原文地址【概率论与数理统计(研究生课程)】知识点总结3(二维随机变量及其分布)
目录
联合分布函数
F ( x , y ) = P { X ≤ x , Y ≤ y } F(x,y)=P\{X\le x, Y\le y\} F(x,y)=P{X≤x,Y≤y}
性质:
F
(
+
∞
,
+
∞
)
=
1
F
(
−
∞
,
−
∞
)
=
F
(
x
,
−
∞
)
=
F
(
−
∞
,
y
)
=
0
\begin{aligned} &F(+\infty,+\infty)=1 \\ F(-\infty, -\infty)=&F(x, -\infty)=F(-\infty, y)=0 \end{aligned}
F(−∞,−∞)=F(+∞,+∞)=1F(x,−∞)=F(−∞,y)=0
二维随机变量边缘分布律
离散型
P { X = x i } = p i ⋅ = ∑ j = 1 ∞ p i j P\{X=x_i\}=p_{i\cdot}=\sum\limits_{j=1}^{\infty}p_{ij} P{X=xi}=pi⋅=j=1∑∞pij
∑ i = 1 ∞ p i ⋅ = ∑ i = 1 ∞ ∑ j = 1 ∞ p i j = 1 \sum\limits_{i=1}^{\infty}p_{i\cdot}=\sum\limits_{i=1}^{\infty}\sum\limits_{j=1}^{\infty}p_{ij}=1 i=1∑∞pi⋅=i=1∑∞j=1∑∞pij=1
连续型
P 1 ( x ) = ∫ − ∞ + ∞ p ( x , y ) d y P 2 ( y ) = ∫ − ∞ + ∞ p ( x , y ) d x \begin{aligned} P_1(x)=\int_{-\infty}^{+\infty}p(x,y)dy \\ P_2(y)=\int_{-\infty}^{+\infty}p(x,y)dx \end{aligned} P1(x)=∫−∞+∞p(x,y)dyP2(y)=∫−∞+∞p(x,y)dx
注意: 不能由边缘分布求联合分布。
二维随机变量条件概率
离散型
P { X = x i ∣ Y = y j } = P { X = x i , Y = y j } P { Y = y j } = p i j p ⋅ j P\{X=x_i|Y=y_j\}=\frac{P\{X=x_i, Y=y_j\}}{P\{Y=y_j\}}=\frac{p_{ij}}{p_{\cdot j}} P{X=xi∣Y=yj}=P{Y=yj}P{X=xi,Y=yj}=p⋅jpij
连续型
Y = y : F X ∣ Y ( x ∣ y ) = ∫ − ∞ x f ( u , y ) d u f Y ( y ) , f X ∣ Y ( x ∣ y ) = f ( x , y ) f Y ( y ) X = x : F Y ∣ X ( y ∣ x ) = ∫ − ∞ y f ( x , v ) d v f X ( x ) , f Y ∣ X ( y ∣ x ) = f ( x , y ) f X ( x ) f ( x , y ) = f Y ( y ) f X ∣ Y ( x ∣ y ) = f X ( x ) f Y ∣ X ( y ∣ x ) \begin{aligned} &Y=y: \\ & \quad F_{X|Y}(x|y)=\frac{\int_{-\infty}^{x}f(u,y)du}{f_Y(y)} ,\quad f_{X|Y}(x|y)=\frac{f(x,y)}{f_Y(y)} \\ &X=x: \\ & \quad F_{Y|X}(y|x)=\frac{\int_{-\infty}^{y}f(x,v)dv}{f_X(x)} ,\quad f_{Y|X}(y|x)=\frac{f(x,y)}{f_X(x)} \\ &f(x,y)=f_Y(y)f_{X|Y}(x|y)=f_X(x)f_{Y|X}(y|x) \end{aligned} Y=y:FX∣Y(x∣y)=fY(y)∫−∞xf(u,y)du,fX∣Y(x∣y)=fY(y)f(x,y)X=x:FY∣X(y∣x)=fX(x)∫−∞yf(x,v)dv,fY∣X(y∣x)=fX(x)f(x,y)f(x,y)=fY(y)fX∣Y(x∣y)=fX(x)fY∣X(y∣x)
注意: 当 X 、 Y X、Y X、Y 相互独立时, F ( x , y ) = F X ( x ) F Y ( y ) F(x,y)=F_X(x)F_Y(y) F(x,y)=FX(x)FY(y) ,此时由边缘分布律可以唯一确定联合分布。
二维随机变量函数的分布
和分布( Z = X + Y Z=X+Y Z=X+Y)
F Z ( z ) = ∫ − ∞ z g ( u ) d u g ( u ) = ∫ − ∞ + ∞ f ( x , u − x ) d x f Z ( z ) = g ( z ) = ∫ − ∞ + ∞ f ( x , z − x ) d x \begin{aligned} F_Z(z)&=\int_{-\infty}^{z}g(u)du \\ g(u)&=\int_{-\infty}^{+\infty}f(x,u-x)dx \\ f_Z(z)&=g(z)= \int_{-\infty}^{+\infty}f(x,z-x)dx \end{aligned} FZ(z)g(u)fZ(z)=∫−∞zg(u)du=∫−∞+∞f(x,u−x)dx=g(z)=∫−∞+∞f(x,z−x)dx
若
X
,
Y
X,Y
X,Y 相互独立,则:
f
Z
(
z
)
=
∫
−
∞
+
∞
f
X
(
x
)
f
Y
(
z
−
x
)
d
x
=
∫
−
∞
+
∞
f
X
(
z
−
y
)
f
Y
(
y
)
d
y
f_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)dx=\int_{-\infty}^{+\infty}f_X(z-y)f_Y(y)dy
fZ(z)=∫−∞+∞fX(x)fY(z−x)dx=∫−∞+∞fX(z−y)fY(y)dy
推广:
一般地,若 X i X_i Xi相互独立, Z = ∑ a i X i Z=\sum a_iX_i Z=∑aiXi
- X i ∼ N ( μ i , σ i 2 ) ⟹ Z ∼ N ( ∑ a i μ i , ∑ a i 2 σ i 2 ) X_i \sim N(\mu_i, \sigma_i^2) \Longrightarrow Z \sim N(\sum a_i\mu_i,\sum a_i^2\sigma_i^2) Xi∼N(μi,σi2)⟹Z∼N(∑aiμi,∑ai2σi2)
- X i ∼ b ( n i , p ) ⟹ Z ∼ b ( ∑ n i , p ) X_i \sim b(n_i, p) \Longrightarrow Z \sim b(\sum n_i,p) Xi∼b(ni,p)⟹Z∼b(∑ni,p)
- X i ∼ π ( λ i ) ⟹ Z ∼ π ( ∑ λ i ) X_i \sim \pi(\lambda_i) \Longrightarrow Z \sim \pi(\sum \lambda_i) Xi∼π(λi)⟹Z∼π(∑λi)
最大最小值分布( Z = M a x 、 Z = M i n Z=Max、Z=Min Z=Max、Z=Min, X 、 Y X、Y X、Y相互独立)
M
=
max
(
X
,
Y
)
M=\max(X,Y)
M=max(X,Y)
F
M
(
z
)
=
P
{
M
≤
z
}
=
P
{
max
(
X
,
Y
)
≤
z
}
=
P
{
X
≤
z
,
Y
≤
z
}
=
F
X
(
z
)
F
Y
(
z
)
\begin{aligned} F_M(z)&=P\{M\le z\} \\ &=P\{\max(X,Y)\le z\} \\ &=P\{X\le z, Y\le z\} \\ &=F_X(z)F_Y(z) \end{aligned}
FM(z)=P{M≤z}=P{max(X,Y)≤z}=P{X≤z,Y≤z}=FX(z)FY(z)
N
=
min
(
X
,
Y
)
N=\min(X,Y)
N=min(X,Y)
F
N
(
z
)
=
P
{
N
≤
z
}
=
1
−
P
{
N
>
z
}
=
1
−
P
{
min
(
X
,
Y
)
>
z
}
=
1
−
P
{
X
>
z
,
Y
>
z
}
=
1
−
[
1
−
F
X
(
z
)
]
[
1
−
F
Y
(
z
)
]
\begin{aligned} F_N(z)&=P\{N\le z\} \\ &=1-P\{N>z\} \\ &=1-P\{\min(X,Y) > z\} \\ &=1-P\{X> z, Y> z\} \\ &=1-[1-F_X(z)][1-F_Y(z)] \end{aligned}
FN(z)=P{N≤z}=1−P{N>z}=1−P{min(X,Y)>z}=1−P{X>z,Y>z}=1−[1−FX(z)][1−FY(z)]
商的分布( Z = X Y Z=\frac{X}{Y} Z=YX)
f Z ( z ) = ∫ − ∞ + ∞ ∣ y ∣ f ( z y , y ) d y f_Z(z)=\int_{-\infty}^{+\infty}|y|f(zy,y)dy fZ(z)=∫−∞+∞∣y∣f(zy,y)dy
若 X 、 Y X、Y X、Y相互独立, f Z ( z ) = ∫ − ∞ + ∞ ∣ y ∣ f X ( z y ) f Y ( y ) d y f_Z(z)=\int_{-\infty}^{+\infty}|y|f_X(zy)f_Y(y)dy fZ(z)=∫−∞+∞∣y∣fX(zy)fY(y)dy
差的分布( Z = X − Y Z=X-Y Z=X−Y)
f Z ( z ) = ∫ − ∞ + ∞ f ( z + y , y ) d y f_Z(z)=\int_{-\infty}^{+\infty}f(z+y, y)dy fZ(z)=∫−∞+∞f(z+y,y)dy
积的分布( Z = X Y Z=XY Z=XY)
f Z ( z ) = ∫ − ∞ + ∞ f ( x , z x ) 1 ∣ x ∣ d x = ∫ − ∞ + ∞ f ( z y , y ) 1 ∣ y ∣ d y f_Z(z)=\int_{-\infty}^{+\infty}f(x,\frac{z}{x})\frac{1}{|x|}dx=\int_{-\infty}^{+\infty}f(\frac{z}{y},y)\frac{1}{|y|}dy fZ(z)=∫−∞+∞f(x,xz)∣x∣1dx=∫−∞+∞f(yz,y)∣y∣1dy
总结: 二维随机变量函数的分布,一般解题步骤如下:
- 先求 Z = g ( X , Y ) Z=g(X,Y) Z=g(X,Y) 的分布函数 F Z ( z ) F_Z(z) FZ(z)
- f Z ( z ) = F Z ′ ( z ) f_Z(z)=F'_Z(z) fZ(z)=FZ′(z)