第3章 多维随机变量及其分布

第一节 二维随机变量

1. 二维随机变量(二维随机向量)：设 $E$ 是一个随机试验，它的样本空间是 $S=(e)$，设 $X=X(e)$ 和 $Y=Y(e)$ 是定义在 $S$ 上的随机变量，由他们构成的一个向量 $(X,Y)$，叫做二维随机向量或 二维随机变量。
2. 联合分布函数 定义：设 $(X,Y)$ 是二维随机变量，对于任意实数 $x,y$，二元函数： $$F(x,y)=P\{(X\le x) \cap (Y\le y)\} \text{记成} P\{X\le x,Y\le y\}$$ 称为二维随机变量 $(X,Y)$ 的分布函数，或称为随机变量 $X$ 和 $Y$ 的联合分布函数。
   
   • 分布函数$F(x,y)$ 具有以下的 $\color{blue}{基本性质}$：
   • (1) $F(x,y)$ 是变量 $x$ 和 $y$ 的不减函数，即对于任意固定的 $y$，当 $x_2>x_1$ 时 $F(x_2,y)\ge F(x_1,y)$；对于任意固定的 $x$，当 $y_2 > y_1$ 时 $F(x,y_2)\ge F(x,y_1)$。
   • (2) $0\le F(x,y)\le 1$，且 对于任意固定的 $y$， $$F(-\infty,y)=0$$ 对于任意固定的 $x$， $$F(x,-\infty)=0$$ $$F(-\infty,-\infty)=0,F(\infty,\infty)=1$$
   • (3) $F(x+0,y)=F(x,y),F(x,y+0)=F(x,y)$，即 $F(x,y)$ 关于 $x$ 右连续，关于 $y$ 也右连续。
   • (4) 对于任意 $(x_1,y_1),(x_2,y_2),x_1<x_2,y_1<y_2$，下述不等式成立； $$F(x_2,y_2)-F(x_2,y_1)+F(x_1,y_1)-F(x_1,y_2)\ge 0$$
3. 离散型随机变量：二维随机变量 $(X,Y)$ 全部可能取到的值是有限对或可列无限多对，则称 $(X,Y)$ 是离散型的随机变量。
4. 联合分布律
5. 二维随机变量 $(X,Y)$ 的分布函数 $F(x,y)$，如果存在非负的函数 $f(x,y)$ 使对于任意 $x,y$ 有 $$F(x,y)=\int^y_{-\infty}\int^x_{-\infty} f(u,v)dudv$$ 则称 $(X,Y)$ 是连续型的二维随机变量，函数 $f(x,y)$ 称为二维随机变量 $(X,Y)$ 的概率密度，或称为随机变量 $X$ 和 $Y$ 的联合概率密度。
   
   • 概率密度 $f(x,y)$ 具有以下 $\color{blue}{性质}$：
   • (1) $f(x,y)\ge 0$
   • (2) $\int^\infty_{-\infty} \int^\infty_{-\infty} f(x,y)dxdy=F(\infty,\infty)=1$
   • (3) 设 $G$ 是 $xOy$ 平面上的区域，点 $(X,Y)$ 落在 $G$ 内的概率为 $$P\{(X,Y)\in G\}=\iint_G f(x,y)dxdy$$
   • (4) 若 $f(x,y)$ 在点 $(x,y)$ 连续，则有 $$\frac{\partial^2 F(x,y)}{\partial x\partial y}=f(x,y)$$
6. $n$ 维随机向量 或 $n$ 维随机变量

第二节 边缘分布

1. 边缘分布函数：二位随机变量 $(X,Y)$ 作为一个整体，具有分布函数 $F(x,y)$。而 $X$ 和 $Y$ 都是随机变量，各自也有分布函数，将他们分别记为 $F_X(x),F_Y(y)$，依次称为二维随机变量 $(X,Y)$ 关于 $X$ 和关于 $Y$ 的边缘分布函数。
   
   • $\color{blue}{边缘分布函数}$ 可以由 $(X,Y)$ 的分布函数 $F(x,y)$ 所确定，事实上， $$F_X(x)=P\{X\le x\}=P\{ X\le x,y\le \infty \}=F(x,\infty)$$ 即 $$F_X(x)=F(x,\infty)$$ 就是说，只要在函数 $F(x,y)$ 中令 $y\rightarrow \infty$ 就能得到 $F_X(x)$。同理 $$F_Y(y)=F(\infty,y)$$
   • $\color{blue}{边缘概率密度}$：对于连续型随机变量 $(X,Y)$，设它的概率密度为 $f(x,y)$，由于 $$F_X(x)=F(x,\infty)=\int^x_{-\infty}\Bigl[\int^\infty_{-\infty}f(x,y)dy\Bigr]dx$$ 所以 $$f_X(x)=\int^\infty_{-\infty}f(x,y)dy$$ $$f_Y(y)=\int^\infty_{-\infty}f(x,y)dx$$
2. 离散型随机变量： $$F_X(x)=F(x,\infty)=\sum_{x_i\le x}\sum^\infty_{j=1}P_{ij}$$ X的分布律为 $$P\{X=x_i\}=\sum^\infty_{j=1}p_{ij}\;\; i=1,2,\cdots$$ 同样，Y的分布律为 $$P\{Y=y_i\}=\sum^\infty_{i=1}p_{ij}\;\; j=1,2,\cdots$$ 离散型随机变量的边缘分布律为 $$P_{i\cdot}=\sum^\infty_{j=1}P_{ij}=P\{X=x_i\},i=1,2,\cdots$$ $$P_{\cdot j}=\sum^\infty_{i=1}P_{ij}=P\{Y=y_j\},j=1,2,\cdots$$

第三节 条件分布

1. 条件分布律 定义：设 $(X,Y)$ 是二位离散型随机变量，对于固定的 $j$，若 $P\{Y=y_j\}>0$
   ，则称 $$P\{X=x_i|Y=y_j\}=\frac{P\{X=x_i,Y=y_j\}}{P\{Y=y_j\}}=\frac{P_{ij}}{p_{\cdot j}},\;i=1,2,\cdots$$ 为在 $Y=y_j$ 条件下随机变量 $X$ 的条件分布律。
   
   • 同样，对于固定的 $i$，若 $P\{X=x_i\}>0$，则称 $$P\{Y=y_j|X=x_i\}=\frac{P\{X=x_i,Y=y_j\}}{P\{X=x_i\}}=\frac{p_{ij}}{p_{i\cdot}},\;j=1,2,\cdots$$ 为在 $X=x_i$ 条件下随机变量 $Y$ 的条件分布律。
     
     1. 条件概率密度 定义：设二位随机变量 $(X,Y)$ 的概率密度为 $f(x,y)$, $(X,Y)$ 关于 $Y$ 的边缘概率密度为 $f_Y(y)$。若对于固定的 $y$，$f_Y(y)>0$，则称 $\frac{f(x,y)}{f_Y(y)}$ 为在 $Y=y$ 的条件下 $X$ 的条件概率密度，记为 $$f_{X|Y}(x|y)=\frac{f(x,y)}{f_Y(y)}$$
     2. 条件分布函数：称 $Y=y$ 的条件下 $X$ 的条件分布函数为 $$F_{X|Y}(x|y)=P\{X\le x | Y=y\}=\int^x_{-\infty}\frac{f(x,y)}{f_Y(y)}dx$$

     第四节 相互独立的随机变量

     1. 1.$\color{blue}{相互独立定义}$：设 $F(x,y)$ 及 $F_X(x),F_Y(y)$ 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 $$P\{X\le x,Y\le y\}=P\{X\le x\}P\{Y\le y\}$$ 即 $$F(x,y)=F_X(x)F_Y(y)$$ 则称随机变量 $X$ 和 $Y$ 是相互独立的。

     第五节 两个随机变量的函数的分布