概率论基础 —— 6.连续型二维随机变量

在上一章节聊完离散型二维随机变量,这一章节我们来到连续型随机变量。由于连续型随机变量的计算过程经常涉及积分运算,而连续型二维随机变量必然涉及到二重积分的运算。所以对于定积分不是很了解的朋友,建议先回去看看线性代数里相关章节的内容。

关于连续型二维随机变量

概率密度函数

如果说对于定积分 ∫ f ( x ) d x \int f(x) dx f(x)dx ,它所表示的含义如果说是求函数面积的话。
在这里插入图片描述

那么对于二重积分 ∫ f ( x , y ) d x d y \int f(x, y) dx dy f(x,y)dxdy,它所表达的更多接近于求体积这样一个概念。
在这里插入图片描述
对于概率论来说,一维连续型随机变量的基本概念,与二维连续型随机变量的概念,很多是一样或者相似的。所以我在这里不做过多的说明,只是这里涉及到了二重积分,所以对于不明白二重积分怎么使用和运算的朋友,请参考教材或者其他有关线性代数的说明。

概率求和

至于说基本性质有几点是需要记住的,其中之一就是对于所有的概率事件,求和后不能大于1.

∫ ∫ f ( x , y ) d x d y = 1 \int \int f(x,y) dx dy = 1 f(x,y)dxdy=1

样本概率 P { ( X , Y ) ∈ D } P \{ (X, Y) \in D \} P{(X,Y)D}
对于样本(X, Y) 只要它属于样本集合D,那么样本的概率 P { ( X , Y ) } P \{ (X, Y)\} P{(X,Y)} 等于:

P { ( X , Y ) ∈ D } = ∬ D f ( x , y ) d x d y P \{ (X, Y) \in D \} = \iint_{D} f(x,y) dx dy P{(X,Y)D}=Df(x,y)dxdy

也就是,对点(X,Y)的积分。

边缘概率密度

这里我们从离散型的概念中引入,也就是说对于连续型的来说,它对于X轴和Y轴上的边缘概率密度,分别等于:

f x ( X ) = ∫ f ( x , y ) d y f_x(X) = \int f(x, y) dy fx(X)=f(x,y)dy

以及

f y ( Y ) = ∫ f ( x , y ) d x f_y(Y) = \int f(x, y) dx fy(Y)=f(x,y)dx

条件概率密度

从条件概率的一般公式,可以推导出条件概率密度为:

f X ∣ Y ( x ∣ y ) = f ( x , y ) f y ( y ) f_{X | Y} (x | y) = \frac{f(x, y)}{f_y{(y)}} fXY(xy)=fy(y)f(x,y)

以及:

f Y ∣ X ( y ∣ x ) = f ( x , y ) f x ( x ) f_{Y | X} (y | x) = \frac{f(x, y)}{f_x{(x)}} fYX(yx)=fx(x)f(x,y)

独立性

从离散型的独立型条件,我们也可以得出连续型的独立性条件:

f ( x , y ) ⇋ f x ( x ) f y ( y ) f(x, y) \leftrightharpoons f_x(x) f_y(y) f(x,y)fx(x)fy(y)

来做点练习题吧!

设二维随机变量(X, Y)的概率密度为
f ( x , y ) = { k ( 6 − x − y ) 0 < x < 2 , 2 < y < 4 0 e l s e f(x, y) = \left\{\begin{matrix} k(6 - x -y) & 0 < x < 2, 2 < y < 4 \\ 0 & else \end{matrix}\right. f(x,y)={k(6xy)00<x<2,2<y<4else
(1) 确定常数k
(2) P { X < 1 , Y < 3 } P\{ X < 1, Y < 3 \} P{X<1,Y<3}
(3)求 (X, Y) 的边缘概率密度
(4)判断X和Y是否相互独立

解(1)

从题干可以得知:

f ( x , y ) = ∬ k ( 6 − x − y ) d x d y = 1 f(x, y) = \iint k(6 - x - y) dx dy = 1 f(x,y)=k(6xy)dxdy=1

所以,我们对上式求它的二重定积分(Double Integral Calculation),可以有:

k ∫ 2 4 d y ∫ 0 2 ( 6 − x − y ) d x k \int_{2}^{4} dy \int_{0}^{2} (6-x-y) dx k24dy02(6xy)dx

先对X方向求积分,于是有:

( 6 − y ) x − 1 2 x 2 ∣ 0 2 = 10 − 2 y (6-y)x - \frac{1}{2}x^2 \bigg|_{0}^{2} = 10 - 2y (6y)x21x202=102y

得到关于X的定积分后,带入上面的二重积分,于是可以变成这样:

k ∫ 2 4 ( 10 − 2 y ) d y = k ( 10 y − y 2 ) ∣ 2 4 = 8 k = 1 k \int_{2}^{4} (10 -2 y) dy = k (10y - y^2) \bigg|_2^4 = 8k = 1 k24(102y)dy=k(10yy2)24=8k=1

于是 k = 1 / 8 k = 1/8 k=1/8

解(2)
把问题给出的关于X和Y的范围代入到原题干中,于是我们得到一个新的二重积分:

P { X < 1 , Y < 3 } = 1 8 ∫ 3 2 ∫ 0 1 ( 6 − x − y ) d x d y P\{ X < 1, Y < 3 \} = \frac{1}{8} \int_3^2 \int_0^1 (6-x-y) dx dy P{X<1,Y<3}=813201(6xy)dxdy

求解一下于是得到 3 / 8 3/8 3/8

解(3)

求二维连续型随机变量的边缘密度,我们直接带入公式:

由于,X轴的边缘密度公式为:

f x ( X ) = ∫ f ( x , y ) d y f_x(X) = \int f(x, y) dy fx(X)=f(x,y)dy

以及Y轴方向的边缘密度公式为:

f y ( Y ) = ∫ f ( x , y ) d x f_y(Y) = \int f(x, y) dx fy(Y)=f(x,y)dx

再代入本题中给出的已知参数,于是我们得到:

f x ( X ) = ∫ 2 4 f ( x , y ) d y = 1 8 ∫ 2 4 ( 6 − x − y ) d y f_x(X) = \int_2^4 f(x,y) dy = \frac{1}{8} \int_2^4 (6 - x - y) dy fx(X)=24f(x,y)dy=8124(6xy)dy
f y ( Y ) = ∫ 0 2 f ( x , y ) d x = 1 8 ∫ 0 2 ( 6 − x − y ) d x f_y(Y) = \int_0^2 f(x,y) dx = \frac{1}{8} \int_0^2 (6 - x - y) dx fy(Y)=02f(x,y)dx=8102(6xy)dx

分别求解一下,于是:

f x ( X ) = 3 − x 4 f_x(X) = \frac{3-x}{4} fx(X)=43x

f y ( Y ) = 5 − y 4 f_y(Y) = \frac{5-y}{4} fy(Y)=45y

解(4)
我们直接把刚才求解出来的边缘函数相乘,化简后看看是不是和原来的函数相同。发现不同,所以X和Y并不互相独立。

  • 5
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
二维随机变量概率分布可以分为两种情况:连续型和离散型。 对于连续型二维随机变量,我们用联合概率密度函数𝑓(𝑥,𝑦)来描述其概率分布。该函数可以表示在二维平面上,概率落在给定区域的可能性。我们可以通过对联合概率密度函数进行积分,来计算二维随机变量落在某个区域内的概率。 而对于离散型二维随机变量,我们用联合概率质量函数𝑝(𝑥,𝑦)来描述其概率分布。该函数表示了二维随机变量取各个可能取值的概率。我们可以通过对联合概率质量函数求和,来计算二维随机变量落在某个特定取值上的概率。 此外,二维随机变量的边缘分布也很重要。边缘分布是指分别关于其中一个随机变量的概率分布。对于二维连续型随机变量,我们可以通过对联合概率密度函数进行边缘化(即对另一个变量求积分)来得到边缘分布函数。对于二维离散型随机变量,我们可以通过对联合概率质量函数进行边缘化(即对另一个变量求和)来得到边缘分布函数。 总结来说,二维随机变量的概率分布可以通过联合概率密度函数(对连续型)或联合概率质量函数(对离散型)来描述。边缘分布函数则描述了随机变量关于另一个变量的概率分布。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [《概率论与数理统计》学习笔记3-二维随机变量及其分布](https://blog.csdn.net/a2479360136/article/details/128777401)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
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、付费专栏及课程。

余额充值