18. 二元随机变量分布函数、边际分布函数及条件分布函数

二元随机变量分布函数、边际分布函数及条件分布函数

---

联合分布函数

---

定义： 设 $(X,Y)$ 是二元随机变量，对于任意实数 $x,y$，二元函数

F ( x , y ) = P { ( X ≤ x ) ⋂ ( Y ≤ y ) } = 记成 P ( X ≤ x , Y ≤ y ) F(x,y)=P\{(X\leq x) \bigcap (Y\leq y)\} \overset{\text{记成}}{=}P(X\leq x,Y\leq y) F(x,y)=P{(X≤x)⋂(Y≤y)}=记成P(X≤x,Y≤y)

称为二元随机变量 $(X,Y)$ 的联合分布函数。

---

例 1： 设随机变量 $X$ 在 1、2、3、4 四个整数中等可能地取一个值，随机变量 $Y$ 在 $1\sim X$ 中等可能地取一个整数值，求 $F(3.5,2)$.

解： $X、Y$ 的取值情况均为 1,2,3,4；当 $i,j=1,\cdots ,4$ 时

$$P(X=i,Y=j)=P(X=i)P(Y=j|X=i)=\{\begin{array}{ll}\frac{1}{4}\times \frac{1}{i},& i\ge j\\ & \\ \frac{1}{4}\times 0,& i<j\end{array}$$

联合概率分布律如下：

$$\begin{array}{ccccc}{}_X\bcancel{{}^Y}& 1& 2& 3& 4\\ 1& \frac{1}{4}& 0& 0& 0\\ & & & & \\ 2& \frac{1}{8}& \frac{1}{8}& 0& 0\\ & & & & \\ 3& \frac{1}{12}& \frac{1}{12}& \frac{1}{12}& 0\\ & & & & \\ 4& \frac{1}{16}& \frac{1}{16}& \frac{1}{16}& \frac{1}{16}\end{array}$$

$F(3.5,2)=P(X\le 3.5,Y\le 2)$

$=\frac{1}{4}+0+\frac{1}{8}+\frac{1}{8}+\frac{1}{12}+\frac{1}{12}=\frac{2}{3}$

一般得：
$$F(x,y)=P(X\le x,Y\le y)=\sum _{x_i\le x,y_j\le y}P(X=x_i,Y=y_j)$$

二元离散型随机变量概率分布图

$$F(x,y)=\{\begin{array}{ll}0,& x<1或y<1\\ 1/4,& 1\le x<2,y\ge 1\\ & \cdots \\ 2/3,& 3\le x<4,2\le y<3\\ & \cdots \\ 1,& x\ge 4,y\ge 4\end{array}$$

分布函数 $F(x,y)$ 的性质

---

1. $F(x,y)$ 关于 $x,y$ 单调不减， 即：

$x_1<x_2⟹F(x_1,y)\le F(x_2,y)$

$y_1<y_2⟹F(x,y_1)\le F(x,y_2)$

\quad \quad \quad \quad

2. $0\le F(x,y)\le 1,F(+\infty ,+\infty )=1$

     \quad \,\,\,\, 对任意 $x$ 及 $y$ 有：

$F(-\infty ,y)=F(x,-\infty )=F(-\infty ,-\infty )=0$

3. $F(x,y)$ 关于 $x,y$ 右连续，即：

$$\underset{ϵ\to 0^{+}}{\lim }F(x+ϵ,y)=F(x,y)\text{以及}\underset{ϵ\to 0^{+}}{\lim }F(x,y+ϵ)=F(x,y)$$

4. 若 $x_1<x_2,y_1<y_2$，则有

$P(x_1<X\le x_2,y_1<Y\le y_2)=F(x_2,y_2)-F(x_2,y_1)-F(x_1,y_2)+F(x_1,y_1)\ge 0$

边际分布函数

---

二元随机变量 $(X,Y)$作为整体，有其联合分布函数 $F(x,y)$，$X$ 和 $Y$ 也有它们自己的分布函数，分别记为：$F_X(x),F_Y(y)$，并称他们为边际分布函数。

$$\begin{array}{rl}& F_X(x)=F(x,+\infty )=\underset{y\to \infty }{\lim }F(x,y)\\ & F_Y(y)=F(+\infty ,y)=\underset{x\to \infty }{\lim }F(x,y)\end{array}$$

即在分布函数 $F(x,y)$ 中，令 $y\to +\infty$，就能得到 $F_X(x)$，$F_Y(y)同理$。

---

例 2： 设 $(X,Y)$ 的分布函数

$$F(x,y)=\{\begin{array}{ll}1-e^{-0.5x}-e^{-0.5y}+e^{-0.5(x+y)},& x\le 0,y\le 0\\ 0,& \text{其他}\end{array}$$

求 $X$ 的边际分布函数 $F_X(x)$。

解：
$$\begin{array}{rl}{F}_X(x)& =F(x,+\infty )=\underset{y\to +\infty }{\lim }F(x,y)\\ & =\{\begin{array}{ll}{\lim }_{y\to +\infty }(1-e^{-0.5x}-e^{-0.5y}+e^{-0.5(x+y)}),& x\ge 0\\ & \\ 0,& x<0\end{array}\\ & =\{\begin{array}{ll}1-e^{-0.5x},& x\ge 0\\ 0,& x<0\end{array}\end{array}$$

条件分布函数

---

定义： 若 $P(Y=y)>0$，则在 $Y=y$ 条件下，$X$ 的条件分布函数为：

$$F_{X|Y}(x|y)=P(X\le x|Y=y)=\frac{P(X\le x,Y=y)}{P(Y=y)}$$

若 $Y$ 位离散型随机变量，就可满足 $P(Y=y)>0$，但当 $Y$ 为连续型随机变量时，显然 $P(Y=y)=0$，所以这时不能这样定义条件分布函数。

若 $P(Y=y)=0$，但对任一 $ϵ>0,P(y<Y\le y+ϵ)>0$，则在 $Y=y$ 条件下， $X$ 的条件分布函数定义为：

$$\begin{array}{rl}{F}_{X|Y}(x|y)& =\underset{ϵ\to 0^{+}}{\lim }P(X\le x|y<Y\le y+ϵ)\\ & =\underset{ϵ\to 0^{+}}{\lim }\frac{P(X\le x,y<Y\le y+ϵ)}{P(y<Y\le y+ϵ)}\end{array}$$

此时，仍记为 $P(X\le x|Y=y)$

即：$F_{X|Y}(x|y)=P(X\le x|Y=y)$

---

例 3： 设

$$F_X(x)=\{\begin{array}{ll}0,& x<1\\ 0.3,& 1\le x<2\\ 1,& x\ge 2\end{array},F_Y(y)=\{\begin{array}{ll}0,& y<0\\ 0.4,& 0\le y<1\\ 1,& y\ge 1\end{array},$$

$P(X=1,Y=0)=0.1$，求

（1）联合分布律；

（2）当 $Y=0$ 时，$X$ 的条件分布律 $P(X=k|Y=0)$；

（3） $Y=0$ 时， $X$ 的条件分布函数。

解： (1) 由分布函数知，这两个变量是离散型的，分布律先写在联合分布律表中。注意：$P(X=x_0)=F(x_0)-F(x_0-0)$

$$\begin{array}{cccc}{}_X\bcancel{{}^Y}& 0& 1& p_{i\cdot }\\ 1& 0.1& 0.2& 0.3\\ 2& 0.3& 0.4& 0.7\\ p_{\cdot j}& 0.4& 0.6& \end{array}$$

(2)$P(X=k|Y=0)=\frac{P(X=k,Y=0)}{P(Y=0)}=\frac{P(X=k,Y=0)}{0.4},k=1,2$

$$\begin{array}{ccc}X& 1& 2\\ P(X=k|Y=0)& 0.25& 0.75\end{array}$$

(3)
$$\begin{array}{rl}{F}_{X|Y}(x|0)& =P(X\le x|Y=0)\\ & =\{\begin{array}{ll}0,& x<1\\ 0.25,& 1\le x<2\\ 1,& x\ge 2\end{array}\end{array}$$