概率 + 统计 多维随机变量及其分布(三)

二维随机变量及其分布函数

分布函数的函数值的几何解释

将二维随机变量(X,Y)看成是平面上随机点的坐标,那么,分布函数F(x,y)在点(x,y)处的函数值就是随机点(X,Y)落在如下图中所示的,以点(x,y)为顶点而位于该点左下方的无穷矩形域内的概率。

         

随机点(X,Y)落在矩形域[x_1 < x \leqslant x_2,y_1 < y \leqslant y_2]内的概率为

     P(x_1 < X \leqslant x_2, y_1 < Y \leqslant y_2) \\ =F(x_2, y_2)-F(x_2,y_1)-F(x_1,y_2)+F(x_1,y_2)

     

二维离散型随机变量

也可用表格来表示随机变量X和Y 的联合分布律:  

     

二维离散型随机变量(X,Y) 的分布律具有性质

      \left\{\begin{matrix} p_{ij} \geqslant 0 & i,j =1,2,\cdots \\ \sum_i \sum_j p_{ij}=1 & \end{matrix}\right.

将(X,Y)看成一个随机点的坐标, 则离散型随机变量X和Y的联合分布函数为

     F(x,y) = \sum_{x_i \leqslant x} \sum_{y_j \leqslant y} p_{ij}

其中和式是对一切满足x_j \leqslant x,y_j \leqslant yi,j来求和的。

二维连续型随机变量

边缘分布

  • 二维正态分布的两个边缘分布都是一维正态分布,并且不依赖于参数\rho.
  • 对于给定的\mu_1,\mu_2,\sigma_1,\sigma_2,不同的\rho对应不同的二维正态分布,但它们的边缘分布都是一样的.
  • 单由关于X和Y的边缘分布,一般来说是不能确定随机变量X和Y的联合分布的.

二维随机变量的 条件分布

离散型随机变量的条件分布

连续型随机变量的条件分布

随机变量的独立性

二维正态随机变量X和Y相互独立的充要条件是\rho = 0

二维随机变量函数的分布

 

评论
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