1)什么是边缘分布函数?有哪些性质?如何推导得到?
定义:F(x,y)为随机变量(X,Y)的分布函数 , F X ( x ) = F ( x , ∞ ) = P F_X(x)=F(x,\infty)=P FX(x)=F(x,∞)=P={ X ≤ x X\leq x X≤x}为随机变量(X,Y)关于X的边缘分布函数
$ F_Y(y)=F(\infty,y)=PKaTeX parse error: Expected '}', got 'EOF' at end of input: {Y \leq y$}为随机变量(X,Y)关于Y的边缘分布函数
2)什么是多维离散型随机变量的边缘分布律?有哪些性质?如何推导?
设:二维离散型随机变量(X ,Y )的联合分布律为
P{ X = x i , Y = y i X =x_i,Y =y_i X=xi,Y=yi}= p i j p_{ij} pij=1,2,…
(3)什么是多维连续型随机变量的边缘概率密度?有哪些性质?如何推导?
F X ( x ) = F ( x , ∞ ) ∫ − ∞ x ∫ − ∞ + ∞ f ( x , y ) d x d y F_X(x)=F(x,\infty)\int_{-\infty}^{x} \int_{-\infty}^{+\infty}f(x,y)dxdy FX(x)=F(x,∞)∫−∞x∫−∞+∞f(x,y)dxdy.
F Y ( x ) = F ( ∞ , y ) ∫ − ∞ y ∫ − ∞ + ∞ f ( x , y ) d x d y F_Y(x)=F(\infty,y)\int_{-\infty}^{y} \int_{-\infty}^{+\infty}f(x,y)dxdy FY(x)=F(∞,y)∫−∞y∫−∞+∞f(x,y)dxdy.
4)二维正态分布(X,Y)~N(μ1,μ2,σ1^2,σ2^2,ρ),则X和Y分别服从什么分布?
XN(μ1,σ1²),YN(μ2,σ2²)
(1)什么是多维离散型随机变量的条件分布律?
对于固定的j,若P{ Y = y i Y=y_i Y=yi}>0,则称p{ X = x i ∣ Y = y i X=x_i | Y=y_i X=xi∣Y=yi}= P ( X = x i , Y = y j ) P ( Y = y i ) = p i j p . j \frac{P(X=x_i,Y=y_j)}{P(Y=y_i)}=\frac{p_{ij}}{p_.j} P(Y=yi)P(X=xi,Y=yj)=p.jpij为在Y= y j y_j yj条件下的条件分布律.
同理,对于固定的i,若P{ X = x i X=x_i X=xi}>0,则称p{$ Y=y_i|X=x_i KaTeX parse error: Expected 'EOF', got '}' at position 1: }̲=\frac{P(X=x_i,Y=y_j)}{P(X=x_i)}=\frac{p_{ij}}{p_.j} 为 在 为在 为在X=x_i$条件下的条件分布律.
(2)什么是多维连续型随机变量的条件概率密度?
定义:定义在X=x的条件下Y的条件概率密度为
F Y ∣ X ( y ∣ x ) = P F_{Y|X}(y|x)=P FY∣X(y∣x)=P{ Y ≤ y ∣ X = x Y\leq y|X=x Y≤y∣X=x}= ∫ ∞ y f ( x , y ) f X ( x ) d y . \int_{\infty}^y\frac{f(x,y)}{f_X(x)}dy. ∫∞yfX(x)f(x,y)dy.
同理,定义在Y=y的条件下X的条件概率密度为
F X ∣ Y ( x ∣ y ) = P F_{X|Y}(x|y)=P FX∣Y(x∣y)=P{ X ≤ x ∣ Y = y X\leq x|Y=y X≤x∣Y=y}= ∫ ∞ x f ( x , y ) f Y ( y ) d x . \int_{\infty}^x\frac{f(x,y)}{f_Y(y)}dx. ∫∞xfY(y)f(x,y)dx.
(3)画关系图,总结联合分布、边缘分布和条件分布的关系。