概率统计学习笔记(12)——二维随机变量

概率统计 专栏收录该内容
12 篇文章 0 订阅

二维随机变量(向量)

E E E是一个随机试验,它的样本空间是 S = e S={e} S=e,设 X = X ( e ) X=X(e) X=X(e) Y = Y ( e ) Y=Y(e) Y=Y(e)是定义在 S S S上的随机变量,由它们构成的一个向量 ( X , Y ) (X,Y) (X,Y)叫做二维随机向量。

分布函数:
( X , Y ) (X,Y) (X,Y)是二维随机变量,对于任意实数 x , y x,y x,y二元函数
F ( x , y ) = P { ( X ≤ x ) ∩ ( Y ≤ y ) } = 记 为 P { X ≤ x , Y ≤ y } F(x,y)=P\{(X\le x)\cap(Y\le y)\}\overset{记为}{=}P\{X\le x,Y\le y\} F(x,y)=P{(Xx)(Yy)}=P{Xx,Yy}
称为二维随机变量 ( X , Y ) (X,Y) (X,Y)的分布函数,或称为随机变量 X X X Y Y Y的联合分布函数

性质:

  • F ( x , y ) F(x,y) F(x,y)是变量 x , y x,y x,y的不减函数
  • 0 ≤ F ( x , y ) ≤ 1 0\le F(x,y) \le 1 0F(x,y)1,且
    • 对于任意固定的 y , F ( − ∞ , y ) = 0 , y,F(-\infty,y)=0, y,F(,y)=0,
    • 对于任意固定的 x , F ( x , − ∞ ) = 0 , x,F(x,-\infty)=0, x,F(x,)=0,
    • F ( − ∞ , − ∞ ) = 0 , F ( ∞ , ∞ ) = 1 F(-\infty,-\infty)=0,F(\infty,\infty)=1 F(,)=0,F(,)=1
  • F ( x , y ) F(x,y) F(x,y)关于 x x x右连续,关于 y y y也右连续
    F ( x + 0 , y ) = F ( x , y ) , F ( x , y + 0 ) = F ( x , y ) F(x+0,y)=F(x,y),F(x,y+0)=F(x,y) F(x+0,y)=F(x,y),F(x,y+0)=F(x,y)
  • 对于任意 ( x 1 , y 1 ) , ( x 2 , y 2 ) , x 1 &lt; x 2 , y 1 &lt; y 2 (x_1,y_1),(x_2,y_2),x_1&lt;x_2,y_1&lt;y_2 (x1,y1),(x2,y2),x1<x2,y1<y2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 ) ≥ 0 F(x_2,y_2)-F(x_2,y_1)+F(x_1,y_1)-F(x_1,y_2) \ge 0 F(x2,y2)F(x2,y1)+F(x1,y1)F(x1,y2)0

离散型随机变量

定义:
如果二维随机变量 ( X , Y ) (X,Y) (X,Y)全部可能取到的值是有限对或者可列无限多对,则称 ( X , Y ) (X,Y) (X,Y)是离散型随机变量。

联合分布律:
设二维离散随机变量 ( X , Y ) (X,Y) (X,Y)所有可能取的值 ( x i , y j ) , i j = 1 , 2 , . . . , (x_i,y_j),ij=1,2,..., (xi,yj),ij=1,2,..., P { X = x i , Y = y j } = p i j , i , j = 1 , 2 , . . . , P\{X=x_i,Y=y_j\}=p_{ij},i,j=1,2,..., P{X=xi,Y=yj}=pij,i,j=1,2,...,则由概率定义有 p i j ≥ 0 , ∑ i = 1 ∞ ∑ j = 1 ∞ p i j = 1 p_{ij}\ge 0,\sum_{i=1}^{\infty}\sum_{j=1}^{\infty}p_{ij}=1 pij0,i=1j=1pij=1
( x i , y j ) , i , j = 1 , 2 , . . . , (x_i,y_j),i,j=1,2,..., (xi,yj),i,j=1,2,..., P { X = x i , Y = y j } = p i j , i , j = 1 , 2 , . . . , P\{X=x_i,Y=y_j\}=p_{ij},i,j=1,2,..., P{X=xi,Y=yj}=pij,i,j=1,2,...,为二维离散型随机变量 ( X , Y ) (X,Y) (X,Y)的分布律或随机变量 X X X Y Y Y的联合分布律。

连续型的二维随机变量及其联合概率密度:
如果存在非负的函数 f ( x , y ) f(x,y) f(x,y)使对于任意 x , y x,y x,y
F ( x , y ) = ∫ − ∞ y ∫ − ∞ x f ( μ , υ ) d μ d υ F(x,y)=\int_{-\infty}^{y}\int_{-\infty}^{x}f(\mu,\upsilon)d\mu d\upsilon F(x,y)=yxf(μ,υ)dμdυ
则,称 ( X , Y ) (X,Y) (X,Y)是连续型的二维随机变量,函数 f ( x , y ) f(x,y) f(x,y)称为二维随机变量 ( X , Y ) (X,Y) (X,Y)的概率密度,或称随机变量 X X X Y Y Y的联合概率密度。

性质:

  • f ( x , y ) ≥ 0 f(x,y)\ge0 f(x,y)0
  • ∫ − ∞ ∞ ∫ − ∞ ∞ f ( x , y ) d x d y = F ( ∞ , ∞ ) = 1 \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}f(x,y)dx dy=F(\infty,\infty)=1 f(x,y)dxdy=F(,)=1
  • G G G x o y xoy xoy平面内的区域,点 ( X , Y ) (X,Y) (X,Y)落入 G G G内的概率为
    P { ( X , Y ) ∈ G } = ∫ ∫ G f ( x , y ) d x d y P\{(X,Y)\in G\}=\int\int_{G}f(x,y)dxdy P{(X,Y)G}=Gf(x,y)dxdy
  • f ( x , y ) f(x,y) f(x,y)在点 ( x , y ) (x,y) (x,y)连续,则有
    ∂ 2 F ( x , y ) ∂ x ∂ y = f ( x , y ) \frac{\partial^2F(x,y)}{\partial x\partial y}=f(x,y) xy2F(x,y)=f(x,y)

n n n维随机向量(变量)

定义:
E E E是一个随机试验,它的样本空间是 S = { e } S=\{e\} S={e},设 X 1 = X 1 { e } , X 2 = X 2 { e } , . . . , X n = X n { e } X_1=X_1\{e\},X_2=X_2\{e\},...,X_n=X_n\{e\} X1=X1{e},X2=X2{e},...,Xn=Xn{e}是定义在 S S S上的随机变量,由它们构成一个 n n n维向量 ( X 1 , X 2 , . . . , X n ) (X_1,X_2,...,X_n) (X1,X2,...,Xn)称为 n n n维随机向量(变量)

联合分布函数
对于任意 n n n个实数 x 1 , x 2 , . . , x n , n x_1,x_2,..,x_n,n x1,x2,..,xn,n元函数
F ( x 1 , x 2 , . . . , x n ) = P { X 1 ≤ x 1 , X 2 ≤ x 2 , . . . , X n ≤ x n } F(x_1,x_2,...,x_n)=P\{X_1\le x_1,X_2\le x_2,...,X_n\le x_n\} F(x1,x2,...,xn)=P{X1x1,X2x2,...,Xnxn}
称为 n n n维随机变量的联合分布函数。
ToBeContinued

  • 1
    点赞
  • 0
    评论
  • 7
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值