概率论笔记—多维随机变量及其分布

一、多维随机变量

① 如果$X_1,X_2,\cdot \cdot \cdot ,X_n$是定义在同一个样本空间$\Omega$上的$n$个随机变量，则称$(X_1,X_2,\cdot \cdot \cdot ,X_n)$为$n$维随机变量或$n$维随机向量，$X_i(i=1,2,\cdot \cdot \cdot ,n)$称为第$i$个分量。

当$n=2$时，记$(X,Y)$为二维随机变量（或二维随机向量）。

② 对任意的$n$个实数$x_1,x_2,\cdot \cdot \cdot ,x_n$，称$n$元函数：
F ( x 1 , x 2 , ⋅ ⋅ ⋅ , x n ) = P { X 1 ≤ x 1 , X 2 ≤ x 2 , ⋅ ⋅ ⋅ , X n ≤ x n } F(x_1,x_2,···,x_n)= P\{ X_1 \le x_1, X_2 \le x_2, ···, X_n \le x_n\} F(x1​,x2​,⋅⋅⋅,xn​)=P{X1​≤x1​,X2​≤x2​,⋅⋅⋅,Xn​≤xn​}
为$n$维随机变量$(X_1,X_2,\cdot \cdot \cdot ,X_n)$的联合分布函数。

③ $F(x,y)$是关于$x,y$的单调不减函数。$F(-\infty ,y)=F(x,-\infty )=F(-\infty ,-\infty )=0,F(+\infty ,+\infty )=1$。

④ 设二维随机变量$(X,Y)$的联合分布函数为$F(x,y)$，随机变量$X$与$Y$的分布函数$F_X(x)$与$F_Y(y)$分别称为$(X,Y)$关于$X$和关于$Y$的边缘分布函数。由概率性质得：
F X ( x ) = P { X ≤ x } = P { X ≤ x , Y ≤ + ∞ } = lim ⁡ y → + ∞ P { X ≤ x , Y ≤ y } = lim ⁡ y → + ∞ F ( x , y ) = F ( x , + ∞ ) \begin{aligned} F_X(x) &= P\{ X \le x \} = P\{ X \le x, Y \le +\infty \} \\\\ &= \lim _{y \to + \infty} P\{ X \le x, Y \le y \} \\\\ &= \lim _{y \to + \infty} F(x,y) = F(x,+\infty) \end{aligned} FX​(x)​=P{X≤x}=P{X≤x,Y≤+∞}=y→+∞lim​P{X≤x,Y≤y}=y→+∞lim​F(x,y)=F(x,+∞)​
同理，有$F_Y(y)=F(+\infty ,y)$。

二、二维离散型随机变量

① 如果二维随机变量$(X,Y)$只能取有限对值或可列对值$(x_1,y_1),(x_2,y_2),\cdot \cdot \cdot ,(x_n,y_n)\cdot \cdot \cdot$，则称$(X,Y)$为二维离散型随机变量。

称 p i j = P { X = x i , Y = y j } ,   i , j = 1 , 2 , ⋅ ⋅ ⋅ p_{ij} = P\{ X=x_i,Y=y_j \},\ i,j=1,2,··· pij​=P{X=xi​,Y=yj​}, i,j=1,2,⋅⋅⋅，为$(X,Y)$的分布律或称为$X$和$Y$的联合分布律，记为$(X,Y)\sim p_{ij}$。

② 设$(X,Y)$的概率分布为$p_{ij},i,j=1,2,\cdot \cdot \cdot$，则称$(X,Y)$的联合分布函数为：
F ( x , y ) = P { X ≤ x , Y ≤ y } = ∑ x i ≤ x ∑ y j ≤ y p i j F(x,y) = P\{ X \le x,Y \le y \} = \sum _{x_i \le x} \sum _{y_j \le y} p_{ij} F(x,y)=P{X≤x,Y≤y}=xi​≤x∑​yj​≤y∑​pij​

③ $X,Y$的边缘分布为：
p i ⋅ = P { X = x i } = ∑ j = 1 ∞ P { X = x i , Y = y j } = ∑ j = 1 ∞ p i j ,   ( i = 1 , 2 , ⋅ ⋅ ⋅ ) p ⋅ j = P { Y = y j } = ∑ i = 1 ∞ P { X = x i , Y = y j } = ∑ i = 1 ∞ p i j ,   ( j = 1 , 2 , ⋅ ⋅ ⋅ ) p_{i·} = P\{ X=x_i \} = \sum ^{\infty} _{j=1} P\{ X= x_i, Y=y_j \} = \sum ^{\infty} _{j=1}p_{ij}, \ (i = 1,2,···) \\ p_{·j} = P\{ Y=y_j \} = \sum ^{\infty} _{i=1} P\{ X= x_i, Y=y_j \} = \sum ^{\infty} _{i=1}p_{ij}, \ (j = 1,2,···) pi⋅​=P{X=xi​}=j=1∑∞​P{X=xi​,Y=yj​}=j=1∑∞​pij​, (i=1,2,⋅⋅⋅)p⋅j​=P{Y=yj​}=i=1∑∞​P{X=xi​,Y=yj​}=i=1∑∞​pij​, (j=1,2,⋅⋅⋅)

三、二维连续型随机变量

① 如果二维随机变量$(X,Y)$的联合分布函数$F(x,y)$可以表示为：
$$F(x,y)={\int }_{-\infty }^x{\int }_{-\infty }^{y}f(u,v)dudv,(x,y)\in R^2$$
其中$f(x,y)$是非负可积函数，则称$(X,Y)$为二维连续型随机变量，称$f(x,y)$为$(X,Y)$的概率密度，记为$(X,Y)\sim f(x,y)$。

② 设$(X,Y)\sim f(x,y)$，则$X,Y$的边缘分布函数为：
$$\begin{gathered} F_X(x)=F(x,+\infty )={\int }_{-\infty }^x\left[{\int }_{-\infty }^{+\infty }f(u,v)dv\right]du \\ {F}_Y(y)=F(+\infty ,y)={\int }_{-\infty }^y\left[{\int }_{-\infty }^{+\infty }f(u,v)du\right]dv \end{gathered}$$

③ 如果$(X,Y)$的概率密度为：
$$f(x,y)=\{\begin{array}{rlr}& \frac{1}{S_D},& (x,y)\in D\\ & 0，& 其他\end{array}$$
其中$S_D$为区域$D$的面积，则称$(X,Y)$在平面有界区域$D$上服从均匀分布。

④ 如果$(X,Y)$的概率密度为：
$$f(x,y)=\frac{1}{2\pi {\sigma }_1{\sigma }_2\sqrt{1-{\rho }^2}}exp\left\{-\frac{1}{2(1-{\rho }^2)}\left[(\frac{x-{\mu }_1}{{\sigma }_1}{)}^2-2\rho (\frac{x-{\mu }_1}{{\sigma }_1})(\frac{y-{\mu }_2}{{\sigma }_2})+(\frac{y-{\mu }_2}{{\sigma }_2}{)}^2\right]\right\}$$
其中${\mu }_1\in R,{\mu }_2\in R,{\sigma }_1>0,{\sigma }_2>0,-1<\rho <1$，则称$(X,Y)$服从参数为${\mu }_1,{\mu }_2,{\sigma }_1,{\sigma }_2,\rho$的二维正态分布，记为$(X,Y)\sim N({\mu }_1,{\mu }_2,{\sigma }_1,{\sigma }_2,\rho )$。