二维随机变量(向量)
设 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)和 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:
设
(
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{(X≤x)∩(Y≤y)}=记为P{X≤x,Y≤y}
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和
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
0≤F(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
<
x
2
,
y
1
<
y
2
(x_1,y_1),(x_2,y_2),x_1<x_2,y_1<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,...,记
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
pij≥0,∑i=1∞∑j=1∞pij=1
称
(
x
i
,
y
j
)
,
i
,
j
=
1
,
2
,
.
.
.
,
(x_i,y_j),i,j=1,2,...,
(xi,yj),i,j=1,2,...,记
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和
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有
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)=∫−∞y∫−∞xf(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和
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
- 设
G
G
G是
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 - 若
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) ∂x∂y∂2F(x,y)=f(x,y)
n n n维随机向量(变量)
定义:
设
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{X1≤x1,X2≤x2,...,Xn≤xn}
称为
n
n
n维随机变量的联合分布函数。
ToBeContinued