多维随机变量及其分布 概率论复习笔记

多维随机变量及其分布

1.二维随机变量及其分布

假设E是随机试验，Ω是样本空间，X、Y是Ω的两个变量；(X,Y)就叫做二维随机变量或二维随机向量。X、Y来自同一个样本空间。

联合分布函数
$$F(x,y)=P(X\le x,Y\le y)$$
几何意义表示对立体曲线的体积

即F(x,y)表示求(x,y)左下方的面积。

性质：
（1）0≤F(x,y) ≤1
（2）F(x,y) 不减，例如：y固定，x1<x2，F(x1,y)<F(x2,y)
（3）F(-∞,y)=F(x,-∞)=F(-∞,-∞)=0，F(+∞,+∞)=1
（4）F(x,y)分别关于x和y右连续
（5）
$$\begin{gathered} 对于x_1<x_2，y_1<y_2 \\ P(x_1<X\le x_2，y_1<Y\le y_2)=F(x_2,y_2)-F(x_2,y_1)-F(x_1,y_2)+F(x_1,y_1) \end{gathered}$$

边缘分布

X的边缘分布：
$$F_X(x)=P(X\le x)=F(x,+\infty )=P(X\le x,Y<+\infty )$$
这表示在所有可能的 Y 值上，X 取值 x 的概率总和。从图形曲线上理解就是求小于x的所有点的面积，Y随意取值。

Y的边缘分布：
$$F_Y(y)=P(Y\le y)=F(+\infty ,y)=P(X<+\infty ,Y\le y)$$
表示在所有可能的 X 值上，Y 取值 y的概率总和。从图形曲线上理解就是求小于y的所有点的面积，X随意取值。

2.二维离散型随机变量的联合分布和边缘分布

联合概率质量函数 P(X=x,Y=y) 描述了随机变量 X 和 Y 同时取特定值 x 和y 的概率。联合PMF满足以下性质：

1. 非负性：对于所有的 x 和 y，有 P(X=x,Y=y)≥0。

2. 归一性：所有可能的 x 和 y 值的概率之和等于1，即：
   $$\sum _x\sum _{y}P(X=x,Y=y)=1$$

概率分布表解释：

假设由一个概率分布表：

X\Y	1	2	3
1	0	1/2	1/8
2	1/8	1/8	1/8

非负性表示分布表中的所有概率都要大于等于0。例如：
$$\begin{gathered} P(X=1,Y=2)=\frac{1}{2}\ge 0 \\ P(X=2,Y=2)=\frac{1}{8}\ge 0 \end{gathered}$$
归一性表示分布表中所有概率之和等于1。

联合分布函数
$$F(x,y)=P(X\le x,Y\le y)=\sum _{x_i\le x}\sum _{y_j\le y}P(X=x,Y=y)$$
概率分布表解释：

F(x,y)的值就是在分布表中找到对应的（x，y）对应的位置，然后将其左上角的概率相加。

例如：
$$\begin{gathered} F(1,2)=P(X\le 1,Y\le 2)=P(1,1)+P(1,2)=0+\frac{1}{2}=\frac{1}{2} \\ F(2,2)=P(X\le 2,Y\le 2)=P(1,1)+P(1,2)+P(2,1)+P(2,2)=0+\frac{1}{2}+\frac{1}{8}+\frac{1}{8}=\frac{3}{4} \end{gathered}$$
边缘分布

边缘概率质量函数可以通过对联合PMF的适当求和得到。

1. 边缘PMF
   $$P_X(x)$$
   ：表示随机变量 X 取特定值 x 的概率，不考虑 Y的值。计算方法为：
   $$P_X(x)=\sum _{y}P(X=x,Y=y)$$
   其中，求和是对所有可能的 y 值进行。

2. 边缘PMF
   $$P_Y(y)$$
   ：表示随机变量 Y取特定值 y 的概率，不考虑 X 的值。计算方法为：
   $$P_Y(y)=\sum _{x}P(X=x,Y=y)$$
   其中，求和是对所有可能的 x 值进行。

概率分布表解释：

对行求和，得到对X的边缘分布。

对列求和，得到对Y的边缘分布。

例如：

X\Y	1	2	3
1	0	1/2	1/8
2	1/8	1/8	1/8

求X的边缘分布：

X	1	2
P	5/8	3/8

当X=1时，求该行的概率之和，即：0+1/2+1/8=5/8

以此类推。

求Y的边缘分布：

Y	1	2	3
P	1/8	5/8	1/4

当Y=1时，求该列的概率之和，即0+1/8=1/8

以此类推。

3.二维连续随机变量的联合密度和边缘密度函数

对于二维连续随机变量 X 和 Y，其分布函数为：
F ( x , y ) = P ( X ≤ x , Y ≤ y ) = ∫ − ∞ x ∫ − ∞ y f ( s , t ) d s d t F(x,y) = P(X≤x,Y≤y) = ∫_{-∞}^x∫_{-∞}^yf(s,t)dsdt