4，所以(X ,Y )的可能取值为(2,2),(3,1)且 0)1,2(===Y X P ，6.053)2,2(452223=====C C C Y X P 4.052)1,3(451233=====C C C Y X P ，0)2,3(===Y X P 故(X ,Y )的概率分布为3.3 将一枚均匀的硬币抛掷3次, 用X 表示在3次中出现正面的次数, 用Y 表示3次中出 现正面次数与出现反面次数之差的绝对值，求(X , Y ) 的概率分布.解：因为|32||)3(|-=--=X X X Y ，又X 的可能取值为0,1,2,3 所以(X ,Y )的可能取值为(0,3),(1,1), (2,1),(3,3)且 81)21()3,0(3====Y X P ，83)21()21()1,1(2113====C Y X P 83)21()21()1,2(1223====C Y X P ，81)21()3,3(3====Y X P故(X ,Y )3.4设二维随机向量(,)X Y 的概率密度函数为:(6),01,02,(,)0,a x y x y f x y --≤≤≤≤⎧=⎨⎩其他 (1) 确定常数a ;(2) 求}{0.5, 1.5P X Y ≤≤(3) 求{(,)}P X Y D ∈,这里D 是由0,0,1x y x y ==+=这三条直线所围成的三角形区域.解：(1)因为dxdy y x a dxdy y x f ⎰⎰⎰⎰--=+∞∞-+∞∞-102)6(),(dx x x a dx y x a ⎰⎰---=---=10221022])4()6[(2])6(21[a dx x a 9)5(210=-=⎰由1),(=⎰⎰+∞∞-+∞∞-dxdy y x f ，得9a =1，故a =1/9.(2) dxdy y x Y X P ⎰⎰--=≤≤5.005.10)6(91)5.1,5.0( dx x dx y y x ⎰⎰--=--=5.005.005.102]89)6(23[91]21)6([91 125)687(5.00=-=⎰dx x (3) 1101{(,)}(,)(6)9xDP X Y D f x y dxdy dx x y dy -∈==--⎰⎰⎰⎰278)1211(181]21)6([9110210102=--=--=⎰⎰-dx x x dx y y x x3.5 设二维随机向量(,)X Y 的概率密度函数为:(2)2,0,0,(,)0,x y e x y f x y -+⎧>>=⎨⎩其他(1) 求分布函数(,)F x y ; (2) 求}{P Y X ≤解：(1) 求分布函数(,)F x y ; 当0,0x y >>，(2)220(,)(,)22(1)(1)yxyxx yu v u v x y F x y f u v dudv e dudv e du e dv e e -+-----∞-∞====--⎰⎰⎰⎰⎰⎰其他情形，由于(,)f x y =0，显然有(,)F x y =0。
第三章 二维随机变量及其分布
1第三章 二维随机变量及其分布在很多实际问题中，有一些随机试验需要用两个或两个以上的随机变量才能描述, 如， 炮弹着落点的位置必须用两个坐标X 和Y 来描述。
又如气候情况与气温、风力、降水量等多个随机变量有关，为了准确提供气候情况，我们就完全有必要将描述天气情况的多个随机变量作为一个整体来研究。
将n 个随机变量n X X X ,,,21 作为一个整体，记作),,,(21n X X X ，称为n 维随机变量。
在这一节我们主要研究二维随机变量的概率分布、边缘分布及二维随机变量的独立 性等. 这部分内容的讨论也可类推到)2(>n n 维随机变量的情形.§3. 1二维随机变量的联合分布3.1.1、二维随机变量的概率分布定义3.1：设)(Y X ，是二维随机变量，对于任意实数y x 、，称二元函数{}yY x X P y x F ≤≤=，，)(为二维随机变量)(Y X ，的分布函数或随机变量X 和Y 的联合分布函数，它表示随机事件}{x X ≤与}{y Y ≤同时发生的概率.2图3-1 图3-2将二维随机变量)(Y X ，看成是平面上随机点的坐标，那么分布函数)(y x F ，在点)(y x ，处的函数值就是随机点)(Y X ，落在直线x X =的左侧和直线y Y =的下方的无穷矩形区域内的概率(如图3-1)有了分布函数)(y x F ，，借助于图3-2，容易算出随机点)(Y X ，落在矩形区域 ){(y x D ，=}2121y Y y x X x ≤<≤<，内的概率为：)()(}{21222121y x F y x F y Y y x X x P ，，，-=≤<≤<)()(1112y x F y x F ，，+-.根据概率的定义和二维随机变量的定义，可得：二维分布函数)(y x F ，具有以下基本性质： （1）1)(0≤≤y x F ，；（2）)(y x F ，关于变量x 和y 均单调非减，且右连续； （3）对于任意固定的y ，0)(lim )(==-∞-∞→y x F y F x ，，对于任意固定的x ，0)(lim )(==∞--∞→y x F x F y ，，1)(0)(=∞++∞=∞--∞，；，F F ； （4）对于任意2121y y x x <<，恒有：=≤<≤<}{2121y Y y x X x P ，0)()()()(11211222≥+--y x F y x F y x F y x F ，，，，3.3.1.2. 二维离散型随机变量及其分布定义3.2： 如果二维随机变量)(Y X ，可能取的值为有限对或可列无穷对实数，则称)(Y X ，为二维离散型随机变量.显然，)(Y X ，为二维离散型随机变量，当且仅当X 和Y 均为离散型随机变量.设二维离散型随机变量)(Y X ，所有可能的取值为)21()( ，，，，=j i y x j i ，且对应的概率为.,21}( ，，，，====j i p y Y x X P ij j i则称上式为二维随机变量)(Y X ，的概率分布或X 与Y 的联合概率分布.由概率的定义可知：（1） 210，，，=≥j i p ij .（2）∑∑+∞=+∞==111i j ij p .联合分布也常用表格表示，并称为X 与Y 联合概率分布表.4根据定义，离散型随机变量)(Y X ，的联合分布函数∑∑≤≤=≤≤=x x yy iji j py Y x X P y x F },{)(，即对一切满足不等式y y x x j i ≤≤，的ij p 求和.例3.1盒子里有2个黑球、2个红球、2个白球，在其中任取2个球，以X 表示取得的黑球的个数，以Y 表示取得的红球的个数，试写出X 和Y 的联合分布表，并求事件}{1≤+Y X 的概率.解：X 、Y 各自可能的取值均为0、1、2，由题设知，)(Y X ，取（1，2）、（2，1）、（2，2）均不可能. 取其他值的概率可由古典概率计算. 从6个球中任取2个一共有26C =15种取法. )(Y X ，取)00(，表示取得的两个球是白球，其取法只有一种，所以其概率为 }{1510,0===Y X P ，类似地)(Y X ，取其他几对数组的概率为如下： }151}20{}02{,154}11{154152201{}10{==========⨯======Y X P Y X P Y X P Y X P Y X P ，，，，，，)(Y X ，的联合概率分布表为5P {所取两个球中至少有一个白球}=P {所取两个球中黑球和红球的和不超过一个}=}1{≤+Y X P ，由于事件}1{≤+Y X 包含三个基本事件，分别对应着点（0，0）、（0，1）和（1，0），所以：.53154154151}01{}10{}00{}1{=++===+==+===≤+Y X P Y X P y X P Y X P ，，， 3.1.3 二维连续型随机变量及其分布定义3.3：设二维随机变量)(Y X ，的分布函数为)(y x F ，，如果存在非负可积的二元函数)(y x f ，，使得对任意实数y x 、，有}{⎰⎰∞-∞-=≤≤=xydudv v u f y Y x X P y x F )(,)(、，，则称)(Y X ，为二维连续型随机变量，称函数)(y x f ，为二维随机变量)(Y X ，的概率密度函数或随机变量X 和Y 的联合密度函数.由分布函数的定义知，联合密度函数)(y x f ，具有以下性质： （1）0)(≥y x f ，；（2）1)(=⎰⎰∞+∞-∞+∞-dxdy y x f ，；（1)(=∞++∞，即F ）反过来，如果一个二元函数)(y x f 、同时满足性质（1）、（2），则它一定是某个二维随机变量的概率密度函数.6 （3）若)(y x f 、在点)(y x 、处连续，则有)()(2y x f yx y x F ，，=∂∂∂； （4）设D 是xoy 平面上任一区域，则点),(y x 落在D 内的概率为{σd y x f D Y X P D)(})(，，⎰⎰=∈.在几何上，{})(D Y X P ∈，的值等于以D 为底，曲面)(y x f Z 、=为顶的曲顶柱体的体积.与一维随机变量相似，有如下常用的二维均匀分布和二维正态分布二维均匀分布：设D 是平面上的有界区域，其面积为A ，若二维随机变量),(Y X 具有概率密度函数⎪⎩⎪⎨⎧∈=其他,0),(,1),(Dy x A y x f则称),(Y X 在D 上服从均匀分布.二维正态分布：若二维随机变量)(Y X ，的概率密度为⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡-+-⋅---⋅---=2222221121212221)(2)()1(21exp 121),(σμσμσμρσμρρσσπy y x x y x f（+∞<<∞-+∞<<-∞y x ,）其中参数ρσσμμ，，，，2121均为常数，且10021<>>ρσσ，，，则称)(Y X ，服从参数为2121σσμμ，，，及ρ的二维正态分布，记作）；，，，，ρσσμμ222121(~)(N Y X .7如图3-4所示，二维正态分布以），（21μμ为中心，在中心附近具有较高的密度，离中心越远，密度越小，这与实际中很多现象相吻合.图 3-3 二维正态分布密度函数图象例3.2 设二维随机变量)(Y X ，的概率密度函数为⎩⎨⎧≥≥=+-其它，，，，000)()32(y x Ce y x f y x求：（1）常数C ；（2）)(Y X ，的分布函数)(y x F ，；（3）}{Y X P <.解：（1）由)(y x f ，的性质2可知：⎰⎰⎰⎰∞+∞++-∞+∞-∞+∞-==)32()(1dxdy Ce dxdy y x f y x ，=⎰⎰∞+∞+--⋅=03261C dy e dx e Cy x所以：6=C （2）⎰⎰∞-∞-=xydxdy y x f y x F )()(，，8 ⎪⎩⎪⎨⎧≥≥--==⎰⎰--+-其它，，，000)1)(1(60032)32(y x e e dxdy e x y y x y x（3）.526),(}{00)32(⎰⎰⎰⎰∞++-<===<y y x yx dy e dx dxdy y x f Y X P .例3.3 设二维随机变量)(Y X ，的密度函数为⎩⎨⎧≤≤≤≤=其它，，，，010104)(y x xy y x fD 为xoy 平面内由x 轴、y 轴和不等式1<+y x 所确定的区域，求{}DY X P ∈)(，.解：如图3-4所示： {}⎰⎰=∈Ddxdy y x f D Y X P )(),(，⎰⎰-=xxydy dx 101461=例3.4 设),(Y X 在圆域}{4),(22≤+y x y x 上服从均匀分布，求（1）),(Y X 的概率密度；（2）}{10,10<<<<Y X P解：（1）圆的面积为π4=A ，故),(Y X 的概率密度为9⎪⎩⎪⎨⎧≤+=其他,04,41),(22y x y x f π（2）用G 表示不等式10,10<<<<y x 所确定的区域，由分布函数的性质4有}{10,10<<<<Y X P =⎰⎰=Gdxdy y x f 41),(.(注意概率密度),(y x f 在圆以外的区域都等于零)10 §3.2 边缘分布二维随机变量)(Y X ，作为一个整体，它具有分布函数)(y x F ，.而分量X 和Y 也都是随机变量，也有其各自的分布函数. 记X 和Y 的分布函数为)(x F X 和)(y F Y ，分别称它们为二维随机变量)(Y X ，关于X 和关于Y 的边缘分布函数. 边缘分布函数可以由)(Y X ，的联合分布函数)(y x F ，来确定：{}{})()(∞+=+∞<≤=≤=，，x F Y x X P x X P x F X即：)()(∞+=，x F x F X ；同理)()(y F x F Y ，+∞=. 下面分别讨论二维离散型随机变量和二维连续型随机变量的边缘分布3.2.1 二维离散型随机变量)(Y X ，的边缘分布设)(Y X ，是二维离散型随机变量，设其概率分布为{}.21 ，，，，，====j i p y Y x X P ij j i则X 的边缘分布律为：{}{}{}{}.21121，，，，，==+==++==+====∑∞=i p y Y x X P y Y x X P y Y x X P x X P j ijj i i i i X 的边缘分布函数为 ∑∑≤=+∞=x x jijX i px F x F ),()(.若将{}∑∞===1j iji px X P 记为），.21( =∙i p i ，则X 的边缘分布可写成表格形式且满足1=∑⋅ii p .同理，Y 的边缘分布律为：{}{}{}{}.21121，，，，，===+==++==+====⋅∞=∑j p p y Y x X P y Y x X P y Y x X P y Y P ji ij j i j j j写成表格形式有满足1=∑⋅jj p .Y 的边缘分布函数为∑∑≤=+∞=y y iijY j py F y F ),()(例3.5 设)(Y X ，的概率分布由下表给出，求X 和Y 的边缘分布.解：{}{}000====Y X P X P ，+{}10==Y X P ，+{}20==Y X P ， 80.035.030.015.0=++=同理可求得：20.003.012.005.0}1{=++==X P20.0}0{==Y P ， 42.0}1{==Y P ， 38.0}2{==Y P将X 和Y 的边缘分布列入),(Y X 的联合分布表中通过该例，可以很明显地看出，边缘分布∙i p 和j p ∙分别是联合分布表中第i 行和第j列各元素之和.3.2.2 二维连续型随机变量)(Y X ，的边缘分布设)(Y X ，是二维连续型随机变量，它的概率密度函数为),(y x f ，则X 的边缘分布函数为： ⎰⎰∞-∞+∞-⎢⎣⎡⎥⎦⎤=∞+=x X dx dy y x f x F x F )()()(，， 其密度函数为：⎰∞+∞-=∞+'='=dy y x f x F x F x f XX )()()()(，，同理，Y 的边缘分布函数为⎰⎰∞-∞+∞-⎢⎣⎡⎥⎦⎤=+∞=y Y dy dx y x f y F y F )(),()(，其密度函数为⎰∞+∞-='=dx y x f y F y f Y Y )()()(，通常分别称)(x f X 和)(y f Y 为二维随机变量)(Y X ，关于X 和Y 的边缘密度函数. 例3.6 设随机变量)(Y X ，的密度函数为⎩⎨⎧≤≤≤=其它，，，010)(y x y x k y x f试求参数k 的值及X 和Y 的边缘密度.解：根据联合密度函数的性质，有⎰⎰⎰⎰∞+∞-∞+∞-===101181)(x k ydydx x k dxdy y x f ， 所以： 8=kX 的边缘密度函数⎰+∞∞-=dy y x f x f X )()(，当x <0或1>x 时，),(y x f 都等于零，所以此时0)(=x f X当10≤≤x 时，且1≤≤y x 时，xy y x f 8),(=，所以⎰-==12)1(48)(xX x x xydy x f即： ⎩⎨⎧≤≤-=其它，，010)1(4)(2x x x x f X同理可得： ⎩⎨⎧≤≤=其它，，0104)(3y y y f Y例3.7 设随机变量)(Y X ，的密度函数为⎩⎨⎧≤≤≤≤=其它，，，010,104)(y x y x y x f试求X 和Y 的边缘密度.解：关于X 的边缘密度⎰+∞∞-=dy y x f x f X )()(，当x <0或1>x 时，),(y x f 都等于零，所以此时0)(=x f X当10≤≤x 时，且10≤≤y 时，xy y x f 4),(=，所以⎰==124)(x xydy x f X即： ⎩⎨⎧≤≤=其它，，0102)(x x x f X同理可得：⎩⎨⎧≤≤=其它，，0102)(y y y f Y例3.8 求二维正态随机变量)(~)(222121ρσσμμ；，，，，N Y X 的边缘密度.解：记X 和Y 的边缘密度函数分别为)(x f X 和)(y f Y由于222222112121)(2)(σμσμσμρσμ-+-⋅---y y x x=211221122))(1()(σμρσμρσμ--+---x x y所以：dy eedy y x f x f x y x X 211222121)()1(212)(221121)()(σμρσμρσμρσπσ-----∞+∞-∞+∞---∞+∞-⎰⎰⎰⋅-==，令 )(1111222σμρσμρ----=x y t则 )(x f X dt eet x ⎰∞+∞----=22)(1212121σμσπ21212)(121σμσπ--=x e （+∞<<-∞x ）可见 )(~211σμ，N X ；同理可得：2222)(221)(σμσπ--=y Y ey f （+∞<<-∞y ）即)(~222σμ，N Y .比较联合密度)(y x f ，和边缘密度函数)()(y f x f Y X 、，我们注意到当且仅当0=ρ时，对一切)y x ，（有)()()(y f x f y x f Y X ⋅=，. 以上对二维正态分布的讨论说明：（1）二维正态分布的边缘分布是一维正态分布，由二维联合分布可以唯一确定其每个分量的边缘分布；（2）已知X 与Y 的边缘分布，并不能唯一确定其联合分布，还必须知道参数ρ的值.譬如两个二维正态分布）；，，，2/11100(N 和）；，，，3/11100(N ，它们的联合分布不同，但其边缘分布都是标准正态分布. 引起这一现象的原因是二维联合分布不仅含有每个分量的概率分布，而且还含有两个变量X 与Y 之间相互关系的信息，而后者正是人们研究多维随机变量的原因. 联合分布中的参数ρ的值，反映了两个变量X 与Y 之间相关关系的密切程度.从以上几个例题可知，联合密度决定边缘密度，但反过来知道边缘密度并不能唯一确定联合密度3.2.3．二维随机变量的独立性在前面我们已经知道，随机事件的独立性在概率计算中起着很大的作用.在多维随机变量中，它们的分量的独立性在概率论和数理统计的研究中占有十分重要的地位。
3.3 二维连续型随机变量及其分布
1 6xydy 3x(1 x4 ), 故 x2
f
X
(
x)
3x(1 x4 0,其它
),0
x
1,
当0 y 1时，fY ( y)
f (x, y)dx
0
y
6xydx
3x2 y
|x
x0
y
3y 2 , 故得
fY
(
y)
3y2,0 0,其它.
定义：设二维随机变量（X，Y）的联合分布函数为F(x,y)，边缘分
布函数为FX(x)，FY(y)，若对任意的实数x,y，有 F(x,y)=FX(x)FY(y)
则称X与Y相互独立。
推广定义. 设n维随机变量(X1,X2,...Xn)的分布函数为F(x1,x2,...xn), 若Xk 的边缘分布函数为FXk(xk),k=1,2,…,n,
0 3
3
所以， 随机变量X的边缘密度函数为
f
X
x
2x
2
2 3
x
0 x 1
0
其它
当0 y 2 时，
fY
y
f
x，
ydx
1 0
x2
1 3
xy dx
1 3
1 6
y
所以， 随机变量Y的边缘密度函数为
fY
y
1 3
y x2
O
x
（1）求常数c;(2)求关于X及Y的边缘概率密度
1x
解:(1)由归一性 dx cdy 1 c 6
二维随机变量及其分布函数
设二维离散型随机变量 ( X ,Y ) 所有可能取的 值为 ( x i , y j ), i , j 1, 2,, 记 P{ X x i , Y y j } pij , i , j 1, 2,, 称此为二维离散型随机 变量 ( X ,Y ) 的分布律 , 或随机变量 X 和 Y 的联合分布律 .
对于任意固定的x ,当y2 y1时F ( x, y2 ) F ( x, y1 ).
2o
0 F ( x, y ) 1, 且有
lim F ( x , y ) 0, 对于任意固定的 y, F ( , y ) x
对于任意固定的 x , F ( x,) lim F ( x, y ) 0,
( 2)
f ( x , y ) d x d y F (, ) 1.
(3) 设 G 是 xOy 平面上的一个区域 , 点 ( X , Y ) 落在 G 内的概率为
P {( X ,Y ) G } f ( x , y ) d x d y .
G
2 F ( x, y) (4) 若 f ( x , y ) 在 ( x , y ) 连续, 则有 f ( x, y) . xy
例2 从一个装有3支蓝色、2支红色、3支绿色圆珠
笔的盒子里, 随机抽取两支, 若 X、Y 分别表示 抽出的蓝笔数和红笔数,求 ( X, Y ) 的分布律. 解 ( X, Y ) 所取的可能值是
( 0,0), ( 0,1), (1,0 ), (1,1), ( 0,2), ( 2,0).
3 2 3 8 3 抽取两支都是绿笔 抽取一支绿笔 , 一支红笔 P { X 0,Y 0} , 0 0 2 2 28 3 2 3 8 3 P { X 0,Y 1} , 0 1 1 2 14
二维正态分布及二维均匀分布
第四章
二维正态分布及二维均匀分布
一、二维正态分布 二、二维均匀分布
一、二维正态分布
设二维随机变量 ( X ,Y ) 的联合概率密度函数为
f(x ,y ) 212 11 2e x p 2 (1 12 ) (x 1 2 1 )2
2(x1)1 (y22)(y 2 22)2 其中 1,2,1,1,为常数，
.
1 9 D (X ) 1 4 D (Y ) 2 1 3 1 2 C o v (X ,Y ) 3
Cov(X,Z)CovX,13X12Y
1C ov(X,X)1C ov(X,Y)
3
2
1D(X)1Cov(X,Y) 0
3
2
所以
D ( Z ) D XZ1 3 X 0 .D 1 2Y 2 C o v 1 3X ,1 2Y 0,| x Nhomakorabear2
fY(y)r2
r2 y2, | y|r
0,
| y|r
.
由于 f(x ,y ) fX (x )fY (y ),所以 X 与 Y 不相互独立。 又
E ( X
)
2r2
r
x
r
r2x2dx
0
E (Y
)
2r2
r
y
r
r2y2dy
0
E(XY )
1
r2
x2y2r2
xydxdy
0
于是 Cov(X,Y) E (X Y ) E (X ) E ( Y ) 0
f (x, y) 1A, (x, y)D 0, (x, y)D
则称 ( X ,Y ) 在区域 D 上服从二维均匀分布。
例如，矩形区域上的均匀分布，其概率密度函数为
f(x,y) (ba)1(dc), axb,cyd
概率论与数理统计总结之第三章
第三章 多维随机变量及其分布第一节二维随机变量的概念1.二维随机变量定义：设(X,Y)是二维随机变量，记为:(,){()()}=≤⋂≤F x y P X x Y y (,)=≤≤P X x Y y (,)-∞<<∞-∞<<∞x y称(,)F x y 为X 与Y 的分布函数，或称X 与Y 的联合分布函数}}(){{(,lim (,)→+∞=≤=≤≤+∞=X y F x P X x P X x Y F x y}}(){{,lim (,)→+∞=≤=≤+∞≤=Y x F y P Y y P X Y y F x y分布函数(,)F x y 性质:1）(,)F x y 是变量x 和变量y 的不减函数，(分别关于x 和y 有单调不减性) 2）0(,)1≤≤F x y ，任意一边趋于-∞＝０.F(∞，∞)=1（用来确定未知参数）.3）(,)(0,)(0,0)=+=++F x y F x y F x y ，即(,)F x y 分别关于x 右连续，关于y 也右连续,4）对于任意11221212(,),(,),,,<<x y x y x x y y 下述不等式成立(可用于判定二元函数(,)F x y 是不是某二维随机变量的分布函数):22211112(,)(,)(,)(,)0-+-≥F x y F x y F x y F x y 2.二维离散型随机变量:定义:如果二维随机变量(X,Y)只取有限对或可列无穷多对，则称(X,Y)是二维离散型随机变量其概率{,},,1,2,====i i ij P X x Y y p i j …为二维离散型随机变量(X,Y)的分布律，或随机变量X 和Y 是联合分布律 性质:1.0,(i,j 1.2.....)≥=ij P2.1≤≤=∑∑i i ijx x y yp满足以上两条，即为二维离散型随机变量的分布律. 注；步骤:定取值,求概率,验证1.离散型随机变量X 和Y 的联合分布函数为(,)≤≤=∑∑i i ijx x y yF x y p，其中和式是对一切满足,≤≤i i x x y y 的i,j 来求和的边缘分布定义:对于离散型随机变量(X,Y)，分量X 和Y 的分布律(), 1.2...(), 1.2..的边缘分布律：的边缘分布律：••========∑∑i i ij jJ i ij iX p P X x p i Y p P Y y p i ，0,0(, 1.2....)1•••≥≥===∑∑i j jiip p i j pi p联合确定边缘，但一般情况，边缘不能确定的联合，除非相互独立. 比如；有放回的摸球，就是X ，Y 相互独立. 不放回地摸球，是条件分布.3.二维连续型随机变量的概率密度和边缘概率密度. 对比一维的: 概率密度:()()1∞-∞==⎰f x f x dx ，分布律:{}(),≤≤=⎰b aP a x b f x dx 分布函数:()()-∞=⎰xF x f t dt二维:定义:设二维随机变量(X,Y)的分布函数为(,)F x y ，若存在非负可积函数(,)f x y ，使得对于任意实数x,y 有(,)(,)-∞-∞=⎰⎰xyF x y f u v dudv ，则称(X,Y)为二维连续型随机变量，(,)f x y 称为(X,Y)的概率密度，或联合概率密度.概率密度的性质: 1.(,)F x y ≥0 2.(,)1∞∞-∞-∞=⎰⎰f x y dxdy只要具有以下两条性质，必可作为某二维随机变量的概率密度.3.已知(X,Y)的概率密度(,)f x y ，则(X,Y)在平面区域D 内取值的概率为:{(,)}(,)∈=⎰⎰DP X Y D f x y dxdy (作二重积分)(随机点(X,Y)落在平面区域D 上的概率等于以平面区域D 为底，以曲面(,)=z f x y 顶的典顶的体积) 4.若(,)F x y 在点(x,y)连续，则有2(,)(,)∂=∂∂F x y f x y x y(连续就能根据分布律求概率密度)1） 当求()=P X Y 时，它只是一条线，所以：()0＝=P X Y2） 一个方程有无实根：20++=ax bx c ，即求：22240,40,40,一个实根无实根两个实根+=+<+>b ac b ac b ac均匀分布：定义:设D 为平面上的有界区域，其面积为S ，且0>S ,如果二维随机变量(X,Y)的概率密度为1,(x,y)(,)0,其它⎧∈⎪=⎨⎪⎩Df x y S，则称(X,Y)服从区域D 上的均匀分布(或叫(X,Y)在D 上服从均匀分布，记作（X,Y ）D U . 两种特殊情形:1） D 为矩形，,c )≤≤≤≤a x b y d 时，1,()()(,),c )0,其它⎧⎪--=≤≤≤≤⎨⎪⎩b a dc f x y a x b y d2） D 为圆形，如(X,Y)在以原点为圆心，R 为半径的圆域上服从均匀分布，则(X,Y)的概率密度为:22221,(,))0,其它π⎧⎪=+≤⎨⎪⎩f x y x y R R定义:对连续型随机变量(X,Y),分量X,Y 的概率密度称为(X,Y)关于X 或Y 的边缘概率密度,记作(),X f x ().Y f y X 的分布函数:()(,)(,)∞-∞-∞⎡⎤=∞=⎢⎥⎣⎦⎰⎰xX F x F x f u v dv du （让Ｙ趋于正无穷） Y 的分布函数:()(,)(,)∞-∞-∞⎡⎤=∞=⎢⎥⎣⎦⎰⎰yY F y F y f u v du dv （让Ｘ趋于正无穷） X 的概率密度:()(,),()∞-∞=-∞<<∞⎰X f x f x y dy xY 的概率密度:()(,),()∞-∞=-∞<<∞⎰Y f y f x y dx y（二维的边缘概率密度是直接以联合概率密度在负无穷到正无穷对对应元素积分，其间需要对划分区间的作分别积分）(X,Y)的概率密度:(,)(,)[(,)]-∞-∞-∞-∞==⎰⎰⎰⎰x yx yf x y f u v dudv f u v dv du二维正态分布： 二维正态221212(,)(,,,,)σσρX Y N u u 分布函数的性质:1.211()(,)σX N u ,222()(,)σY N u 边缘服从一维正态分布2.0,ρ=⇔xy X Y 独立（相关系数为Ｏ，则两个随机变量独立）3.212()()σ++k X k Y N u (线性组合按一维正态处理)4. 1212()，±±k X k Y c X c Y 服从二维正态（如：(,)+-X Y X Y ） 条件分布:设(X,Y)是二维离散型随机变量，对于固定的j ，若{}0=>j P Y y ，则称{=i P X x ｜{,}},1,2,{}⋅=======i j ij j j jP X x Y y p Y y i P Y y p …为在=j Y y 条件下随机变量X 的条件分布律同样地，若{}0,=>i P X x 则称{=j P Y y ｜{,}},1,2,{}⋅=======i j ij i i i P X x Y y p X x j P X x p …为=i X x 条件下随机变量Y 的条件分布律 变形，即得求联合分布律的方法.设二维随机变量(X,Y)的概率密度为f(x,y),(X,Y)关于Y 的边缘概率密度为()Y f y .若对于固定的y,()0,>Y f y 则称(,)()Y f x y f y 为在Y=y 的条件下X 的条件概率密度称|(,)(|)()-∞-∞=⎰⎰xxX Y Y f x y f x y dx dx f y 为在Y=y 的条件下，X 的条件分布函数，记为P{X ≤x|Y=y}或|(|)X Y F x y ，即|(,)(|){|}()-∞=≤==⎰x X Y Y f x y F x y P X x Y y dx f y 设F(x,y)及(),()X Y F x F y 分别是二维随机变量(X,Y)的分布函数及边缘分布函数，若对于所有x,y 有P{X ≤x,Y ≤y}=P{X ≤x}P{Y ≤y},即(,)()()=X Y F x y F x F y ，则称随机变量X 和Y 是相互独立的设(X,Y)是连续型随机变量，(,),(),()X Y f x y f x f y 分别为(X,Y)的概率密度和边缘概率密度，则X 和Y 相互独立的条件等价于(,)()()=X Y f x y f x f y 在平面上几乎处处成立(除去面积为0的集合以外，处处成立)第二节随机变量的独立性1. 两个随机变量的独立性 定义:设(,),().()X Y F x y F x F y 分别是二维随机变量(X,Y)的分布函数和两个边缘分布函数，若对任意实数,x y 有(,)().()=X Y F x y F x F y ，则称X 与Y 相互独立.可用于判断独立性(随机变量独立,对任意实数x,y,事件X ,Y ≤≤x y 相互独立) 以上公式等价于:(X ,Y )(X ).()≤≤=≤≤X Y P x y P x P Y y 可类推至多个函数的情况.1)如果X,Y 随机变量独立，().()连续f x g y ，(通过函数作用)则().()f x g y 也独立.(可类推至多个随机变量的情况)例:X,Y 独立，则22,x y 独立.2)如果1212,...,...，ＹＹＹm m X X X 相互独立，12m 121()()...()()()....()和，f x f x f x g y g y g y 也相互独立。
§5二维随机变量及其分布
问题，在研究家庭的收支时则涉及更多个方面的因素。
与一维随机变量的研究类似，我们也把随机向量 分成离散型、连续型及混合型，主要研究离散型和连
续型的随机向量。
2014-12-8 3
二、二维随机变量的分布函数
定义：设有二维随机变量( X ,Y ), 对x, y R, 称概率 P ( X x,Y y )为随机变量( X ,Y )的联合分布函数.
y
2
1 1
2
x
0, x 1, 或y 1 1/ 3, 1 x 2, y 2. F ( x , y ) 1/ 3, 1 y 2, x 2. 0, 1 x 2,1 y 2. 1, x 2, 且y 2.
2014-12-8 14
例4
从1，2，3，4中取一数记为X，再从1，…，X
2014-12-8 16
第三节
二维连续型随机变量
2014-12-8
17
一、联合密度函数 1、定义：如果存在二元非负函数 p(x,y)，使得二维 随机变量（X,Y）的分布函数 F(x,y)满足
x y
F ( x, y)
p( u, v )dudv .
则称（X,Y）为二维连续随机变量， p(x,y)称为
5
注意：上述四条性质是联合分布函数的充要条件.
2014-12-8
Y
关于非负性的补充说明：
P ( a X b, c Y d )
d
D
C
B
c A
a F ( b, d ) F ( a , d ) F ( b, c ) F ( a , c ) 0 .
取值的概率；
按照分布函数的定义，这个概率又可以表示为
【学习】第三章多维随机变量
fX(x)f(x,y)dy,
fY(y)f(x,y)dx
结 束
19
例1: 设 (X, Y) 的分布函数为：
F (x ,y ) a ( b arx ) c c (a ta ry n ) c,( t a x ,y n ) ,
2
2
试求 (1) a 、 b、c , (2) (X, Y ) 的概率密度.
x2 … xi … p21 … pi 1 … ┇…┇…
yj p1 j p2 j … pi j … ┇ ┇ ┇ …┇ …
( X, Y ) 的分布律的性质: (1) 非负性 pi j 0,
(2) 归一性 pi j 1
ij
结 束
10
( X, Y ) 的分布律
P {X x i,Y yj} p ij,i,j 1 ,2 ,
第三章 多维随机变量及其分布
结 束
1
到现在为止，我们只讨论了一维随机变量及其分布. 但有些随机现象用一个随机变量来描述还不够，而 需要用几个随机变量来描述.
如: 在打靶时, 命中点的位置是由 一对随机变量(两个坐标)来确定的.
飞机的重心在空中的位置是由 三个随机变量(三个坐标）来确定 的等等.
因而需进一步讨论由多个随机变量构成的随机向量. 其处理思路及方法与一维情形相同, 但形式较一维 复杂; 学习时应注意与一维情形的对照.
D的可能取值 为1, 2, 3, 4; F 的可能取值 为0, 1, 2 ;
再确定取值的概率,如: P{D1,F0}P{N1} 1/ 6,
P{D2,F1} P ( { N 2 }{ N 3 }{ N 5 } 3 / 6
等等.
可得D 和 F 的 联合分布律及 边缘分布律为:
FD 1 2 0 1/6 0 1 0 3/6
概率论与数理统计知识点总结
（3）一些常见排列
重复排列和非重复排列（有序）
对立事件（至少有一个）
顺序问题
（4）随机试验和随机事件
如果一个试验在相同条件下可以重复进行，而每次试验的可能结果不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则称这种试验为随机试验。
乘法公式：
更一般地，对事件A1，A2，…An，若P(A1A2…An-1)>0，则有
… …… … 。
（14）独立性
①两个事件的独立性
设事件 、 满足 ，则称事件 、 是相互独立的。
若事件 、 相互独立，且 ，则有
若事件 、 相互独立，则可得到 与 、 与 、 与 也都相互独立。
必然事件 和不可能事件?与任何事件都相互独立。
设离散型随机变量 的可能取值为Xk(k=1,2,…)且取各个值的概率，即事件(X=Xk)的概率为
P(X=xk)=pk，k=1,2,…，
则称上式为离散型随机变量 的概率分布或分布律。有时也用分布列的形式给出：
。
显然分布律应满足下列条件：
（1） ， ， （2） 。
（2）连续型随机变量的分布密度
设 是随机变量 的分布函数，若存在非负函数 ，对任意实数 ，有
， ，
其中 、 为常数，则称随机变量 服从参数为 、 的正态分布或高斯（Gauss）分布，记为 。
具有如下性质：
1° 的图形是关于 对称的；
2°当 时， 为最大值；
若 ，则 的分布函数为
参数 、 时的正态分布称为标准正态分布，记为 ，其密度函数记为
， ，
分布函数为
。
大学概率论二维正态分布
2
1
π x
y
e dx (ax2 2bxc)
于是
e dx (ax2 2bxc)
π
(
e
acb2 a
)
,
a
f Z (z)
1
e . [
z ( x
2(
2 x
y
2 y
)]2 )
2π
2 x
2 y
由此可见，Z 服从正态分布
N (x
y
,
2 x
2 y
).
定理2表明：
独立正态随机变量的和仍是正态随机变量.
解： 已知 x y 0 , x 16 4 , y
cov(X ,Y ) 12 , 于是 X与Y 的相关系数为 r R( X ,Y ) 12 3, 16 25 5
25 5 ,
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
第四章
正态分布
§4.4 正态随机变量的线性函数的分布
z
0.015
0.010
0.005 0.000
-10
f (x,y) 2
-5
0
x
5
1 xy 1
exp
2
1 21 2
10
5
0 y
-5
10 -10
x
2 x
2
x
xy
y
2
x
x
y
y
2 y
2 y
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
§4.3 二维正态分布
[定理1] 设二维随机变量 ( X ,Y )服从二维正态分布
- 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 1 2 2 e FZ ( z ) P ( X Y ) z 2 2 2 3 1 ( x y ) z 3
1 2
x2 y 2 2
x2 y 2 2
dxdy
2
0
d
3z
0
e rdr 1 e
r2
2
于是
Cov( X , Y ) E ( XY ) E ( X ) E (Y ) 0
XY 0
作业
习题4 24, 25, 26
3 z
即
z0 0, FZ ( z ) 3 z 2 1 e , z 0
FZ ( z ) 对 z 求导， 得 Z 的概率密度函数
z0 0, fZ ( z) 3 3 z 2 e , z0 2
二、二维均匀分布
设 D 是平面上的一个有界区域，其面积为 A 。 若二维随机变量 ( X , Y ) 的联合概率密度函数为
其中 1 , 2 , 1 , 1 , 为常数，
且 1 0, 2 0,| | 1,
则称 ( X , Y ) 服从二维正态分布， 2 记为 ( X ,Y ) ~ N ( 1,12 ; 2 , 2 ; )
2 定理：若 ( X ,Y ) ~ N ( 1,12 ; 2 , 2 ; ) ，则： 2 （1） X ~ N (1,12 ),Y ~ N ( 2 , 2 );
同理
由于 f ( x, y) f X ( x) fY ( y), 所以 X 与 Y 不相互独立。 又
2 r E ( X ) 2 x r 2 x 2 dx 0 r r 2 r E (Y ) 2 y r 2 y 2 dy 0 r r 1 E ( XY ) 2 xydxdy 0 r x2 y 2 r 2
下面求 X , Y 的边缘概率密度函数。
当 | x | r 时，
f X ( x)
当 | x | r 时，
r 2 x2
2 1 2 2 dy 2 r x 2 2 2 r x r r
f X ( x) 0
故
2 2 2 2 r x , | x | r f X ( x) r | x | r 0, 2 2 2 r y , | y | r 2 fY ( y ) r | y | r 0,
（2） E( X ) 1, D( X ) , E (Y ) 2 , D(Y ) ,
2 1 2 2
Cov( X ,Y ) 1 2 , XY ;
（3）X 与 Y 相互独立的充要条件是 0.
例1 已知 X ~ N (1,3 ),Y ~ N (0,4 ), 且 XY 1 1 设 Z X Y , 求： E ( Z ), D ( Z ), XZ . 3 2 由已知， 解：
1 1 1 1 D( X ) D(Y ) 2 Cov( X , Y ) 3 9 4 3 2
1 1 Cov( X , Z ) Cov X, X Y 2 3 1 1 Cov( X , X ) Cov( X , Y ) 3 2 1 1 D( X ) Cov( X , Y ) 0 3 2
所以
1 1 1 D( Z ) D X D Y 2Cov X , Y 3 2 3 2
1 0. XZ
例2 设随机变量 ( X , Y ) 服从二维正态分布
1 f ( x, y ) e 2 1 2 求随机变量 Z ( X Y 2 ) 的概率密度。 3 解： 当 z 0 时，Z 的分布函数 FZ ( z ) 0 ；
1 , ( x, y ) D f ( x, y ) A 0 , ( x, y ) D 则称 ( X , Y ) 在区域 D 上服从二维均匀分布。
例如，矩形区域上的均匀分布，其概率密度函数为 1 , a x b, c y d f ( x, y ) (b a)(d c) 0 , 其它
一、二维正态分布
设二维随机变量 ( X , Y ) 的联合概率密度函数为 ( x 1 ) 2 1 1 f ( x, y ) exp 2 2 2 2(1 ) 2 1 2 1 1
2
( x 1 )( y 2 )
1 2
( y 2 ) 2 2 2
例3 设二维随机变量 ( X , Y ) 在圆域 x2 y 2 r 2上服从
二维均匀分布， （1）求 X 与 Y 的相关系数 XY ； （2）问 X 与 Y 是否相互独立。 解：( X , Y ) 的联合密度函数为
1 2 2 2 , x y r 2 f ( x, y ) r 0, 其它
2 2
1 . 2
则
E ( X ) 1, D( X ) 9, E (Y ) 0, D(Y ) 16 1 Cov( X , Y ) XY D( X ) D(Y ) 3 4 6 2
1 1 1 E ( Z ) E ( X ) E (Y ) 3 2 3 1 1 1 1 D( Z ) D X D Y 2Cov X , Y 3 2 3 2