多维随机变量

NDX2004

已于 2023-04-19 14:56:47 修改

阅读量100

点赞数

分类专栏：概率与数理统计文章标签：概率论

于 2023-04-01 23:25:00 首次发布

本文链接：https://blog.csdn.net/m0_63823490/article/details/129681430

版权

概率与数理统计专栏收录该内容

5 篇文章 0 订阅

订阅专栏

在进行实验时我们有时需要同时获取多个随机变量。

从二维随机变量开始讨论。

分布函数：

分布函数： $F(X,Y)=P\{X \leq x,Y \leq y\}$
易知：

$F(\infty,\infty)=1$ $F(-\infty,-\infty)=0$
F(X,Y)右连续
F(X,Y)为不减函数
当 $x_2>x_1$ 且 $y_2>y_1$ 时：
$F(x_2,y_2)-F(x_1,y_2)+F(x_1,y_1)-F(x_2,y_1)=P{} \geq 0$

概率密度

概率密度： $f(x,y)=\frac{\partial^2{F(x,y)}}{\partial x \partial y}$ (F(x,y)连续)
易知：

$\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}f(x,y)=1$
$f(x,y)\geq0$
设G是平面 $x O y$ 的平面则点落入平面G的概率为： $P\{(x,y)∈G\}=\underset{G}{\int\int}f(x,y)dxdy$
$F(X,Y)=\int_{-\infty}^x\int_{-\infty}^yf(u,v)dvdu$

边缘分布：

某些时候我们需要忽略掉某个变量的影响，取另一个变量的分布函数这就是边缘分布

联合分布函数是对两个随机事件的一种描述
对于随机变量X和Y来说
$P\{X= a\}=P\{X=a,Y=b \}+P\{X=a,Y \neq b \}$
$\therefore P\{X= a\}=P\{X=a,Y∈R\}$
$\therefore P\{X\leq a\}=P\{X\leq a,Y<\infty\}$
$\therefore F_X(x)=F(x,\infty)$

$F_X(x)=F(x,\infty)$ 只与x有关
$F_Y(y)=F(\infty,y)$ 只与y有关
边缘概率密度：
$f_X(x)=\int_{-\infty}^{\infty}f(x,y)dy$
$f_Y(y)=\int_{-\infty}^{\infty}f(x,y)dx$

条件概率

计算时将 $f_Y(y)=0$ 的点去掉
$F_{X|Y}(x|y)=\frac{1}{f_Y(y)}\int_{-\infty}^xf(x,y)dx$
$f_{X|Y}(x|y)=\frac{f(x,y)}{f_Y(y)}$

推导过程：
$\begin{aligned} P\{X\leq x|Y=y\} & =\mathop{lim}\limits_{\xi->0}P\{X\leq x|y- \xi \leq Y<y\}\\ & =\mathop{lim}\limits_{\xi->0}\frac{P\{X\leq x,y- \xi \leq Y<y\}}{P\{y- \xi \leq Y<y\}}\\ &=\mathop{lim}\limits_{\xi->0}\frac{\int_{-\infty}^\infty\int_{y-\xi}^{y}f(x,y)dydx}{\int_{y-\xi}^{y}f_Y(y)dy}\\ &=\int_{-\infty}^\infty\frac{f(x,y)dx}{f_Y(y)} \end{aligned}$
$\therefore f(X|Y)=\frac{f(x,y)}{f_Y(y)}$

独立

相互独立：
条件： $F (x, y) = F (x) F (y)$
$f(x,y)=f_X(x)f_Y(y)$ （几乎处处成立）

两个随机变量的函数分布：

以下几个公式证明的前提是XY相互独立

Z=X+Y（卷积公式）：

$f_{X+Y}(z)=\int_{-\infty}^\infty f(z-y,y)dy=\int_{-\infty}^\infty f(x,z-x)dx$
又记为：
$f_{X+Y}(z)=\int_{-\infty}^\infty f_X(z-y)f_Y(y)dy=\int_{-\infty}^\infty f_X(x)f_Y(z-x)dx$
证明：
$Z = X + Y$
$\begin{aligned} F_{Z}(z) &=P\{ X+Y\leq z\}（可以看作点（x，y）落在x+y\leq z这个区间的概率）\\ \qquad \qquad &=\mathop{\int\int}\limits_{x+y\leq z}f(x,y)dxdy(根据概率密度的性质3可得)\\ \qquad \qquad &=\int_{-\infty}^\infty [\int_{-\infty}^{z-x} f(x,y)dy]dx(固定z和x并将y换为u-x)\\ \qquad \qquad&=\int_{-\infty}^\infty [\int_{-\infty}^{z-x} f(x,u-x)d(u-x)]dx\\ \qquad \qquad&=\int_{-\infty}^\infty [\int_{-\infty}^z f(x,u-x)du]dx\\ \qquad \qquad&=\int_{-\infty}^z[\int_{-\infty}^\infty f(x,u-x)dx]du \end{aligned}$
$\because F_Z(Z)=\int_{-\infty}^zf_Z(z)$
$\therefore F_{X+Y}(z)=\int_{-\infty}^\infty f(x,z-x)dx$

$Z=\frac{Y}{X}$

$P\{y/x \leq Z\}$ 的区域是：

$\begin{aligned} P\{y/x \le z\}&=\int_{-\infty}^0\int_{zx}^\infty f(x,y)dydx+\int_0^\infty\int_{-\infty}^{zx} f(x,y)dydx\\ &=\int_{-\infty}^0\int_{zx}^\infty f(x,ux)d(ux)dx+\int_0^\infty\int_{-\infty}^{zx} f(x,ux)d(ux)dx\\ &=\int_{-\infty}^0\int_z^\infty xf(x,ux)dudx+\int_0^\infty\int_{-\infty}^z xf(x,ux)dudx\\ &=\int_{-\infty}^0\int_{-\infty}^z-xf(x,ux)dudx+\int_0^\infty\int_{-\infty}^z xf(x,ux)dudx]\\ &=\int_{-\infty}^\infty\int_{-\infty}^z|x|f(x,ux)dudx\\ &=\int_{-\infty}^z[\int_{-\infty}^\infty|x|f(x,ux)dx]du \end{aligned}\\$

$f_{Y/X}(z)=\int_{-\infty}^\infty|x|f(x,xz)dx$

Z=XY

$\begin{aligned} P\{XY\leq z\}&=\int_0^\infty\int_{-\infty}^{z/x}f(x,y)dydx + \int_{-\infty}^0 \int_{z/x}^\infty f(x,y)dydx \\ &=\int_0^\infty \int_{-\infty}^{z/x}f(x,u/x)d(u/x)dx+\int_{-\infty}^0 \int_{z/x}^\infty f(x,u/x)d(u/x)dx\\ &=\int_0^\infty \int_{-\infty}^z \frac{1}{x} f(x,u/x)dudx+\int_{-\infty}^0 \int_{z/x}^\infty \frac{1}{x} f(x,u/x)dudx \\ &=\int_{-\infty}^z\int_{-\infty}^\infty \frac{1}{|x|}f(x,u/x)dxdu \end{aligned}$

$\therefore f_{XY}(z)=\int_{-\infty}^\infty\frac{1}{|x|}f(x,z/x)dz$

Z=min{X,Y}

条件： $N=min\{X,Y\}$
$\begin{aligned} F_{min}(z)&=P\{N<z\}\\ &=1-P\{\ N\ge z\}\\ &=1-P\{X\ge z,Y\ge z\}\\ &=1-P\{X\ge z\}P\{Y\ge z\}\\ &=1-[1-F_X(z)][1-F_Y(z)] \end{aligned}$