二维随机变量期望公式_常用连续随机变量的关系与密度函数的计算

2f8b5303952a73972f88ee3cd132a1da.png

第一节整理了一下常用的连续随机变量的密度函数,并以一张图给出它们之间的关系。接下来回顾了计算密度函数的基本方法,最后以第一节中的 3 个密度函数的推导作为例题

1.随机变量分布及特征

1.1 常用连续分布的联系

这里首先给出

函数的几个用于计算的性质:

接下来给出几个常用连续分布的密度函数

伽马分布

贝塔分布

Fisher Z分布

分布

柯西分布

标准柯西分布

指数分布

卡方分布

分布

24980bbb53afc9890e4d59f6138692f8.png

图中虚线表示

分布的渐进关系,此外
分布与
分布的关系没有给出(很少用是一方面,关键是一条线穿过去这图就不好看了hahahaha)。

关于其中部分关系的推算我放在第三节例题中结

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
二维连续型随机变量是指有两个随机变量 $X$ 和 $Y$,它们可以取到的值是连续的。它们的联合概率密度函数(Joint Probability Density Function,简称联合概率密度)是 $f_{X,Y}(x,y)$,表示同时取到 $X=x$ 和 $Y=y$ 的概率密度。 在二维连续型随机变量中,我们经常需要计算一些概率和期望值。其中,联合概率密度函数的积分可以得到概率: $$ P(a\leq X\leq b, c\leq Y\leq d)=\int_a^b\int_c^d f_{X,Y}(x,y)dydx $$ 同时,我们也可以计算 $X$ 和 $Y$ 的边缘概率密度函数(Marginal Probability Density Function)。分别为: $$ f_X(x) = \int_{-\infty}^{\infty} f_{X,Y}(x,y) dy $$ $$ f_Y(y) = \int_{-\infty}^{\infty} f_{X,Y}(x,y) dx $$ 边缘概率密度函数是联合概率密度函数在某个维度上的积分。它们分别表示 $X$ 和 $Y$ 单独取到某个值的概率密度。 此外,我们还可以计算 $X$ 和 $Y$ 的协方差(Covariance)和相关系数(Correlation Coefficient)。它们分别为: $$ Cov(X,Y) = E[(X-E(X))(Y-E(Y))] $$ $$ \rho_{X,Y} = \frac{Cov(X,Y)}{\sqrt{Var(X)Var(Y)}} $$ 其中,$E(X)$ 和 $E(Y)$ 分别是 $X$ 和 $Y$ 的期望值,$Var(X)$ 和 $Var(Y)$ 分别是 $X$ 和 $Y$ 的方差。协方差和相关系数可以用来描述 $X$ 和 $Y$ 之间的关系,其中相关系数的取值范围在 $[-1,1]$ 之间。如果 $\rho_{X,Y} > 0$,则 $X$ 和 $Y$ 为正相关;如果 $\rho_{X,Y} < 0$,则 $X$ 和 $Y$ 为负相关;如果 $\rho_{X,Y} = 0$,则 $X$ 和 $Y$ 为不相关。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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