二维随机变量
一般,设
E
E
为一个随机试验,它的样本空间是,设
X=X(e)
X
=
X
(
e
)
和
Y=Y(e)
Y
=
Y
(
e
)
是定义在
S
S
上的随机变量,由他们构成的一个向量叫做二维随机向量,或者二维随机变量。
分布函数
设
(X,Y)
(
X
,
Y
)
是二维随机变量,对于任意实数
x,y
x
,
y
,二元函数:
称为 二维随机变量 (X,Y) ( X , Y ) 的分布函数,或称为 随机变量 X X 和的联合分布函数。
分布函数 F(x,y) F ( x , y ) 的性质
1∘ 1 ∘
F(x,y) F ( x , y ) 是变量 x x 和的不减函数,即对任意固定的 y y ,当时, F(x2,y)≥F(x1,y) F ( x 2 , y ) ≥ F ( x 1 , y ) ;对于任意固定的 x x ,当时 F(x,y2)≥F(x,y1) F ( x , y 2 ) ≥ F ( x , y 1 )
2∘ 2 ∘
0≤F(x,y)≤1 0 ≤ F ( x , y ) ≤ 1 且
对于任意固定的 y y ,
对于任意固定的 x x ,
F(−∞,+∞)=0,F(+∞,+∞)=1 F ( − ∞ , + ∞ ) = 0 , F ( + ∞ , + ∞ ) = 1
3∘ 3 ∘
4∘ 4 ∘
对于任意 (x1,y1),(x2,y2),x1<x2,y1<y2 ( x 1 , y 1 ) , ( x 2 , y 2 ) , x 1 < x 2 , y 1 < y 2 下面不等式成立:
离散型随机变量
如果二维随机变量
(X,Y)
(
X
,
Y
)
所有可能取值为
(xi,yi),i,j=1,2,⋯
(
x
i
,
y
i
)
,
i
,
j
=
1
,
2
,
⋯
,记
P{X=xi,Y=yj}=pij,i,j=1,2,⋯
P
{
X
=
x
i
,
Y
=
y
j
}
=
p
i
j
,
i
,
j
=
1
,
2
,
⋯
,则由概率的定义有
我们称 P{X=xi,Y=yj}=pij,i,j=1,2,⋯ P { X = x i , Y = y j } = p i j , i , j = 1 , 2 , ⋯ 为二维离散型随机变量 (X,Y) ( X , Y ) 的 分布律,或称随机变量 X X 和的 联合分布律
我们可以使用表格来表示 X X 和的联合分布律
与一维随机变量类似,对二维随机变量 (X,Y) ( X , Y ) 的分布函数 F(x,y) F ( x , y ) ,如果存在 非负可积函数 f(x,y) f ( x , y ) 使得对于任意 x,y x , y 有
则称 (X,Y) ( X , Y ) 是 连续型的二维随机变量,函数 f(x,y) f ( x , y ) 称为二维随机变量 (X,Y) ( X , Y ) 的 概率密度,或称为联合随机变量 X X 和的 联合概率密度。
按照定义,概率密度 f(x,y) f ( x , y ) 具有以下性质:
1∘ 1 ∘ : f(x,y)≥0 f ( x , y ) ≥ 0 .
2∘ 2 ∘ : ∫+∞−∞∫+∞−∞f(x,y)dxdy=F(+∞,+∞)=1 ∫ − ∞ + ∞ ∫ − ∞ + ∞ f ( x , y ) d x d y = F ( + ∞ , + ∞ ) = 1
3∘ 3 ∘ :
假设 G G 是平面上的区域,点 (X,Y) ( X , Y ) 落在 G G 内的概率为
4∘ 4 ∘ :
若 f(x,y) f ( x , y ) 在点 (x,y) ( x , y ) 连续,则有
边缘分布
二维随机变量
(X,Y)
(
X
,
Y
)
作为一个整体,具有分布函数
F(x,y)
F
(
x
,
y
)
。而
X
X
和都是随机变量,各自也有相应分布函数,将他们分布记为
FX(x),FY(y)
F
X
(
x
)
,
F
Y
(
y
)
,依次称为二维随机变量
(X,Y)
(
X
,
Y
)
关于
X
X
和关于的边缘分布函数。
边缘分布函数可以由
(X,Y)
(
X
,
Y
)
的分布函数
F(x,y)
F
(
x
,
y
)
所确定,事实上:
即:
离散随机变量
X X 的分布律为:
Y Y 的分布律为:
记:
分别称 pi⋅(i=1,2,⋯) p i ⋅ ( i = 1 , 2 , ⋯ ) 和 p⋅j(j=1,2,⋯) p ⋅ j ( j = 1 , 2 , ⋯ ) 为 (X,Y) ( X , Y ) 关于 X X 和的边缘分布律.
连续型随机变量
(X,Y)
(
X
,
Y
)
,设他的概率密度为
f(x,y)
f
(
x
,
y
)
,由于
X X 是一个连续型随机变量,且其概率密度为:
Y
Y
是一个连续型随机变量,且其概率密度为:
分布称 fX(x) f X ( x ) 和 fY(x) f Y ( x ) 为 (X,Y) ( X , Y ) 关于 X X 和关于的边缘概率密度。
二维正态分布
设二维随机变量
(X,Y)
(
X
,
Y
)
的概率密度为
其中 μ1,μ2,σ1,σ2,ρ μ 1 , μ 2 , σ 1 , σ 2 , ρ 都是常数,且 σ1>0,σ2>0,−1<ρ<1 σ 1 > 0 , σ 2 > 0 , − 1 < ρ < 1 。我们称 (X,Y) ( X , Y ) 为服从 μ1,μ2,σ1,σ2,ρ μ 1 , μ 2 , σ 1 , σ 2 , ρ 的二维正态分布。
记为:
另一种表示方法:
(X1,X2) ( X 1 , X 2 ) 的协方差矩阵为:
它的行列式为: detC=σ21σ22(1−ρ2) det C = σ 1 2 σ 2 2 ( 1 − ρ 2 )
C C 的逆矩阵为:
于是 (X1,X2) ( X 1 , X 2 ) 的概率密度可以写成:
条件分布
设
(X,Y)
(
X
,
Y
)
是二维离散型随机变量,其分布律为:
(X,Y) ( X , Y ) 关于 X X 和关于的边缘分布律分别为:
设 p⋅j>0 p ⋅ j > 0 ,考虑在事件 {Y=yj} { Y = y j } 已经发生的条件下事件 {X=xi} { X = x i } 发生的概率,也就是求事件
上面条件概率具有分布律的性质:
定义:
设
(X,Y)
(
X
,
Y
)
是二维离散型随机变量,
对于固定的
j
j
,若则称:
为在 Y=yj Y = y j 条件下随机变量 X X 的条件分布律
同样对于固定的,若
P{X=xi}>0
P
{
X
=
x
i
}
>
0
,则称
定义:
设二维随机变量的概率密度为
f(x,y)
f
(
x
,
y
)
,
(X,Y)
(
X
,
Y
)
关于
Y
Y
的边缘概率密度。若对于固定的
y
y
,,则称
f(x,y)fY(y)
f
(
x
,
y
)
f
Y
(
y
)
为在
Y=y
Y
=
y
的条件下
X
X
的条件概率密度,记为:
称 ∫x−∞fX∣Y(x∣y)dx=∫x−∞f(x,y)fY(y)dx ∫ − ∞ x f X ∣ Y ( x ∣ y ) d x = ∫ − ∞ x f ( x , y ) f Y ( y ) d x 为在 Y=y Y = y 的条件下 X X 的条件分布函数。记:
或者 FX∣Y(x∣y) F X ∣ Y ( x ∣ y ) ,即:
且满足条件:
相互独立的随机变量
定义:
设
F(x,y)
F
(
x
,
y
)
以及
FX(x),FY(y)
F
X
(
x
)
,
F
Y
(
y
)
分别是二维随机变量
(X,Y)
(
X
,
Y
)
的分布函数以及边缘分布函数,若对于所有
x,y
x
,
y
有:
即:
⇔ ⇔ 若 (X,Y) ( X , Y ) 是连续型随机变量, f(x,y),fX(x),fY(y) f ( x , y ) , f X ( x ) , f Y ( y ) 分别为 (X,Y) ( X , Y ) 的概率密度和边缘概率密度,则 X X 和相互独立的条件为
则称随机变量 X X 和是相互独立的.
两个随机变量的函数分布(连续)
Z=X+Y Z = X + Y
设
(X,Y)
(
X
,
Y
)
是二维连续型随机变量,它具有概率密度
f(x,y)
f
(
x
,
y
)
,则
Z=X+Y
Z
=
X
+
Y
仍为连续型随机变量,其概率密度为:
或
若 X X 和相互独立,设 (X,Y) ( X , Y ) 的关于 X X 和的边缘概率密度分别为 fX(x) f X ( x ) 和 fY(y) f Y ( y )
则上式可以写为:
或
这两个公式被称为 fX f X 和 fY f Y 的卷积公式,记为 fX∗fY f X ∗ f Y 即:
Z=YX,Z=XY Z = Y X , Z = X Y
M=max{X,Y},M=min{X,Y} M = max { X , Y } , M = min { X , Y }
随机变量的相互独立性
(1)
(
1
)
设二维随机变量
(X,Y)
(
X
,
Y
)
的联合概率分布函数为
F(x,y)
F
(
x
,
y
)
,边缘概率分布函数分别为
FX(x),FY(y)
F
X
(
x
)
,
F
Y
(
y
)
,如果对于任意实数
x,y
x
,
y
都有:
即事件 {X≤x} { X ≤ x } 和 {Y≤y} { Y ≤ y } 相互独立
则称 X X 和相互独立,否则称 X X 和不相互独立
(2) ( 2 ) 如果 n n 维随机变量的联合分布函数等于边缘分布函数的乘积,即
其中 Fi(x) F i ( x ) 为 Xi X i 的边缘分布函数, xi x i 为任意实数,则称 X1,X2,⋯,Xn X 1 , X 2 , ⋯ , X n 相互独立