二维正态随机变量的线性组合的独立性
二维随机变量的独立性
令 x=1 , y=2 , f (1, 2 ) fX ( 1) fY (2 ),
1
1 1
பைடு நூலகம்
2 12 1 2 2 1 2 2
=0.
1/2
4/20 2/20 4/20
问X与Y相互独立吗？
pij pi• p• j
解： 设（X，Y）的边缘分布律为
Y
x
-1 0
2
pi.
1/2 2/20 1/20 2/20 1/4
1 2/20 1/20 2/20 1/4
2 4/20 2/20 4/20 1/2
p .j
2/5 1/5 2/5
下面判断X、Y是否相互独立。
例 设随机变量 X 和Y 相互独立,并且 X 服从 N (a, σ 2 ),Y 在 [b,b] 上服从均匀分布, 求 ( X ,Y ) 的联合概率密度.
解： 由于X 与Y 相互独立, 所以 f ( x, y) fX ( x) fY ( y)
X ~ N(, 2)
则fX (x)
1
e ,
(2)若X,Y相互独立，由
P{X xi ,Y yj} P{X xi Y yj} P{Y yj}
P{Y yj X xi} P{X xi}
P{X xi Y y j} P{X xi}; P{Y y j X xi} P{Y y j}
当0 y 1时，fY ( y)
y 8xydx 4 y3,则
0
4 y3，0 y 1 fY ( y) 0，其他
f (x, y) fX (x) fY ( y)
X , Y不独立。
例 已知 (X, Y) 的联合概率密度为
《概率学》3.2_3.3二维随机变量的边缘分布及独立性
连续型
f (x, y)
第三章 多维随机变量及其分布
（X，Y）边缘分布
FX(x) = F（x,＋∞） F Y(y) = F（＋∞, y）
pi .=P{X= xi}= pij i=1, 2, ..., j 1
p.j=P{Y= yj}= pij j=1, 2, ..., i 1
连续型 f (x, y)
第三章 多维随机变量及其分布
（X，Y）边缘分布
FX(x)=（
）
F Y(y) =（
）
pi .=P{X= xi}（=
）
p.j=P{Y= yj}=（
）
f X ( x) （
）
fY ( y) （
）
作答
1
8
山东农业大学公共数学系概率统计课程组 版权所有
第2节 二维随机变量的边缘分布
第三章 多维随机变量及其分布
f X (x)
f (x, y)dy
fY ( y)
f (x, y)dx
1
7
山东农业大学公共数学系概率统计课程组 版权所有
主第观2节题二维随2机分变量的填边缘空分布 填空
( X, Y )联合分布 一般 F(x,y)= P{X ≤ x,Y≤y}
离散型 P{X=xi ,Y=y j}= pi j
i, j=1, 2, ...,
1
2
fX (x)
f (x, y)dy
1
exp{ 1 (u2 2u v2)}dv
21 1 2
2(1 2)
1
u2
e2
1
exp{ (v u)2 }dv
2 1
2 1 2
2(1 2)
概率论与数理统计正态分布4-3二维正态分布课件
二维正态分布的应用场景
金融领域
在金融领域中，二维正态分布常 用于描述股票价格或其他金融变 量的联合分布，帮助投资者进行 风险评估和投资组合优化。
自然学科
在物理、化学、生物等自然学科 中，二维正态分布可用于描述实 验数据的误差分布、气象数据的 联合概率分布等。
概率论与数理统计正态分 布4-3二维正态分布课件源自目录CONTENTS
• 二维正态分布概述 • 4-3二维正态分布特性 • 4-3二维正态分布的性质 • 4-3二维正态分布的统计推断 • 4-3二维正态分布的实际应用
01 二维正态分布概述
二维正态分布的定义
二维正态分布是概率论与数理统计中 一种重要的概率分布，描述了两个随 机变量之间相互独立且具有相同的正 态分布关系。
03
4-3二维正态分布描述了两个随机变量之间线性关系 的情况。
4-3二维正态分布的数学表达式
1
4-3二维正态分布的数学表达式为f(x1, x2) = (1 / (2πσ1σ2)) * exp(-((x1-μ1)^2/2σ1^2 + (x2μ2)^2/2σ2^2))。
2
该表达式描述了两个随机变量x1和x2的概率密度 函数，其中μ1, μ2, σ1^2 和σ2^2是常数。
方差齐性检验
通过检验各组数据的方差是否相等，判断数据是 否满足方差分析的前提条件。
方差分析表
列出各组数据的均值、方差、自由度和贡献度等 信息，用于比较不同组之间的差异。
05 4-3二维正态分布的实际 应用
在金融领域的应用
资产定价
二维正态分布可以用于资产定价模型，例如Black-Scholes模型， 以评估衍生品的价值。
二维随机变量及其分布
一、二维随机变量的联合分布函数与边缘分布函数
1、联合分布函数: F(x,y)
(1)定义:设(X,Y)为二维随机变量,对任意实数 x、y, 称
F (x, y) P {X x , Y y} P {(X x) (Y y )}
为二维随机变量（X,Y）的联合分布函数。
6
(2)联合分布函数的几何意义 (X,Y)平面上随机点的 坐标
三、二维连续型随机变量
23
1、联合概率密度函数:f(x,y)
定义：设二维随机变量（X，Y）的分布函数为 F
(x,y),若存在非负函数f（x，y），使对任意实数
x，y 有
xy
F(x, y)
f (u,v)dudv
则称（X，Y）是二维连续型随机变量,f（x，y）称为（X， Y）的联合概率密度函数。
f (x, y)
0, 其他
求：（1）k; （2）P(Y X );
（3）分布函数F (x, y);
（4）P(0 X 1, o Y X )
26
解：(1)1
f (x, y)dxdy
y
dx
ke2x3ydy
0
0
0
x
k e2xdx e3ydy k
0
0
6
e2xdx 1 e2xd (2x)
X与Y独立.
43
例2:设二维随机变量(X,Y)的概率密度为
f
(
x,
y)
2,
0
x 0,
y, 0 其他
y
1
问X与Y是否独立。
解：f X (x)
f (x, y)dy
3
二维随机变量的定义:
设E是一个随机试验,其样本空间为S .设X、Y是定义在S 上的两个随机变量，由 X,Y 构成的向量(X，Y)称为S的 一个二维随机变量。
2.4 概率论——二维随机变量的独立性
y
FY ( y) F(, y) [ f ( x, v)dx]dv,
故X,Y 的 边缘密度函数为：
fX ( x) FX ( x)
f ( x, y)dy,
fY ( y) FY ( y)
f ( x, y)dx,
例2：设（X，Y）服从下列区域上的二维均匀分布，
试求X，Y的边缘概率密度。
y
(1)D ( x, y) | 0 x 2,0 y 1 1
2.4 二维随机变量的独立性
一、二维随机变量的边缘分布
随机向量( X ,Y )中, X ,Y的分布分别称为关于X、Y的 边缘分布。X, Y的分布函数 FX ( x), FY ( y) 称为边缘分布函数。
巳知 (X, Y) 的联合分布函数为 F(x, y)， 则易知：
FX x PX x PX x,Y F x, FY y PY y PX ,Y y F , y
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 的联合分布及条件分布.
解 依题意，{Y=n} 表示在第n次射击时击中目 标 , 且在前n-1次射击中有一次击中目标. {X=m} 表 首次击中目标时射击了m次 .
1 2 ……m…………. n-1 n
n次射击 击中
击中
j
P{[( X xi ) (Y y j )]}
j
P{X xi ,Y y j }
j
pij pi• (i 1,2, ) j
同理，Y的边缘分布
P{Y y j } pij p• j i
( j 1,2, )
XY
x1 x2 xi
p• j
y1 y2 y j pi•
p11 p12 p1 j p1•
暂时固定
14 二维正态分布·正态随机变量线性函数的分布·中心极限定理
1４ 二维正态分布·正态随机变量线性函数的分布·中心极限定理一、设二维随机变量),(Y X 服从二维正态分布，已知0)()(==Y E X E ，16)(=X D ，25)(=Y D ，并且12),cov(=Y X ，求),(Y X 的联合概率密度．解：已知0==y x μμ，416==x σ，525==y σ，53),cov(),(===y x Y X Y X r σσ．从而 2516)53(1122=-=-r ，5412=-r ． 进一步按公式])())((2)([)1(21222222121),(y y y x y x x x y y x r x r y x e r y x f σμσσμμσμσπσ-+-------=，可得),(Y X 的联合概率密度为 )2550316((322522321),(y xy x e y x f +--=π．二、设随机变量X 与Y 独立，并且)1,0(~N X ，)2,1(~2N Y ．求随机变量32+-=Y X Z 的概率密度．解：由题设，有0)(=X E ，1)(=X D ，1)(=Y E ，4)(=Y D ．又根据关于数学期望的定理和方差的定理以及独立正态随机变量线性组合的分布，我们有2)3()()(2)32()(=+-=+-=E Y E X E Y X E Z E ．8)3()()(4)32()(=++=+-=D Y D X D Y X D Z D ．且)8,2())(,)((~N Z D Z E N Z =，故随机变量32+-=Y X Z 的概率密度为16)2(82)2(2241821)(--⨯--==z z Z e e z f ππ )(+∞<<-∞z ．三、台机床分别加工生产轴与轴衬．设随机变量X (mm)表示轴的直径，随机变量Y (mm)表示轴衬的内径，已知)3.0,50(~2N X ，)4.0,52(~2N Y ，显然X 与Y 是独立的．如果轴衬的内径与轴的直径之差在3~1(mm)之间，则轴与轴衬可以配套使用．求任取一轴与一轴衬可以配套使用的概率．解：由题设，知随机变量X 与Y 是独立的，且)3.0,50(~2N X ，)4.0,52(~2N Y ．设X Y Z -=根据独立正态随机变量线性组合的分布，我们有 )5.0,2()3.0)1(4.0,50)1(52(~2222N N Z =⨯-+⨯-+．根据题目假设，我们知道当31≤-=≤X Y Z 时，轴与轴衬可以配套使用．于是所求概率为1)2(2)2()2()25.022()5.0235.025.021()31(-Φ=-Φ-Φ=≤-≤-=-≤-≤-=≤≤Z P Z P Z P 9544.019772.02=-⨯=．四、100台车床彼此独立地工作着，每台车床的实际工作时间占全部工作时间的80%，求：（1） 任一时刻有70至86台车床在工作的概率；（2） 任一时刻有不少于80台车床在工作的概率．解：设ξ表示“任一时刻正在工作的车床数”，则)8.0,100(~B ξ．808.0100=⨯=ξE ． 16)8.01(8.0100=-⨯⨯=ξD ．（1）)5.2()5.1()168070()168086()8670(1,01,01,01,0-Φ-Φ=-Φ--Φ≈<<ξP 927.019938.09332.0)]5.2(1[)5.1(1,01,0=-+=Φ--Φ=（2）)16800()168080([1)800(1)80(1,01,0-Φ--Φ-≈<<-=≥ξξP P )20()0(2)20()0(11,01,01,01,0Φ-Φ-=-Φ+Φ-=5.015.02=--=．五、在一家保险公司里有10000人参加保险，每人每年付12元保险费．在一年内一个人死亡的概率为0.006，死亡时其家属可向保险公司领得1000元．问：（1） 保险公司亏本的可能性是多大？（2） 保险公司一年的利润不少于50000元的概率是多少？解：设X 表示“一年内死亡的人数”，则)006.0,10000(~B X ．60006.010000=⨯=EX ． 84.59)006.01(006.010000=-⨯⨯=DX ．（1）)84.596012084.596084.59600(1)1200(1)12100001000(-≤-≤--≈≤≤-=⨯>ξP X P X P 0)7.7(22)]7.7()7.7([11,01,01,0=-=---≈ΦΦΦ．即保险公司不可能亏本．（2）)84.591084.596084.5960()700()5000010001210000(≤-≤-=≤≤=≥-⨯X P X P X P9032.01)756.7()293.1()756.7()293.1(≈-Φ+Φ=-Φ-Φ≈． 即保险公司一年利润不少于50000元的概率为9032.0．。
二维随机变量独立性的判定定理
（ 湛江广播 电 ＇ 视大学， 广东湛江，５ ２ ４ ０ ０ ５ ）
【 摘 要】二维随机变 量及其分布 是概 率论 与数理统计课程 的难点和重点。 已有 的二维随机变量判定定理判断随机变
量的独立性，必须 求出边缘分布律 ，有 时计算会 比较复杂，另有的两个判定定理更为简明直接 ，可 以参考应用。 【 关键词】 独立性 ；直接判别法 ；二维随机 变量 ；判定定理 Ｉ 中 图分类号 ｌ Ｏ ２ １ １ ． ５ Ｉ 文献标识 码ｌ Ａ 【 文章编号 ｌ ２ ０ ９ ５ －９ ３ ２ ｘ（ ２ ０ １ ５ ）０ ２ －０ １ １ １ －０ ２
【 收稿 日 期ｌ ２ ０ １ ５ — ０ ３ —０ ６ 【 作者简介】徐 幼学 （ １ ９ ５ ７ －）， 男 ，江西临川人 ，湛江广播 电视大学讲师。
广东开 放大学学 报
（ 第 ２ ４卷 总第 １ １ １期）
２ ０ １ ５ 年第 ３ 期
＝ ｇ ） ￡ ； ￣ ｇ （ ｘ ） ｈ （ ｙ ） ｄ ｘ ｄ ｙ ＝ ｇ ） ￡ ￡ 厂 、 ｙ ） ｄ ｘ ｄ ｙ
Ｐ （ ２ ，０ ） ＝ ＝ × ， Ｐ （ ２ ，１ ） ＝ ＝ ×
（ ３ ） 肚
叫
且 ＋ ； ， ； ＝ １ ， ＋ ＝
Ｏ ｌ ２ １ ／ １ ２ １ ／ ４
由定理 四知 ， Ｘ与Ｙ独立 。
１ １ ／ ６ １ ／ ２ Ｐ
总第 １ １ １期
Ｓ ｕ ｍ Ｎ ｏ ．１ １ １
广东开放大学学报
Ｊ０ＵＲＮＡＬ ＯＦ ＯＰＥＮ ＵＮＩ ＶＥＲＳＩ ＴＹ Ｏ Ｆ ＧＵＡＮＧＤＯＮＧ
２ ０ １ ５ 年 第 ３ 期
Ｎ ｏ ． ３ ． ２ ０１ ５
概率论与数理统计知识点总结(免费超详细版)
《概率论与数理统计》第一章 概率论的基本概念§2．样本空间、随机事件1．事件间的关系 B A ⊂则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件，指当且仅当A ，B 中至少有一个发生时，事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件，指当A ，B 同时发生时，事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件，指当且仅当A 发生、B 不发生时，事件B A —发生φ=⋂B A ，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事件B 不能同时发生，基本事件是两两互不相容的且S =⋃B A φ=⋂B A ，则称事件A 与事件B 互为逆事件，又称事件A 与事件B 互为对立事件2．运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃）（ ))(()( C A B A C B A ⋂⋂=⋃⋂ 徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3．频率与概率定义 在相同的条件下，进行了n 次试验，在这n 次试验中，事件A 发生的次数A n 称为事件A 发生的频数，比值n n A 称为事件A 发生的频率概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率 1．概率)(A P 满足下列条件：（1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P（3）可列可加性：设n A A A ,,,21 是两两互不相容的事件，有∑===nk kn k kA P A P 11)()( （n 可以取∞）2．概率的一些重要性质： （i ） 0)(=φP（ii ）若n A A A ,,,21 是两两互不相容的事件，则有∑===nk kn k kA P A P 11)()(（n 可以取∞）（iii ）设A ，B 是两个事件若B A ⊂，则)()()(A P B P A B P -=-，)A ()B (P P ≥ （iv ）对于任意事件A ，1)(≤A P（v ）)(1)(A P A P -= （逆事件的概率）（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同 若事件A包含k个基本事件，即}{}{}{2]1k i i i e e e A =，里个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑=§5．条件概率（1） 定义：设A,B 是两个事件，且0)(>A P ，称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率（2） 条件概率符合概率定义中的三个条件1。
- 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)。
二维正态随机变量的线性组合的独立性作者：邹云蕾
来源：《教育教学论坛》2020年第15期
摘要：正态分布是实际生活中应用最广泛的一种概率分布。
文章讨论了服从二维正态分布的随机变量（X，Y）的线性组合U=aX+bY和V=cX+dY的独立性问题，并基于变换矩阵给出了（U，V）的分布与（X，Y）的分布之间的联系，得到了U和V独立的充要条件，同时，分析了U和V独立的条件下（U，V）的分布。
关键词：二维正态分布;线性组合;独立性;变换矩阵
中图分类号：G642.4; ; ;文献标志码：A; ; ;文章編号：1674-9324（2020）15-0279-02
二维正态分布是概率论中的基础内容，其相关性质和结论能较好地推广到多维正态分布，而多维正态分布在数理统计中具有重要作用，因而掌握二维正态分布的特征性质是非常有必要的。
在教学过程中，很多学生对二维正态分布的性质存在困惑，因而有必要对这部分内容做进一步的探究。
文献[1]讨论了正态随机变量的线性组合的分布，并给出了一系列例子来说明非独立的正态随机变量的线性组合可能不服从正态分布，而非独立的不全为正态随机变量的线性组合可能服从正态分布。
文章将分析二维正态分布的线性组合的独立性。
首先回顾二维正态分布的定义。
参考文献：
[1]李亚兰.关于正态随机变量的线性组合分布[J].仲恺农业技术学院学报，2004，17（2）：51-55.
[2]宗序平.概率论与数理统计[M].第3版.北京：机械工业出版社，2011.
[3]茆诗松，程依明，濮晓龙.概率论与数理统计教程[M].第2版.北京：高等教育出版社，2004.
[4]盛骤，谢式千，潘承毅.概率论与数理统计[M].第4版.北京：高等教育出版社，2008.。