概率论（三）：多维随机变量及其分布

作者: 逸无无争 | 来源:发表于2020-08-22 20:45 被阅读0次

复习
2019-10-23
概率论（三）：多维随机变量及其分布
2017-10-15
概率论与数理统计笔记第二章随机变量及其概率分布
三、多维随机变量及其分布
概率论与统计推断(三) ------ 多维随机变量及其分布
大数据中的统计学基础——Day5
概率论与数理统计——三、多维随机变量及其分布
随机变量及其分布

二维随机变量

设 $E$ 是一个随机试验，它的样本空间是 $S=\left \{ e \right \}$ ，设 $X=X(e)$ 和 $Y=Y(e)$ 是定义在 $S$ 上的随机变量，它们构成的向量 $(X,Y)$ 称为二维随机向量或二维随机变量

假如 $(X,Y)$ 是二维随机变量，对于任意实数 $x,y$ 二元函数： $F(x,y)=P\left \{X\leq x,Y\leq y \right \}$ 称为二维随机变量 $(X,Y)$ 的分布函数，或称为随机变量 $X$ 和 $Y$ 的联合分布函数

随机点 $(X,Y)$ 落在矩形区域 $\left \{(x,y)|x_{1}<x\leq x_{2},y_{1}<y\leq y_{2} \right \}$ 的概率为 $P\left \{x_{1}<X\leq x_{2},y_{1}<Y\leq y_{2} \right \}=F(x_{2},y_{2})-F(x_{1},y_{2})-F(x_{2},y_{1})+F(x_{1},y_{1})\geqslant 0$

$F(x,y)$ 是变量 $x$ 和 $y$ 的不减函数： $y$ 不变时 $x_{2}>x_{1}\Rightarrow F(x_{2},y)\geqslant F(x_{1},y)$ ，对于 $x$ 不变，同理。
$0\leqslant F(x,y)\leqslant 1$ 且 $F(-\infty,y )=0$ , $F(x,-\infty )=0$ , $F(-\infty ,-\infty )=0$ , $F(\infty ,\infty )=1$
$F(x+0,y)=F(x,y)$ , $F(x,y+0)=F(x,y)$ ，也就是说 $F(x,y)$ 关于 $x,y$ 都右连续

类似地，如果二维随机变量 $(X,Y)$ 所有可能取值是有限对或无限可列对，则称 $(X,Y)$ 是离散型的随机变量，假如 $(X,Y)$ 所有可能取的值为 $(x_{i},y_{i}),i,j=1,2,\dots,$ ，我们称之为随机变量 $X$ 和 $Y$ 的联合分布律,此时 $P\left \{X=x_{i},Y=y_{j} \right \}=p_{ij}$ ，又由概率定义知：

$p_{ij}\geqslant 0$
$\sum_{i=1}^{\infty }\sum_{j=1}^{\infty }p_{ij}=1$

假如对于随机变量 $(X,Y)$ 的分布函数 $F(x,y)$ ，存在非负函数 $f(x,y)$ 使对于任意 $x,y$ 有 $F(x,y)=\int_{-\infty }^{y}\int_{-\infty }^{x}f(u,v)dudv$ ，那么 $(X,Y)$ 是连续型的二维随机变量，函数 $f(x,y)$ 则是其概率密度，或说是随机变量 $X,Y$ 的联合概率密度，根据有关定义，有：

$f(x,y)\geqslant0$
$\int_{-\infty }^{\infty}\int_{-\infty }^{\infty}f(x,y)dxdy=F(\infty,\infty)=1$
G是一个 $xOy$ 平面上的区域，则点 $(x,y)$ 落在 $G$ 内的概率为: $\iint_{G}^{}f(x,y)dxdy$
若 $f(x,y)$ 在点 $(x,y)$ 连续，则： $\frac{\partial ^{2}F(x,y)}{\partial x\partial y}=f(x,y)$

边缘分布

对于二维随机变量 $(X,Y)$ 来说， $X,Y$ 都有各自的分布函数，记作 $F_{X}(x),F_{Y}(y)$ ,并将之称为分别关于 $X,Y$ 的边缘分布函数: $F_{X}(x)=P\left \{X\leqslant x,Y < \infty \right \}=F(x,\infty)$ ,对于 $y$ ，同理。
易知对于离散型随机变量： $F_{X}(x)=F(x,\infty)=\sum_{x_{i}\leqslant x}^{}\sum_{j=1}^{\infty}p_{ij}$
可求得 $X$ 的分布律： $P\left \{X=x_{i} \right \}=\sum_{j=1}^{\infty}p_{ij}=p_{i\cdot},i=1,2,\dots,$ ， $p_{i\cdot}$ 即关于随机变量 $X$ 的边缘分布

对于连续型随机变量 $(X,Y)$ : $F_{X}(x)=F(x,\infty)=\int_{-\infty }^{x}\left [ \int_{-\infty }^{\infty }f(x,y)dy \right ]dx$ ,可求概率密度： $f_{X}(x)=\int_{-\infty }^{\infty }f(x,y)dy$ , $f_{Y}(y)=\int_{-\infty }^{\infty }f(x,y)dx$ ，此概率密度称为边缘概率密度

条件分布

设 $(X,Y)$ 是二维离散型随机变量，对于固定的 $j$ ,若 $P\left \{Y=y_{j} \right \}>0$ ,则说： $P\left \{X=x_{i} | Y=y_{j} \right \}=\frac{P\left \{X=x_{i},Y=y_{j} \right \}}{P\left \{Y=y_{j} \right \}}=\frac{p_{ij}}{p_{\cdot j}},i=1,2,\dots,$ 为在 $Y=y_{j}$ 条件下随机变量 $X$ 的条件分布律

设 $(X,Y)$ 是二维连续型随机变量，概率密度为 $f(x,y)$ ,关于 $Y$ 的边缘概率密度为 $f_{Y}(y)$ ,对于固定的 $y$ , $f_{Y}(y)>0$ ，则称: $f_{X|Y}(x|y)=\frac{f(x,y)}{f_{Y}(y)}$ 为在 $Y=y$ 条件下 $X$ 的条件概率密度，进一步： $\int_{-\infty }^{x}f_{X|Y}(x|y)dx=\int_{-\infty }^{x}\frac{f(x,y)}{f_{Y}(y)}dx$ 为条件分布函数

若二维随机变量 $(X,Y)$ 概率密度为 $f(x,y)=\left\{\begin{matrix} \frac{1}{A} & (x,y)\in G\\ 0 & otherwise \end{matrix}\right.$ ,其中· $G$ 为是平面上的有界区域，其面积为 $A$ ，则称随机变量在 $G$ 上服从均匀分布。

相互独立的随机变量

对于任意 $x,y$ ，假如有以下式子成立： $P\left \{X\leqslant x,Y\leqslant y \right \}=P\left \{ X\leqslant x\right \}P\left \{Y\leqslant y \right \}$ ，即 $F(x,y)=F_{X}(x)F_{Y}(y)$ ，则说随机变量 $X$ 与 $Y$ 是相互独立的，或者连续型随机变量对应等式 $f(x,y)=f_{X}(x)f_{Y}(y)$ 成立时，离散型随机变量对应等式： $P\left \{ X=x_{i},Y=y_{j} \right \}=P\left \{ X=x_{i} \right \}P\left \{Y=y_{j} \right \}$ 成立时。

两个随机变量的函数的分布

$Z=X+Y$ 分布

若 $(X,Y)$ 是二维连续型随机变量且其概率密度为 $f(x,y)$ ，则 $Z=X+Y$ 仍为连续型随机变量，概率密度为:
$f_{X+Y}(z)=\int_{-\infty }^{\infty }f(z-y,y)dy$
或 $f_{X+Y}(z)=\int_{-\infty }^{\infty }f(x,z-x)dx$
如果 $X,Y$ 相互独立，那么 $f_{X+Y}(z)=\int_{-\infty }^{\infty }f_{X}(z-y)f_{Y}(y)dy=\int_{-\infty }^{\infty }f_{X}(x)f_{Y}(z-x)dx$ ,此公式亦称卷积公式

$Z=\frac{Y}{X},Z=XY$ 分布

若 $(X,Y)$ 是二维连续型随机变量且其概率密度为 $f(x,y)$ ，则 $Z=\frac{Y}{X},Z=XY$ 仍为连续型随机变量，概率密度分别为：
$f_{Y/X}(z)=\int_{-\infty}^{\infty}|x|f(x,xz)dx$
$f_{XY}(z)=\int_{-\infty}^{\infty}\frac{1}{|x|}f(x,\frac{z}{x})dx$
如果 $X,Y$ 相互独立,那么
$f_{Y/X}(z)=\int_{-\infty}^{\infty}|x|f_{X}(x)f_{Y}(y)dx$
$f_{XY}(z)=\int_{-\infty}^{\infty}\frac{1}{|x|} f_{X}(x)f_{Y}(\frac{z}{x})dx$

$M=max\left \{X,Y \right \}$ 及 $N=min\left \{X,Y \right \}$ 分布

$X,Y$ 相互独立，则：
$F_{max}(z)=P\left \{M\leqslant z \right \}=P\left \{X\leqslant z ,Y\leqslant z \right \}=F_{X}(z)F_{Y}(z)$
$F_{min}(z)=P\left \{N\leqslant z \right \}=1-P\left \{N>z \right \}=1-P\left \{X>z \right \}\left \{Y>z \right \}=1-\left [1-F_{X}(z) \right ]\left [1-F_{Y}(z) \right ]$

推广到 $n$ 个相互独立的随机变量：
$F_{max}(z)=F_{X_1}(z)F_{X_2}(z)\dots F_{X_n}(z)$
$F_{min}(z)=1-\left [1-F_{X_1}(z) \right ]\left [1-F_{X_2}(z) \right ]\dots \left [1-F_{X_n}(z) \right ]$

复习
1.随机事件和概率 2.随机变量及其分布 3.多维随机变量及其分布 4.大数定律和中心极限定理 5.统计量及其分布...
2019-10-23
1.6 多维随机变量及其分布： 1.6.1 离散型多维随机变量：随着科学的发现和概率统计应用的不断推广，在有些随...
概率论（三）：多维随机变量及其分布
二维随机变量设是一个随机试验，它的样本空间是，设和是定义在上的随机变量，它们构成的向量称为二维随机向量或二维随机...
2017-10-15
今天概率论记录7页多，完成第二章随机变量及其分布，第三章开始。第二章重点有三。总结如下。一、概率、分布函数、离...
概率论与数理统计笔记第二章随机变量及其概率分布
# 概率论与数理统计笔记第二章随机变量及其概率分布概率论与数理统计笔记（计算机专业）作者： [CATPUB]...
三、多维随机变量及其分布
联合分布函数联合分布函数的性质利用分布函数求概率边缘分布边缘分布函数二维离散型随机变量二维连续型随机变...
概率论与统计推断(三) ------ 多维随机变量及其分布
一.多维随机变量二.分布 1.联合分布律 2.联合分布函数和联合概率分布函数 3.边缘分布律 : 只关心一个随机...
大数据中的统计学基础——Day5
本章内容：导数与微积分公式二维随机变量、联合分布多维随机变量、边缘分布条件分布随机变量之间的独立性一、...
概率论与数理统计——三、多维随机变量及其分布
1 二维随机变量 2 边缘分布 3 条件分布 4 相互独立的随机变量 5 二个随机变量的函数的分布（一）Z=X...
随机变量及其分布
随机变量及其分布列是高考中的常考知识点，主要考查离散型随机变量及其分布列、离散型随机变量均值、方差的概念，重点考查...