联合分布和边缘分布
-
一维随机变量X与二维随机变量(X,Y)(及以上)比较
-
二维离散型随机变量(X,Y), 联合分布
-
X和Y的联合概率函数为
P ( X = x i , Y = y j ) = p i j i , j = 1 , 2 , . . . P(X=x_i,Y=y_j)=p_{ij} \quad i,j=1,2,... P(X=xi,Y=yj)=piji,j=1,2,...{ p i j ≥ 0 , i , j = 1 , 2 , . . . ∑ i ∑ j p i j = 1 \begin{cases} p_{ij}\geq 0,\space i,j=1,2,... \\ \sum_i \sum_j p_{ij}=1 \end{cases} {pij≥0, i,j=1,2,...∑i∑jpij=1
-
-
二维连续型随机变量(X,Y)
- X和Y的联合密度函数
P { ( x , y ) ∈ A } = ∬ A f ( x , y ) d x d y A ⊂ R 2 , f ( x , y ) ≥ 0 ∫ − ∞ ∞ ∫ − ∞ ∞ f ( x , y ) d x d y = 1 P\{(x,y)\in A\}=\iint_A f(x,y)dxdy \quad \quad A \subset R_2,f(x,y)\geq 0 \\ \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}f(x,y)dxdy=1 P{(x,y)∈A}=∬Af(x,y)dxdyA⊂R2,f(x,y)≥0∫−∞∞∫−∞∞f(x,y)dxdy=1
- X和Y的联合密度函数
-
二维随机变量(X,Y)里和X和Y的联合分布函数
F ( x , y ) = P ( X ≤ x , Y ≤ y ) − ∞ < x , y < ∞ F(x,y)=P(X\leq x, Y\leq y) \quad \quad -\infty<x,y<\infty F(x,y)=P(X≤x,Y≤y)−∞<x,y<∞ -
一维离散型随机变量X
- X的概率函数
P ( X = x k ) = p k , k = 1 , 2 , . . . { p k ≥ 0 , k = 1 , 2 , . . . ∑ k p k = 1 P(X=x_k)=p_k,\quad k=1,2,... \\ \begin{cases} p_k\geq 0,\quad k=1,2,... \\ \sum_k p_k = 1 \end{cases} P(X=xk)=pk,k=1,2,...{pk≥0,k=1,2,...∑kpk=1
- X的概率函数
-
一维连续型随机变量X
- X的密度函数
P { a ≤ X ≤ b } = ∫ a b f ( x ) d x f ( x ) ≥ 0 ∫ − ∞ ∞ f ( x ) d x = 1 P\{a\leq X \leq b\}=\int_a^bf(x)dx \quad f(x) \geq0 \\ \int_{-\infty}^{\infty}f(x)dx = 1 P{a≤X≤b}=∫abf(x)dxf(x)≥0∫−∞∞f(x)dx=1
- 一维随机变量X的分布函数
F ( x ) = P ( X ≤ x ) − ∞ < x < ∞ F(x)=P(X\leq x) \quad \quad -\infty < x <\infty F(x)=P(X≤x)−∞<x<∞
-
-
联合分布与边缘分布的关系
由联合分布可以确定边缘分布,但由边缘分布一般不能确定联合分布
-
一般,对二维离散型随机变量(X,Y)
X和Y的联合概率函数为:
P ( X = x , Y = y i ) = p i j , i , j = 1 , 2 , . . . P(X=x, Y=y_i)=p_{ij}, \quad i,j=1,2,... P(X=x,Y=yi)=pij,i,j=1,2,...
则(X,Y)关于X的边缘概率函数为:
P ( X = x i ) = p i = ∑ j p i j , i = 1 , 2 , . . . P(X=x_i)=p_i=\sum_jp_{ij}, \quad i=1,2,... P(X=xi)=pi=j∑pij,i=1,2,...
则(X,Y)关于Y的边缘概率函数为:
P ( Y = y j ) = p j = ∑ i p i j , j = 1 , 2 , . . . P(Y=y_j)=p_j=\sum_ip_{ij}, \quad j=1,2,... P(Y=yj)=pj=i∑pij,j=1,2,...
-
-
对二维连续型随机变量(X,Y)
X和Y的联合概率密度为:
f ( x , y ) f(x,y) f(x,y)
则(X,Y)关于X的边缘概率函数为:
f X ( x ) = ∫ − ∞ ∞ f ( x , y ) d y f_X(x)=\int_{-\infty}^\infty f(x,y)dy fX(x)=∫−∞∞f(x,y)dy
(X,Y)关于Y的边缘概率函数为:
f Y ( y ) = ∫ − ∞ ∞ f ( x , y ) d x f_Y(y)=\int_{-\infty}^\infty f(x,y)dx fY(y)=∫−∞∞f(x,y)dx -
对二维随机变量(X,Y)
X和Y的联合分布函数为
F ( x , y ) F(x,y) F(x,y)
则(X,Y)关于X的边缘分布函数为
F X ( x ) = l i m y → ∞ F ( x , y ) F_X(x)=lim_{y \to \infty }F(x,y) FX(x)=limy→∞F(x,y)
(X,Y)关于Y的边缘分布函数为
F Y ( y ) = l i m x → ∞ F ( x , y ) F_Y(y)=lim_{x \to \infty}F(x,y) FY(y)=limx→∞F(x,y)
不难看出,对二维连续型随机变量(X,Y),其概率密度与分布函数的关系如下:
f ( x , y ) = ∂ 2 F ( x , y ) ∂ x ∂ y f(x,y)=\frac{\partial ^2F(x,y)}{\partial x \partial y} f(x,y)=∂x∂y∂2F(x,y)
在 f ( x , y ) f(x,y) f(x,y)的连续点
F ( x , y ) = ∫ − ∞ x ∫ − ∞ y f ( u , v ) d u d v F(x,y)=\int_{-\infty}^x \int_{-\infty}^y f(u,v)dudv F(x,y)=∫−∞x∫−∞yf(u,v)dudv