本文档通过MATLAB来绘制二维随机变量(X,Y)的联合概率密度函数。
第一种类型,X服从标准正态分布,Y服从均匀分布。
【例题】已知随机变量X与Y相互独立,X~N(0,1);Y在区间[0,2]上服从均匀分布。求:
(1)二维随机变量(X,Y)的联合概率密度。
(2)概率P(X
≥
\geq
≥Y)
解答:
(1)随机变量X的概率密度为
f
X
(
x
)
=
1
2
π
e
−
x
2
2
−
∞
<
x
<
∞
f_{X} (x)=\frac{1}{\sqrt{2\pi} } e^{-\frac{x^2}{2} } -\infty <x<\infty
fX(x)=2π1e−2x2−∞<x<∞
随机变量Y的概率密度为
f
Y
(
y
)
=
{
1
2
,
y
=
(
0
,
2
)
0
,
y
=
其它
f_{Y} (y)=\begin{cases} & \frac{1}{2}, y= (0,2)\\ & 0 , y=其它 \end{cases}
fY(y)={21,y=(0,2)0,y=其它
因为X与Y相互独立,所以二维随机变量(X,Y)的联合概率密度为:
f
(
x
,
y
)
=
{
1
2
2
π
e
−
x
2
2
,
x
=
−
∞
<
x
<
∞
,
0
≤
y
≤
2
0
,
其它
f(x,y)=\begin{cases} & \frac{1}{2\sqrt{2\pi } }e^{-\frac{x^2}{2} }, x=-\infty <x<\infty ,0\le y\le 2 \\ & 0, 其它 \end{cases}
f(x,y)={22π1e−2x2,x=−∞<x<∞,0≤y≤20,其它
此二维随机变量的联合概率密度函数用MATLAB来绘制,其代码如下
x=-10:0.1:10;
y=0:0.1:1;
z=ones(length(y),1)
∗
\ast
∗ (exp(-x.^2)/2)/(2
∗
\ast
∗sqrt(2*pi));
mesh(x,y,z)
输出图像为
(2)概率P(X
≥
\geq
≥Y)就是随机点(X,Y)落在平面区域X
≥
\geq
≥Y内的概率。
第二种类型:X与Y均服从正态分布,且不独立。
【例题】设二维随机变量(X,Y)的联合概率密度函数为
f
(
x
,
y
)
=
5
96
π
e
−
25
32
[
(
x
−
1
)
2
9
+
(
x
−
1
)
(
y
−
2
)
10
+
(
y
−
2
)
2
16
]
f\left ( x,y \right ) =\frac{5}{96\pi }e ^{-\frac{25}{32}\left [ \frac{\left ( x-1\right )^{2} }{9} +\frac{\left ( x-1 \right )\left ( y-2 \right ) }{10}+\frac{\left ( y-2 \right )^2 }{16} \right ] }
f(x,y)=96π5e−3225[9(x−1)2+10(x−1)(y−2)+16(y−2)2]
(1)例用MATLAB画出联合密度函数图
(2)求随机变量函数Z=X/3-Y/4的数学期望和方差
【解答】
(1)根据二维随机变量(X,Y)服从二维正态分布的概率函数
f
(
x
,
y
)
=
1
2
π
σ
x
σ
y
1
−
r
2
e
−
1
2
(
1
−
r
2
)
[
(
x
−
μ
x
)
2
σ
x
2
+
2
r
(
x
−
μ
x
)
(
y
−
μ
y
)
σ
x
σ
y
+
(
y
−
μ
y
)
2
σ
y
2
]
f\left ( x,y \right ) =\frac{1}{2\pi\sigma _{x}\sigma _{y}\sqrt{1-r^2} }e ^{-\frac{1}{2\left ( 1-r^2 \right ) }\left [ \frac{\left ( x-\mu _{x} \right )^{2} }{\sigma _{x}^2 } +\frac{2r\left ( x-\mu _{x} \right )\left ( y-\mu _{y} \right ) }{\sigma _{x} \sigma _{y} } +\frac{\left ( y-\mu _{y} \right )^2 }{\sigma _{y}^{2} } \right ] }
f(x,y)=2πσxσy1−r21e−2(1−r2)1[σx2(x−μx)2+σxσy2r(x−μx)(y−μy)+σy2(y−μy)2]
记作:
(
X
,
Y
)
∼
N
(
μ
X
,
μ
Y
,
σ
X
2
,
σ
Y
2
,
r
)
\left ( X,Y \right ) \sim N\left ( \mu _{X} ,\mu _{Y} ,\sigma _{X}^2,\sigma _{Y}^2,r \right )
(X,Y)∼N(μX,μY,σX2,σY2,r)r的绝对值小于1.
可知,
E
(
X
)
=
1
,
E
(
Y
)
=
2
,
D
(
X
)
=
9
,
D
(
Y
)
=
16
,
R
(
X
,
Y
)
=
r
=
−
3
5
E\left ( X \right ) =1,E\left ( Y \right ) =2,D\left ( X \right ) =9,D\left ( Y \right ) =16,R(X,Y)=r=-\frac{3}{5}
E(X)=1,E(Y)=2,D(X)=9,D(Y)=16,R(X,Y)=r=−53
程序代码为:
clc;
clear;
x=-4:0.1:6;
y=-3:0.1:7;
[X,Y]=meshgrid(x,y);
Z=5
∗
\ast
∗exp(-25*((X-1).2+(X-1).*(Y-2)/10+(Y-2).2/16)/32)/(96*pi);
mesh(X,Y,Z); %绘制三维网格图
运行后三维网格图的图像为:
(2)
c
o
v
(
X
,
Y
)
=
R
(
X
,
Y
)
σ
x
σ
y
=
−
36
5
cov\left ( X,Y \right ) =R\left ( X,Y \right ) \sigma _{x} \sigma _{y}=-\frac{36}{5}
cov(X,Y)=R(X,Y)σxσy=−536
E
(
Z
)
=
E
(
X
3
−
Y
4
)
=
−
1
6
E\left ( Z \right ) =E\left ( \frac{X}{3}-\frac{Y}{4} \right ) =-\frac{1}{6}
E(Z)=E(3X−4Y)=−61
D
(
Z
)
=
D
(
X
3
−
Y
4
)
=
(
1
3
)
2
D
(
X
)
+
(
−
1
4
2
D
(
Y
)
)
+
2
×
1
4
×
(
−
1
4
)
=
16
5
D\left ( Z \right ) =D\left ( \frac{X}{3} -\frac{Y}{4} \right ) =\left ( \frac{1}{3} \right )^2D\left ( X \right ) +\left ( -\frac{1}{4}^2D\left ( Y \right ) \right ) +2\times \frac{1}{4}\times \left ( -\frac{1}{4} \right ) =\frac{16}{5}
D(Z)=D(3X−4Y)=(31)2D(X)+(−412D(Y))+2×41×(−41)=516
第三种类型:X与Y均服从标准正态分布,且相互独立
【例题】设随机变量X与Y相互独立,都服从标准正态分布N(0,1),求:
(1)画出该二维随机变量的联合概率密度函数图像。
(2)求出随机变量函数
Z
=
X
2
+
Y
2
Z=X^{2} +Y^{2}
Z=X2+Y2 的概率密度
【解答】
(1)相互独立的二维随机变量X与Y的联合概率密度函数为
f
(
x
,
y
)
=
f
X
(
x
)
f
Y
(
y
)
=
1
2
π
e
−
x
2
+
y
2
2
f\left ( x,y \right ) =f_X\left ( x \right ) f_Y\left ( y \right ) =\frac{1}{2\pi }e^{-\frac{x^2+y^2}{2} }
f(x,y)=fX(x)fY(y)=2π1e−2x2+y2
绘制该函数用到的代码为:
vx=-4:0.1:4;
[X,Y]=meshgrid(vx);
Z=exp(-(X.2+Y.2)/2)/(2*pi);
mesh(X,Y,Z);
绘制的联合概率密度图像为
(2)随机变量
Z
=
X
2
+
Y
2
Z=X^{2} +Y^{2}
Z=X2+Y2 的分布函数为
F
Z
(
z
)
=
P
(
Z
≤
z
)
=
P
(
X
2
+
Y
2
≤
z
)
=
∬
x
2
+
y
2
≤
z
e
−
x
2
+
y
2
2
d
x
d
y
=
1
−
e
z
2
F_{Z} \left ( z \right ) =P\left ( Z\le z \right ) =P\left ( X^2+Y^2\le z \right ) =\iint\limits_{x^2+y^2\le z}^{} e^{-\frac{x^2+y^2}{2} dxdy} =1-e^{\frac{z}{2} }
FZ(z)=P(Z≤z)=P(X2+Y2≤z)=x2+y2≤z∬e−2x2+y2dxdy=1−e2z
所以Z的分布函数为
F
Z
(
z
)
=
{
1
−
e
−
z
2
,
z
>
0
0
,
z
≤
0
F_{Z} \left ( z \right ) =\begin{cases} & 1-e^{-\frac{z}{2} }, { } z>0 \\ & 0,{ } z\le 0 \end{cases}
FZ(z)={1−e−2z,z>00,z≤0
例用matlab绘制图像为
程序代码为
fplot(@(z)1-exp(-z/2),[0,10]);
由Z的分布函数得Z的概率密度函数为
f
Z
(
z
)
=
{
1
2
e
−
z
2
,
z
>
0
0
,
z
≤
0
f_{Z} \left ( z \right ) =\begin{cases} & \frac{1}{2}e^{-\frac{z}{2} }, { } z>0 \\ & 0,{ } z\le 0 \end{cases}
fZ(z)={21e−2z,z>00,z≤0
例用Matlab绘制图像为
程序代码为 fplot(@(z)exp(-z/2)/2,[0,10]);
此时,Z的随机变量函数服从的分布是自由度为2的
χ
2
\chi ^{2}
χ2分布