“21天好习惯”第一期-21

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 ， $F_X(x)=F(x,\infty )=P$={$X\le x$}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{$X=x_i,Y=y_i$}=$p_{ij}$=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？

$F_X(x)=F(x,\infty ){\int }_{-\infty }^x{\int }_{-\infty }^{+\infty }f(x,y)dxdy$.

$F_Y(x)=F(\infty ,y){\int }_{-\infty }^y{\int }_{-\infty }^{+\infty }f(x,y)dxdy$.

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？

X_{N（μ1，σ1²），Y}N（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{$Y=y_i$}>0,则称p{$X=x_i|Y=y_i$}=$\frac{P(X=x_i,Y=y_j)}{P(Y=y_i)}=\frac{p_{ij}}{p_{.}j}$为在Y=$y_j$条件下的条件分布律.

同理，对于固定的i,若P{$X=x_i$}>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}$为在$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

$F_{Y|X}(y|x)=P${$Y\le y|X=x$}=${\int }_{\infty }^y\frac{f(x,y)}{f_X(x)}dy.$

同理，定义在Y=y的条件下X的条件概率密度为

$F_{X|Y}(x|y)=P${$X\le x|Y=y$}=${\int }_{\infty }^x\frac{f(x,y)}{f_Y(y)}dx.$

（3）画关系图，总结联合分布、边缘分布和条件分布的关系。