Professional Documents
Culture Documents
7.1. 多维随机变量
多维随机变量
在同一个随机试验中,往往同时涉及多个随机变量,例如考察某地区中学生的身体素
质情况,随机地选取一名学生,观察学生的身高 X,体重 Y 和肺活量 Z 等指标。随机
变量 X,Y,Z 来自同一样本空间,它们的取值可能相互影响。像这样同时考虑的多个
随机变量,称为多元随机变量。
如果 X 1 , X 2 , , X n 是定义在同一样本空间 上的 n 个随机变量,则称
X X 1 , X 2 , , X n 为 n 维随机变量,或随机向量。
率 F x1 , x 2 , , x n P X 1 x1 , X 2 x 2 , , X n x n 称为 n 维随机变量 X 的联合分布
函数。
下面我们主要讨论二维随机变量的性质,大多数二维随机变量的结果都很容易推广到
n 维的情况。
**********************************************************
定理 二维联合分布函数 F x , y 具有如下性质
当 x 1 x 2 时, F x1 , y F x 2 , y ;当 y1 y 2 时, F x , y1 F x , y 2 ;
(3) 右连续性 F x 0, y F x , y , F x , y 0 F x , y
1
F b, d F a , d F b, c F a , c 0
这 3 条性质,一元随机变量也具备。仅仅满足前 3 条性质,并不足以表明二元函数是
某个二维随机变量的分布函数。下面看一个反例。
**********************************************************
0 x y 0
例 7.1.1 二元函数 G x, y
1 x y 0
故 G x , y 不能作为二元随机变量的分布函数。
**********************************************************
二维离散型随机变量
若 X , Y 只取至多可列个数对, xi , y j ,则称 X , Y 为二维离散随机变量,
pij P X x i , Y y j 称为 X , Y 的联合分布列。
2
X \Y y1 y2 yn
x1 p11 p12 p1n
x2 p 21 p 22 p2n
xn p n1 pn 2 p nn
其中, pij 0 , pij 1 。
i 1 j 1
**********************************************************
边缘分布
X , Y 为二元离散型随机变量,其中 X 和 Y 各自的分布称为边缘分布
x1 x2 xn
称为 X 的边缘分布列
P X x1 P X x2 P X x2
其中, P ( X xi ) P X xi , Y y j pij
j 1
j 1
y1 y2 yn
称为 Y 的边缘分布列
P Y y1 P Y y2 P Y y2
其中, P (Y yi ) P X xi , Y y j pij
i 1
i 1
**********************************************************
边缘分布列。
3
X \Y 1 2 3 4
1 14 0 0 0
解:(1) 2 18 18 0 0
3 1 12 1 12 1 12 0
4 1 16 1 16 1 16 1 16
1
, 1 j i 4
P X i , Y j 4i
0, 其他
P X Y P X 1, Y 1 P X 2, Y 2 P X 3, Y 3 P X 4, Y 4
1 1 1 1 25
。
4 8 12 16 48
1
(2) 边缘分布列 P X i , i 1,2,3,4
4
4
1 1 1 1 25
P Y 1 pij ,
i 1 4 8 12 16 48
同理可得, P Y 2 , P Y 3 , P Y 4
13 7 1
。
48 48 16
**********************************************************
4
例 7.1.3. 设二元随机变量 X , Y 的联合分布列为, P X 1, Y 1 ,
9
, P X 2, Y 1 , P X 2, Y 2 。 设 U max X , Y ,
2 2 1
P X 1, Y 2
9 9 9
V min X , Y 。
4
(1) 求 U ,V 的联合概率分布; (2) 求 U ,V 的期望和方差。
解:(1)
X \Y 1 2 U \V 1 2
4 2 4
1 1 0
9 9 9
2 1 4 1
2 2
9 9 9 9
(2)
U \V 1 2
4
1 0
9
4 1
2
9 9
1 2 1 2
得到 U ,V 的边缘分布列分别为 U ~ 4 ,V ~
5
8 1
9 9 9 9
, E U 2 1 22 , Var U E U 2 E U
4 5 14 4 5 24 20
E U 1 2
2
9 9 9 9 9 9 81
, E V 2 1 22 , Var V E V 2 E V
8 1 10 8 1 12 8
E V 1 2
2
9 9 9 9 9 9 81
**********************************************************
二维连续型随机变量
F x, y f u, v dudv ,则 X , Y 为二维连续型随机变量, f x , y 为 X , Y 的
x y
2
联合密度函数, f x , y F x , y 。(稍停顿)
x y
边缘密度函数 f X x f x , y dy ;
5
边缘分布函数 FX x F x ,
x
f u, v dv du
x
f X u du 。
**********************************************************
7.2. 常见多维随机变量举例
以 X i 表示 n 次试验中 Ai 出现的次数,则
P X 1 k1 ,, X m k m
n!
p1 1 p2 2 pm m ,( k1 k m n )。
k k k
k1 ! k 2 ! k m !
C kkmm
n! n k1 ! km !
n!
Cnk1 C nk2 k1 C nk3 k1 k2
k1 ! n k1 ! k2 ! n k1 k2 ! k m ! k1 ! k2 ! km !
x 1 x 2 x m n
n! k k k
x1 1 x 2 2 x m m
k1 k m n k 1 ! k 2 ! k m !
各品级数目服从 M n, p1 , p2 , p3 , p4 。
**********************************************************
P X i P X i, Y j, Z k
j k n i j , k Z
n i n i
n!
P X i, Y j, Z n i j p1i p2 j p3 n i j
j 0 j 0 i ! j ! n i j !
n i ! p2 p3
j n i j
n i
n!
p1 1 p1
n i
i
i ! n i ! j 0 j ! n i j ! 1 p1 1 p1
n i
p p3
C p1 1 p1
n i
i i
2
1 p1 1 p1
n
Cni p1i 1 p1 X ~ b n, p1
n i
6
同理,可也推出 Y 和 Z 的边缘分布分别为参数是 n,p2 和 n,p3 的二项分布。
**********************************************************
二维均匀分布 X , Y ~ U D
1 / S D , x , y D
D 为 R2 平面中的有界区域,其面积为 S D , f x , y 。
0, otherwise
甲、乙的到达时间 X , Y 服从 0 x , y 60 区域上的均匀分布。
Y
60
20
A
X
20 60
**********************************************************
内的均匀分布,求 X 和 Y 的边缘密度分布,并计算 P X 1 。 1
(2-2y,y)
解 x , y 坐标轴和 2 x y 2 所围成区域的面积为 1,所以 y
(x,1-x/2)
1, x 2 y 2, x 0, y 0
X , Y 的联合密度函数为 f x, y 0 x 2
0, 其他
当 x 0 或 x 2 时, f X x 0 ,
x
1 x
当 0 x 2 时, f X x f x , y dy 2
1dy 1 。
0 2
当 y 0 或 y 1 时, fY y 0 ,
2 2 y
当 0 y 1 时, fY y f x , y dx 1dx 2 2 y
0
7
1 x 3
P X 1 f X x dx 1 dx
1
0
2 4
**********************************************************
二维正态分布 X , Y ~ N 1 , 2 , 12 , 22 ,
1 1 x 2 x 1 y 2 y 2
2
f x, y exp 1
2
2 1 2 1 2 2 1 1 1 2 22
2 2
其中 1 , 2 R, 1 , 2 0, 1 。
如图所示,为几组不同参数取值下的二维正态分布随机变量的密度函数图像。当 1 和
**********************************************************
1 1 x 2 x 1 y 2 y 2
2
exp 1
2
2 1 2 1 2 2 1 1 1 2 22
2 2
8
x 1 y 2
u , v
1 2
1
2
1
dv
2
exp 2
u 2 uv v
2 1 1 2
2 1
1
v u 2 1 2 u2
1 1
2 1
2 1 2
exp
2
dv
2 1
1
u2
1
1
2
e 2
exp v u dv
2 1
2 1 2
2 1 2
u2
x 1 2
X ~ N 1 , 12
1 1 2 12
e 2
e
2 1 2 1
由对称性,可知 Y ~ N 2 , 22 。 二元正态分布的边缘分布是一元正态分布。
逆命题不成立,二元随机变量 X , Y 的边缘分布均为正态,联合分布未必是二元正态。
**********************************************************
7.3 随机变量的独立性
随机变量的独立性
定 义 . 设 n 维 随 机 变 量 X X 1 , X 2 ,, X n 的 联 合 分 布 函 数 为 F x1 , x2 , , xn ,
FX i x i 为 X i 的边缘分布函数,如果对任意 n 个实数 x1 , x 2 , , x n 有
n
F x 1 , x 2 , , x n F X i x i ,则称 X 1 , X 2 , , X n 相互独立。即
i 1
n
P X 1 x1 , X 2 x2 , , X n x n P X i xi 。
i 1
n
离散型等价定义: P X 1 x1 , X 2 x 2 , , X n x n P X i x i
i 1
n
连续型等价定义: f x1 , x2 , , xn f X i xi
i 1
9
***********************************************************************
X \Y 1 2
4 2
1
9 9 , X , Y 是否独立?
2 1
2
9 9
1 2 1 2
解: X ~ , Y ~
2 3 1 3 2 3 1 3
4 2
P X 1, Y 1 P X 1 P Y 1 , P X 1, Y 2 P X 1 P Y 2 ,
9 9
2 1
P X 2, Y 1 P X 2 P Y 1 , P X 2, Y 2 P X 2 P Y 2
9 9
所以随机变量 X 和 Y 相互独立。
***********************************************************************
1 0 1 0 1
例 7.3.2 X ~ , Y ~ , 若 P XY 0 1 ,求
1 / 4 1 / 2 1 / 4 1 / 2 1 / 2
解: P XY 0 1 P XY 0 0 P X 1, Y 1 P X 1, Y 1 0
X \Y 0 1 PX xi
X \Y 0 1
1 p11 p12 1/ 4
p12 0, 1 14 0
0 p 21 p 22 1/ 2
p32 0 0 0 12
1 p 31 p 32 1/ 4
P Y yj 1/ 2 1/ 2
1 14 0
10
***********************************************************************
例 7.3.3 设 随机 变量 X , Y 相 互 独立 ,且 分别 服从 参数 为 1 和 2 的 泊 松 分 布,
X ~ P 1 , Y ~ P 2 ,求 X Y 的分布。
解: X Y 的取值范围为全体非负整数,计算 X Y 的分布列,对任意非负整数 n
n n
P X Y n P X k , Y n k P X k P Y n k
k 0 k 0
1 2
n
1k 2n k e n
n!
k!
e 1
n k !
e 2
n!
k ! n k !
k 0
1
k
2n k
k 0
1 2
2
n
e
1 2 1 2
n
1 e
n! n!
X Y ~ P 1 2 。
***********************************************************************
泊松分布和二项分布的可加性
泊松分布的可加性:若 X 1 ~ P 1 ,X 2 ~ P 2 , , X m ~ P m ,且 X 1 , X 2 , , Xm 相
互独立,则 X 1 X 2 X m ~ P 1 2 m
二 项 分 布 的 可 加 性 : X 1 ~ B n1 , p , X 2 ~ P n2 , p , , X m ~ P nm , p , 且
X1 , X 2 , , X m 相互独立,则 X 1 X 2 X m ~ B n1 n2 nm , p
***********************************************************************
7.4 独立随机变量期望和方差的性质
独立随机变量乘积的期望的性质:
X , Y 独立,则 E XY E X E Y
m n m n
E XY xi y j P X xi , Y y j xi y j P X xi P Y y j
i 1 j 1 i 1 j 1
m n
xi P X xi y j P Y y j E X E Y
i 1 j 1
***********************************************************************
独立随机变量和的方差的性质:
Var X Y E X Y E X Y
2 2
E X 2 2 XY Y 2 E X 2 E X E Y E Y
2 2
E X 2 E X E Y 2 E Y 2 E XY 2 E X E Y
2 2
E X 2 E X E Y 2 E Y Var X Var Y
2 2
n
若 X1 , X 2 , , X n 相互独立,且都存在方差,则 Var X 1 X 2 X m Var X k
k 1
***********************************************************************
我们在推导二项分布随机变量的方差时,已经利用了独立随机变量和的方差等于方差
求和的性质。这里我们再回顾一下。
设 X1 , X 2 , , X n 相互独立,且均服从 0-1 分布 B 1, p ,则 X X 1 X 2 Xn
对所有 k 1, , n , E X k 1 p 0 1 p p , E X k2 1 p 0 1 p p
Var X k E X k 2 E X k p p 2 p 1 p ,
2
E X E X1 X 2 X n E X1 E X 2 E X n np
12
Var X Var X 1 X 2 X n Var X 1 Var X 2 Var X n np 1 p
***********************************************************************
负二项分布随机变量
第二次试验成功,我们记从第一次试验成功后开始计算的试验次数为 X 2 ,则 X 2 仍然
设 X1 , X 2 , , X r 相互独立,且均服从几何分布 Ge p ,
1 1 p
则 Y X1 X 2 Xr ; E Xk , Var X k 2 , k 1, 2, ,r
p p
r
E Y E X 1 X 2 X r E X1 E Xr
p
r 1 p
Var Y Var X 1 X 2 X r Var X 1 Var X r
p2
***********************************************************************
U max X , Y , V max X , Y ,求 E UV 。
解: 分别考虑 X Y 和 X Y 两种情况,
当 X Y 时, U X , V Y ; 当 X Y 时, U Y , V X ;
所以 UV XY ,
E UV E XY E X E Y 。
13