概率论与数理统计(三)

      @[toc]

第三章 多维随机变量及其分布

二维随机变量

定义：设(X,Y)是二维变量，对于任意实数x，y，二元函数：
F(x,y)=P{(X$\le$x)$\bigcap$(Y$\le$y)==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

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,y)$\ge$F($x_1$,y),对于固定的x，当$y_2$>$y_1$时F(x,$y_2$)$\ge$F(x,$y_1$)
2.0$\le$F(x,y)$\ge$ 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


如果二维随机变量(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
设二维离散型随机变量(X,Y)所有可能取的值为($x_i$,$y_j$),i,j=1,2.记P{X=$x_i$,Y=$y_j$}=$P_{ij},i,j=1,2,3....$则由概率的定义有
1.$P_{ij}\ge 0$
2.${\sum }_{i=1}^{\infty }{\sum }_{j=1}^{\infty }{P}_{ij}=1$
3.F(x,y)=${\sum }_{x_i\le x}{\sum }_{y_i\le y}{P}_{ij}$

如果存在非负的函数f(x,y)使对于任意x，y有
F(x,y)=${\int }_{-\infty }^y{\int }_{-\infty }^{x}f(u,v)dudv$
则称(X,Y)是连续的二维随机变量，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)有以下性质：
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}=$\int {\int }_{G}f(x,y)dxdy$
4.若f(x,y)在点(x,y)上连续，则有
$\frac{{\partial }^{2}F(x,y)}{\partial x\partial y}=f(x,y)$

边缘分布

条件分布

相互独立的随机变量

两个随机变量的函数的分布