精华内容
下载资源
问答
  • 统计-二维随机变量

    千次阅读 2018-03-22 20:29:17
    二维随机变量

    第三章 多维随机变量及其分布

    二维随机变量

    二维随机变量定义

    定义

    设E是一个随机试验,它的样本空间是S={e}。设X=X(e)和Y=Y(e)是定义在S上的两个随机变量,它们构成的向量(x,y)称为二维随机变量。

    二维随机变量的分布函数定义

    设(X,Y)是二维随机变量,对于任意实数x,y,定义二元函数
    F(x,y)=P[{X≤x}∩{Y≤y}]=P{X≤x,Y≤y}
    F(x,y)称为二维随机变量(x,y)的分布函数

    P{x1

    二维随机变量的分布函数性质

    1. F(x,y)是变量x和y的不减函数,即
    x1≤x2=>F(x1,y)≤F(x2,y)
    y1≤y2=>F(x,y1)≤F(x,y2)
    x1≤x2,y1≤y2=>F(x1,y1)≤F(x2,y2)
    F(x,y)朝东北方向上升
    F(x,y)朝西南方向下降
    因为(x2,y2)左下方的区域较大,随机点落入该区域的概率较大。
    2. 0≤F(x,y)≤1 因为概率在这个范围
    F(-,y)=limxF(x,y)=0 水平朝左走趋于0
    F(x,-)=limyF(x,y)=0 水平朝下走趋于0
    F(-,-)=limx,yF(x,y)=0 水平朝左下走趋于0
    F(+,-+)=limx+,y+F(x,y)=1 水平朝左上走趋于1
    3. F(x,y)关于x和y都是右连续
    F(x+0,y)=limδx+0F(x+δx,y)=F(x,y)
    F(x,y+0)=limδy+0+=F(x,y+δy)=F(x,y)
    4.若x1

    离散型二维随机变量的分布律

    定义

    如果二维随机变量(X,Y)所有可能的取值是有限对或者可列无限多对,则称(X,Y)是离散型二维随机变量。
    设(X,Y)所有可能的取值为(xi,yi),且已知P{X=xi,Y=yi}=pij(i,j=1,2…),则称pij(i,j=1,2…)为二维随机变量(X,Y)的分布律

    PX=xi,Y=yj=pij(i,j=1,2...)

    可以用表格或者矩阵表示

    x\y y1 y2 y3 …
    x1 p11 p12 p13 …
    x2 p21 p22 p23 …
    x3 p31 p32 p33 …
    . . . . …

    非负性pij0
    规范性j=1i=1pij=1
    分布函数
    F(x,y)=P{X≤x,Y≤y}=xixyjypij

    连续型二维随机变量

    定义

    如果存在非负可积二元函数f(x,y),使得对应任意实数x,y有
    F(x,y)=P{X≤x,Y≤y}yxf(u,v)dudv
    则称(X,Y)是连续型的二维随机变量,
    函数f(x,y)称为(X,Y)的概率密度

    性质

    1.非负性:F(x,y)≥0
    2.规范性:++f(x,y)dxdy=1
    3.设G是xOy坐标面上的一个区域,则点(X,Y)落入G内的概率
    P{(X,Y)∈G}\int_\int_{G}f(x,y)dxdy等于曲顶柱体的体积V
    4.若f(x,y)在点(x,y)处连续,则在(x,y)处分布律偏导等于概率密度
    2Fxy=f(x,y)

    边缘分布

    定义

    分布函数F(x,y)=P{X≤x,Y≤y},而X和Y作为两个随机变量,各自有自己的分布函数,分别记为FX(x)和FY(y):
    FX(x)=P{X≤x}
    FY(y)=P{Y≤y}
    FX(x)和FY(y)分别称为二维随机变量(X,Y)关于X和Y的边缘分布函数

    FX(x)=P{X≤x,Y<+}=F(x,+)
    FY(y)=P{X<+,Y≤y}=F(+,y)

    离散型二维随机变量的边缘分布

    设离散型二维随机变量(X,Y)的概率分布律为

    pij=PX=xi,Y=yj(i,j=1,2...)

    则(X,Y)关于X和Y的边缘分布律分别是:
    PX=xi=PX=xi,Y=y1+PX=xi,Y=y2+...=j=1PX=xi,Y=yj=j=1Pij=pi·(y)
    PY=yj=PX=x1,Y=yj+PX=x2,Y=yj+...=i=1PX=xi,Y=yj=i=1Pij=p·j(x)

    x\y y1 y2 y3 …
    x1 p11 p12 p13 …
    x2 p21 p22 p23 …
    x3 p31 p32 p33 …
    . . . . …
    + P·1 P·2 P·3

    它们在概率分布表边缘,所以叫边缘分布
    \sum_{j=1}^{\intfy}\sum_j=1}^{\infty}p_{ij}=1

    连续型二维随机变量边缘分布函数

    X的边缘分布函数:
    FX(x)=P{X≤x,Y<+}=F(x,+)
    =x[+f(u,y)dy]du
    X是连续型随机变量
    求导得其概率密度fX(x)=/int+f(x,y)dy
    Y的边缘分布函数:
    FY(y)=P{X<+,Y≤y}=F(+,y)
    =y[+f(x,y)dx]du
    Y是连续型随机变量
    求导得其概率密度fY(y)=/int+f(x,y)dx

    条件分布

    离散型随机变量的条件分布

    定义

    设(X,Y)是二维离散型随机变量,对于固定的j,若P·j=P{Y=yj}>0
    则称
    P{X=xi |Y=yj}= {P{X=xi,Y=yj}} \over {P{Y=yj}}= {pij} \over {P{·j}}
    为在条件Y=yj下,随机变量X的条件分布律
    反之同理。。。

    例子

    设二维离散型随机变量(X,Y)的分布律为

    x\y 0 1 2
    0 0.840 0.060 0.010
    1 0.030 0.010 0.005
    2 0.020 0.008 0.004
    3 0.010 0.002 0.001

    1.求边缘分布律
    2.求在X=1的条件下,Y的条件分布律
    3.求在Y=0的条件下,X的条件分布律

    1.

    x\y 0 1 2 pi·=P{X=xi}
    0 0.840 0.060 0.010 0.091
    1 0.030 0.010 0.005 0.045
    2 0.020 0.008 0.004 0.032
    3 0.010 0.002 0.001 0.013
    p·j=P{Y=yj} 0.900 0.080 0.020 1

    2.

    Y=j 0 1 2
    P{X=1 Y=j}

    3.

    X=i 0 1 2 3
    P{X=i Y=o}

    连续型随机变量的条件分布

    定义

    设二维连续型随机变量(X,Y)的概率密度为f(x,y),(X,Y)关于Y的边缘概率密度为fY(y)。若对于固定的y,fY(y)>0,则称f(x,y)/fY(y)为在条件Y=y下,X的条件概率密度,记为
    fX|Y(x|y)=f(x,y)fY(y)
    xfXY(x|y)dx为条件Y=y下,X的条件分布函数,记为
    FXY(x|y)=P{X≤x|Y=y}=xfXY(x|y)dx=1fY(y)xf(x,y)dx
    反之
    Y的条件概率密度
    fY|X(y|x)=f(x,y)fX(x)
    yfYX(y|x)dy为条件X=z下,Y的条件分布函数,记为
    FYX(y|x)=P{Y≤y|X=x}=yfYX(y|x)dy=1fX(x)xf(x,y)dx

    例子

    相互独立的随机变量

    将两个事件的独立性推广到随机变量
    两个事件A,B互相独立p(AB)=P(A)P(B)

    设二维离散型随机变量(X,Y)的分布律为
    Pij=P{X=xi,Y=yj}
    则(X,Y)关于X和关于Y的边缘分布律分别是
    Pi·=P{X=xi}=j=1Pij
    p·j=P{Y=yj}=\sum_{i=1}^{\infty}P_{ij}

    离散型独立性

    定义

    设(X,Y)是二维离散型随机变量若
    P{X=xi,Y=yj}=P{X=xi}P{Y=yj}

    Pij=Pi·p·j
    则称随机变量X和Y相互独立

    例子

    随机变量X和Y具有联合分布律

    x\y 1 2
    0 1/6 1/6
    1 2/6 2/6

    X和Y是否相互独立?
    先求边缘分布律

    x\y 1 2 Pi·
    0 1/6 1/6 1/3
    1 2/6 2/6 2/3
    P·j 1/2 1/2

    对于所有i,j均有Pij=Pi·p·j

    连续型对立性

    定义

    设F(x,y)是二维随机变量(X,Y)的联合分布函数,FX(x)FY(y)分别是(X,Y)关于X和关于Y的边缘分布函数。
    若对于任意实数x和y,有
    P{X≤x,Y≤y}=P{X≤x}P{Y≤y}
    即 F(x,y)=FX(x)FY(y)
    则称随机变量X和Y相互独立。
    联合分布函数等于边缘分布之积

    即X和Y相互独立当且仅当它们的联合分布函数等于关于它们的边缘分布函数的乘积。这时,
    可以证明:对应连续型二维随机变量(X,Y)X和相互独立当且仅当
    f(x,y)=FX(x)FY(y)
    在平面上几乎处处成立,这时,联合概率密度可由边缘概率密度唯一确定。

    在条件Y=y下,X的条件概率密度
    fXY(x|y) = f(x,y)fY(y) = FX(x)FY(y)fY(y) =fX(x)
    同理,在条件X=x下,Y的条件概率密度
    f_{YX}(y|y)={f(x,y)} \over {f_X(x)}={$F_X(x)$$F_Y(y)$} \over {f_X(x)} =f_Y(y)
    条件概率密度=边缘密度

    例子

    设二维随机变量(X,Y)的联合密度为

    f(x,y)={(1+xy)/4,|x|<1,|y|<10,

    问:X与Y是否相互独立

    用以下等式验证独立性:
    f(x,y)=fX(x)fY(y)
    需求边缘概率密度
    求x的边缘概率密度
    当|x|>1时,f(x,y)=0
    fX(x)=0
    当|x|≤1时,x在-1到1之间
    fX(x)=111+xy4dy=14(11dy+11xydy)=14(1-(-1) + 12 - 12)=12
    yxdy=y22

    fX(x)=1/2 |x|≤1
    类似得y的边缘概率密度
    fY(y)=1/2 |x|≤1
    当 |x|<1,|y|<1时
    f(x,y)=fX(x)fY(y)=1/2 × 1/2 = 1/4≠ 。(1+xy)/4
    所以不相互独立

    二维正态分布

    两个随机变量的函数的分布

    展开全文
  • 二维随机变量期望的计算

    万次阅读 2016-11-02 11:21:38
    二维随机变量期望的计算@(概率论)设随机向量(X,Y)的概率密度f(x,y)满足f(x,y) = f(-x,y),且ρxy\rho_{xy}存在,则ρxy=?\rho_{xy} = ?分析:主要从EXY, EX,EY的关系求解。 因为根据定义:ρxy=cov(X,Y)DX√DX√\rho...

    二维随机变量期望的计算

    @(概率论)

    设随机向量(X,Y)的概率密度f(x,y)满足f(x,y) = f(-x,y),且ρxy存在,则ρxy=?

    分析:主要从EXY, EX,EY的关系求解。
    因为根据定义:ρxy=cov(X,Y)DXDX

    cov(X,Y)=E(XY)EXEY

    这些是最基础的特征。

    再看EXY的求法:EXY=++xyf(x,y)dxdy

    更值得注意的是,EX,EY的求法:

    EX=++xf(x,y)dxdy

    也将x看成是g(X,Y),对Z = g(X,Y)求期望,自然是统一的二次积分。

    所以,

    EXY=++xyf(x,y)dxdy=+ydy+xf(x,y)dx=+ydy+tf(t,y)d(t)[x=t]=+ydy+tf(t,y)dt=0[]

    同理,EX= 0也是一样的原因,所以EXY = EXEY = 0,所以相关系数为0。

    展开全文
  • 009 二维随机变量分布 min max 习题

    千次阅读 2017-11-29 07:04:39
    009 二维随机变量分布 min max 习题

    009 二维随机变量分布 min max 习题



    展开全文
  • 二维随机变量

    千次阅读 2019-05-24 17:48:03
    1.离散型 2.连续型 3.联合概率密度的性质 4.例题: 5.常用的分布 1.均匀分布 2.二维正态分布

    1.离散型

    2.连续型

    3.联合概率密度的性质

    4.例题:

    5.常用的分布

    1.均匀分布

    2.二维正态分布

     

     

    展开全文
  • 二维随机变量(向量) 设EEE是一个随机试验,它的样本空间是S=eS={e}S=e,设X=X(e)X=X(e)X=X(e)和Y=Y(e)Y=Y(e)Y=Y(e)是定义在SSS上的随机变量,由它们构成的一个向量(X,Y)(X,Y)(X,Y)叫做二维随机向量。 分布函数: ...
  • 010 二维随机变量分布习题(图)

    千次阅读 2017-11-29 20:01:07
    010 二维随机变量分布习题(图)
  • 概率论第4记:二维随机变量

    千次阅读 2019-01-04 20:45:47
    一般,如果X,Y是定义在样本空间S上的随机变量,那么(X,Y)称为二维随机变量(或称二维随机向量),类似可以定义n维随机变量。 定义:设二维随机变量(X,Y)所有可能的取值为(xi,yj),(i,j=1,2,3…);(X,Y)取(xi...
  • 第三章 二维随机变量及其分布

    千次阅读 2017-02-23 16:01:31
    第三章 二维随机变量及其分布一、二维随机变量的联合分布与边缘分布 二维随机变量 设 XX, YY 为随机变量,称 (X,Y)(X, Y) 为二维随机变量。 联合分布函数 F(x,y)=P{X⩽x,Y⩽y} F(x, y) = P\{X \leqslant x, Y \...
  • 概率论对于学习 NLP 方向的人,重要性不言而喻。于是我打算从概率论基础篇开始复习,也顺便巩固巩固基础。 这是基础篇的第四篇知识点总结 知识点:二维离散型随机变量 ...
  • 二维随机变量函数卷积公式的推导

    万次阅读 多人点赞 2016-11-02 00:59:00
    二维随机变量函数卷积公式的推导@(概率论)给定Z=g(x,y)Z = g(x,y) 通常需要求FZ(z),fZ(z)F_Z(z),f_Z(z)这里是由两个变元依据关系映射到一个变元,因此,求得FZ(z)F_Z(z)后,很容易求得fZ(z)f_Z(z),只是一个求导的...
  • 概率论基础(6)连续型二维随机变量

    千次阅读 多人点赞 2019-06-19 23:16:00
    概率论基础(5)离散型二维随机变量 连续型二维随机变量 知识点 概率密度 边缘概率密度 条件概率密度 独立性 需要有二重积分相关知识 定义可自行查询 常用性质: 根据前面几节的回顾,加上...
  • R语言:求二维随机变量数学期望

    千次阅读 2013-05-10 16:05:41
    想做一个二维变量数学期望实验, 查看若干资料终于找到方法 先看这篇文章熟悉一下R的函数 http://www.cyclismo.org/tutorial/R/tables.html 构造数据 通过下面的函数构造了,正态分布和泊松分布的两列数据 A > A (a...
  • 二维随机变量--数学期望

    万次阅读 2019-05-24 21:25:06
    性质: 对于4,反过来说是不正确的 例题:
  • 文章目录一、为什么是二维随机变量二、二维随机变量的分布函数2.1 二维随机变量分布函数的性质2.2 二维随机变量的边缘分布函数三、二维离散型随机变量的联合分布和边缘分布法 一、为什么是二维随机变量 还记得我们...
  • 这个条件分布主要只针对二维的 一、离散型随机变量的条件分布 同理固定一个X为一个常数则可得Y的条件分布律 **注:**离散型的在什么条件下X或Y的条件分布律,知道他们的联合分布律很重要. 1) 观察这个公式。 ...
  • 摘要:本文主要介绍二维随机变量的联合分布律、边缘分布律和条件分布律之间的关系,并以矿山事故为例,强化对三者关系的认识。
  • 二维随机变量的函数的分布

    万次阅读 2016-12-26 17:16:25
    二维离散型随机变量的函数的分布 典型例题 X+Y的分布律: 二维连续型随机变量的函数的分布 二维连续型r.v函数的分布 补充结论 典型例题 一...
  • 概率论知识回顾(八) 重点:二维离散随机变量 什么是n维随机变量二维离散随机变量又是什么? 二维离散随机变量的联合分布律是什么?有什么性质? 什么是边缘...
  • 使用多种方法实现二维离散随机变量概率分布的计算. 可以用于计算互信息等.
  • 二维正态随机变量是最常见的一种二维随机变量分布。其联合概率密度函数为: p(x,y)=12πσXσY1−r2⋅exp{−12(1−r2)[(x−mX2)σX2−2r(x−mX)(y−mY)σXσY+(y−mY2)σY2]} p(x,y)=\frac{1}{2\pi \sigma _X\sigma ...
  • 二维离散型随机变量及其分布

    万次阅读 2016-12-25 13:02:31
    二维r,v及其分布函数 1.定义 2.二维随机变量的分布函数 (1)分布函数的定义 (2)分布函数的性质 典型例题
  • 概率论知识回顾(十) 重点:二维连续随机变量分布函数和联合密度函数 二维连续随机变量的分布函数怎么表示? 分布函数有什么性质? 二维连续随机变量的边缘分布...
  • 章:一维随机变量及其分布

    千次阅读 2014-05-06 11:00:02
    节 离散性随机变量 1、
  • n维随机变量的分布函数和独立性

    千次阅读 2019-08-11 20:14:32
    对于n维度空间中的点,若是n维随机变量,也就说记录的每一个字段都是随机变量,然后组成一个由随机变量组成的向量,称为随机向量 ,它的分布函数定义为 , 若 非负可积函数实值函数使得 那么称为随机向量,概率密度...
  • 1. 二维离散型随机变量的条件分布 2. 二维连续型随机变量的条件分布
  • 维随机变量及其概率分布

    千次阅读 2015-03-12 10:22:12
    1. 随机变量的概念 顾名思义,随机变量就是“其值随机会而定”的变量。随机变量的反面是“确定性变量”,即其值遵循某种严格的规律的变量,比如从北京到上海的距离。但是从绝对意义上讲,许多通常视为确定性变量的...
  • 二维连续型随机变量及其分布

    千次阅读 2016-12-25 13:40:48
    二维连续型r.v的概率密度重点内容 2.性质 典型例题
  • (概率论基础1)一维随机变量

    千次阅读 2019-09-18 18:08:53
    离散型随机变量的分布2.1 概率函数与分布函数定义2.2 分布函数的性质2.3 几种常见的分布1、项分布,记为$X \sim F$2、泊松分布,记为$X \sim P(\lambda)$3、超几何分布4、负项分布4. 连续型随机变量的分布4.1 ...
  • 该思维导图为概率论以为随机变量及其分布的大纲以及基本解题思路,内容较为详细。该思维导图为本人依照张宇闭关修炼2020所制作,希望能帮助大家顺利上岸

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 79,077
精华内容 31,630
关键字:

二维随机变量求偏导