O
上分位表:
P(X」:
.)=〉。
(7)函数分布
离散型
已知X的分;
X
布列为
X1,X2,…,xn,…
P(X=Xi)
Y=g(X)的
Y
p1,P2,…,pn,…
J分布列(yi=g(xj互不相等)如下:
g(x",g(x2),…,g(xn),…
P(Y=yJ若有某些g(
xf相等,踰应将对,应的Tpj相加作为g(xi)的概率。
连续型
先利用X的概率密度fx(x)写出Y的分布函数FY(y)=P(g(X)<
y),再利用变上下限积分的求导公式求出fv(y)。
第三章二维随机变量及其分布
(1)联合离散型分布
如果二维随机向量■(X,Y)的所有可能取值为至多可列个有序对(x,y),则称匕为离散型随机量。
设.=(X,Y)的所有可能取值为(x「yj)(i,j=12…),
且事件{=(xi,yj)}的概率为pj,,称
P{(X,Y)=(Xj,yj)}二Pj(i,j=1,2,)
为.=(X,Y)的分布律或称为X和Y的联合分布律。
联合分
(1)pj>0(i,j=1,2,,);
(2)二二pij=1.
ij
连续型
对于二维随机向量©=(X,Y),如果存在非负函数
f(x,y)(sex£畑,皿分别平行于坐标轴的矩形区域D,即D-{(X,Y)|a有
P{(X,Y)ED}="f(x,y)dxdy,
D
则称©为连续型随机向量;并称f(x,y)为©=(X,Y)的分布
密度或称为X和Y的联合分布密度。
分布密度f(x,y)具有下面两个性质:
(1)f(x,y)>0;
(2)□:
f(x,y)dxdy=1.
(2)二维随机变量的本质
〈X=x,Y=y)=E(X=x“Y=y)
(3)联合分布函数
设(X,Y)为二维随机变量,对于任意实数x,y,二元函数
F(x,y)=P{XMx,YMy}
称为二维随机向量(X,Y)的分布函数,或称为随机变量X和Y的联合分布函
数。
分布函数是一个以全平面为其定义域,以事件
{(d,灼2)|虫vX®"^x,acY伸2)兰y}的概率为函数值的一个实值函数。
分布函数F(x,y)具有以下的基本性质:
(1)0兰F(x,y)兰1;
(2)F(x,y)分别对x和y是非减的,即
当X2>xi时,有F(X2,y)>F(xi,y);当y2>yi时,有F(x,y2)>F(x,y1);
(3)F(x,y)分别对x和y是右连续的,即
F(x,y)=F(x+0,y),F(x,y)=F(x,y+0);
(4)F(-00,-do)=F(-°°,y)=F(x,-°°)=0,F(畑,址)=1.
(5)对于洛vx2,y1vy2,
F(X2,y2)—F(X2,yj—F(X1,y2)+F(x1,yJ^O.
(4)离散型与连续型的关系
P(X=x,Y=y)P(xvX兰x十dx,y£Y乞y十dy)吧f(x,y)dxdy
(5)边缘分布
离散型
X的边缘分布为
p^=p(x=x)=L
j
Y的边缘分布为
p—yj)=E
i
Pj(i,j=1,2,…);
Pj(i,j=1,2,…)。
连续型
X的边缘分布密度为
"bo
fx(x)=Jf(x,y)dy;
Y的边缘分布密度为
"bo
fY(y2Jf(x,y)dx_
(6)条件
离散型
在已知X=x的条件下,
Y取值的条件分布为
分布
P(Y=yj|X=xj二
Pij.
-;
Pi.
在已知Y=y的条件下,
X取值的条件分布为
P(X=人|Y=yj)二
Pij
连续型
在已知Y=y的条件下,
X的条件分布密度为
、f(x,y)f(x|y)—;
fY(y)
在已知X=x的条件下,
Y的条件分布密度为
f(y»曽
fx(X)
(7)独立
一般型
F(X,Y)=Fx(x)FY(y)
性
离散型
Pj=P^P
有零不独立
连续型
f(x,y)=fx(x)fv(y)
直接判断,充要条件:
①可分离变量
②正概率密度区间为矩形
二维正态分布
1
12Rx44)(y44)/_H羊
_2(1_P)X
f(X,y)|~
2兀SS<1
-P2,
P=0
随机变量的
若Xi,X2,,XmXm+i,,X相互独立,h,g为连续函数,则:
函数
h(X1,X2,,Xm)和g
(Xm+1,,Xn)相互独立。
特例:
若X与Y独立,
则:
h(X)和g(Y)独立。
例如:
若X与Y独立,
则:
3X+1和5Y-2独立。
(9)二维正态分布
设随机向量(X,Y的分布密度函数为
f(x,y)=e△''、
2兀CT1CT2J1—P
其中出,込<11>0,0,1P|c1是5个参数,则称(X,Y服从二维正态分布,
记为(X,Y)〜N(卩「巴仃二仃;,P).
由边缘密度的计算公式,可以推出二维正态分布的两个边缘分布仍为正态分布,
即X〜N(41,但是若X〜N(气,(10)函数
分布
Z=X+Y
根据定义计算:
FZ(z)=P(Zez)=P(X+Y^z)
-bo
对于连续型,fz(z)=Jf(x,z_x)dx
两个独立的正态分布的和仍为正态分布(已+卩2,+tT;)。
n个相互独立的正态分布的线性组合,仍服从正态分布。
CH,©2=11Ci2®2
ii
Z=max,min(
X1,X2”Xn)
若X2…Xn相互独立,其分布函数分别为
Fx(x),Fx2(x)…Fxn(x),则Z=max,min(X1,X2,,Xn)的分布
函数为:
Fmax(X)=Fm(X)・Fx2W"Fxn(X)
Fmn(x)=1-[1-Fx1(x)]叩—Fx(X)]…[1—Fxn(x)]
t分布
分布
设n个随机变量Xi,X2,…,Xn相互独立,且服从标准正态分
布,可以证明它们的平方和
的分布密度为
Xi2
U:
:
0.
我们称随机变量W服从自由度为n的2分布,记为W-2(n),
其中
L2〜dx.
所谓自由度是指独立正态随机变量的个数,它是随机变量分布中的一个重要参数。
2分布满足可加性:
设
Y-2g),
k
Z八Yi~2(nin2」nk).
i£
设X,Y是两个相互独立的随机变量,且
X~N(0,1),Y~
2(n),
可以证明函数
的概率密度为
n21
「Y/n
n1
't2'
1+—
n丿
:
:
:
t
我们称随机变量T服从自由度为n的t分布,记为T〜t(n)。
ti_:
.(n)--r.(n)
F分布
设X~2(ni),Y~2(门2),且X与Y独立,可以证明
X/n
F的概率密度函数为
Y/n2
”厂九+n2]m
_I2_匹卄‘;f(y)qdb匹]In2丿I
12丿12丿
、0,ycO
我们称随机变量F服从第一个自由度为
的F分布,记为F〜f(ni,n2).
-ni
n2
y-0
ni,第二个自由度为n2
1
F(n2,nj
第四章随机变量的数字特征
(i)
离散型
连续型
一维
期望
:
设X是离散型随机变量,其分布
设X是连续型随机变量,其概率密
随机
期望就是平均值
度为f(x),
变量
律为P(X=xk)=pk,
-bo
的数
k=i,2,,,n,
E(X)=Jxf(x)dx
字特
n
征
E(X)=:
ZXkPk
(要求绝对收敛)
km
(要求绝对收敛)
函数的期望
Y=g(X)
Y=g(X)
n
-bo
E(Y)dg(Xk)Pk
E(Y)=fg(x)f(x)dx
k=i
方差
-bo
2
D(X)=E[X-E(X)],
D(X)=E[Xk-E(X)]2pk
D(X)=J[x—E(X)]2f(x)dx
标准差
k
a
%x)=Jd(x),
矩
①对于正整数k,称随机变量
X
①对于正整数k,称随机变量X的
的k次幕的数学期望为X的
k
k次幕的数学期望为X的k阶原点
阶原点矩,记为Vk,即
矩
,记为Vk,即
Vk=E(Xk)=EXikPi,
i
V
k乂k
k=E(X)=fxf(x)dx,
k=1,2,,.
k=1,2,,.
②对于正整数k,称随机变量
X
②对于正整数k,称随机变量X与
与E(X)差的k次幕的数学期
E
(X)差的k次幕的数学期望为X
望为X的k阶中心矩,记为4
k,
的
k阶中心矩,记为Pk,即