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)。
第14讲 二维正态分布 中心极限定理
教学目的:了解二维正态分布,理解独立同分布的中心极限定理和棣莫佛—拉普拉斯
定理。
教学重点:独立同分布的中心极限定理。
教学难点:应用独立同分布的中心极限定理解决实际问题。 教学学时:2学时 教学过程:
第四章 正态分布
§4.4 二维正态分布
定义 若二维连续随机变量),(Y X 的联合概率密度为
]
)()
)((2)([
)
1(212
2
2
2
2
2121
),(y y y
x y x x x y y x r x r y x e
r y x f σμσσμμσμσπσ-+
---
----=
( +∞<<∞-+∞<<∞-y x , )
则称),(Y X 服从二维正态分布,记作 ),,,,(~),(2
22r N Y X x y x σσμμ。其中y x μμ,,
1|| ,0 ,0<>>r y x σσ都是分布的参数。
),(y x f 满足概率密度的两条基本性质:
(1)0),(≥y x f 。 (2)⎰
⎰
+∞∞-+∞
∞
-=1),(dxdy y x f 。
下面我们来讨论二维正态分布的边缘分布问题。 随机变量X 的边缘概率密度为
⎰⎰∞+∞--∞
+∞
--=
=
dy e
r
dy y x f x f y x u y x X )
,(2
121),()(σπσ
其中
])
())((2)([)1(21
),(22
222y
y y x y x x x y y x r x r y x u σμσσμμσμ-+-----=
222
2])
([
)
1(212)(x
x y
y
x x x r y r x σμσμσμ--
--+
-=
设
t x r y r
x
x y
y
=--
--])
([
1212
σμσμ,则有
⎰∞+∞--
--
=
dt e
e
x f t
x x
X x
x 2
2)(2
2
2
21
)(σμπσ2
22)(21x x x x
e
σμσπ--
=
由X 与Y 的对称性可求得Y 的边缘密度为
)(y f Y 2
22)(21y y y y
e
σμσπ--
=
由此可见,二维正态分布的两个边缘分布都是正态分布,并且可以知道
)(,)(),(),(Y D X D Y E X E y x y x ====σσμμ
下面我们可以看到参数r 为随机变量Y X ,的相关系数。
)
()()]}
()][({[)()(),cov(),(Y D X D Y E Y X E X E Y D X D Y X Y X R --=
=
⎰⎰+∞∞-+∞
∞---=
dxdy y x f y x y x y
x ),())((1
μμσσ r =(定积分计算略)
注 由第三章的内容可知,若随机变量X 与Y 相互独立,则相关系数0),(=Y X R ;但是,当0),(=Y X R 时,X 与Y 却不一定相互独立。然而,在正态分布的情形下,当相关系数0),(==r Y X R 时,二维正态分布的联合概率密度可化为
])
()[212
2
2221),(y y x x y x y
x e y x f σμσμσπσ-+--=
2
22)(21x x x x
e
σμσπ--
=
.
2
22)(21y y y y
e
σμσπ--
=.)()(y f x f Y X
所以,若随机变量),(Y X 服从二维正态分布,则随机变量X 与Y 相互独立的充要条件是0=r 。
例1 若随机变量X 与Y 相互独立,都服从标准正态分布)1,0(N ,求随机变量 函数22Y X Z +=的概率密度。
解 由于X 与Y 都服从标准正态分布)1,0(N ,概率密度分别为
2
221)(x X e
x f -=
π,2
221)(y Y e
x f -
=
π
又随机变量X 与Y 相互独立,联合概率密度为
2
2221),(y x e y x f +-
=
π
由此得随机变量22Y X Z +=的分布函数
)()()(22z Y X P z Z P z F Z ≤+=≤=
当0≤z 时,显然有0)(=z F Z ;当0>z 时,有 dxdy e
z F z
y x y x Z ⎰⎰≤++-
=
222
2221)(π
220
2
121
2z z
e
d e
d -
-
-==
⎰⎰
ρρθππ
ρ
所以z 的分布函数为
⎪⎩⎪
⎨⎧≤>-=-0
01)(2z z e
z F z Z 由此得z 的概率密度为