多维随机变量及其分布(知识点部分01)

最新推荐文章于 2022-09-12 22:50:29 发布

Master Chicken

最新推荐文章于 2022-09-12 22:50:29 发布

阅读量2.3k

点赞数 3

分类专栏：概率论

本文链接：https://blog.csdn.net/qq_45645641/article/details/105621610

版权

概率论专栏收录该内容

12 篇文章 3 订阅

订阅专栏

1.分布函数

$设 (X, Y) 是二维随机变量，对于任意实数 x, y, 二元函数 :$
$F(x,y)=P\{X \leqslant x)\bigcap(Y \leqslant y)\}\xlongequal{记成}P\{X \leqslant Y \leqslant y\}$
$称为二维随机变量 (X, Y) 的分布函数，或称为随机变量 X 和 Y 的联合分布函数 .$

2.离散型随机变量

$如果二维随机变量(X,Y)全部可能取到的值是有限对或可列无限多对，则称(X,Y)是离散型的随机变量，称P\{X=x_i,Y=y_i\}=p_{ij},i,j=1,2,\dots为二维离散型随机变量(X,Y)的分布律，或称为随机变量X和Y的联合分布律.$

3.连续型随机变量

$对于二维随机变量 (X, Y) 的分布函数 F (x, y), 如果存在非负可积函数 f (x, y) 使对于任意 x, y 有$
$F(x,y)=\int_{-\infty}^{y}\int_{-\infty}^{x}f(u,v)dudv,$
$则称 (X, Y) 是连续型的二维随机变量，函数 f (x, y) 称为二维随机变量 (X, Y) 的概率密度，或称为随机变量 X 和 Y 的联合概率密度 .$

4.概率密度f(x,y)的性质

$\frac{\partial^2F(x,y)}{\partial x \partial y}=f(x,y).$

5.边缘分布

$X和Y的分布函数F_x(x),F_y(y)称为二维随机变量(X,Y)关于X和关于Y的边缘分布函数.X的分布律为$ $p_{i.}=\sum_{j=1}^{\infty}=P\{X=x_i\},i=1,2,\dots,$
$Y 的分布律为$
$p_{.j}=\sum_{i=1}^{\infty}=P\{Y=y_j\},j=1,2,\dots,$
$分别称P_{i.}(i=1,2,\dots)和P_{.j}(j=1,2,\dots)为(X,Y)关于X和关于Y的边缘分布律.$

6.边缘概率密度

$X 的概率密度为$
$f_x{(x)}=\int_{-\infty}^{\infty}f(x,y)dy.$
$Y 的概率密度为$
$f_Y{(y)}=\int_{-\infty}^{\infty}f(x,y)dx.$
$分别称f_x{(x)},f_Y{(y)}为(X,Y)关于X和关于Y的边缘概率密度.$

7.二维正态分布

$设二维随机变量 (X, Y) 的概率密度为$
$y)=\frac{1}{2 \pi \sigma_{1} \sigma_{2} \sqrt{1-\rho^{2}}} \exp \left\{\frac{-1}{2\left(1-\rho^{2}\right)}\left[\frac{\left(x-\mu_{1}\right)^{2}}{\sigma_{1}^{2}}-2 \rho \frac{\left(x-\mu_{1}\right)\left(y-\mu_{2}\right)}{\sigma_{1} \sigma_{2}}+\frac{\left(y-\mu_{2}\right)^{2}}{\sigma_{2}^{2}}\right]\right\}$
$其中\mu_1,\mu_2,\sigma_1,\sigma_2,\rho都是常数，且\sigma_1>0,\sigma_2>0,-1<\rho<1.我们称(X,Y)为服从参数为\mu_1,\mu_2,\sigma_1,\sigma_2,\rho的二维正态分布，记为(X,Y)\sim N(\mu_1,\mu_2,\sigma_1,\sigma_2,\rho).$

8.二维正态随机变量的边缘概率密度

$f_x(x)=\frac{1}{\sqrt{2 \pi} \sigma_1} \mathrm{e}^{-\frac{(x-\mu_1)^2}{2\sigma_1^2}},-\infty<x<\infty$
$f_Y(y)=\frac{1}{\sqrt{2 \pi} \sigma_2} \mathrm{e}^{-\frac{(y-\mu_2)^2}{2\sigma_2^2}},-\infty<y<\infty$