精华内容
下载资源
问答
  • 007 二维随机变量分布

    2017-11-28 06:57:19
    007 二维随机变量分布
    007 二维随机变量分布
    
    展开全文
  • 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。

    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。

    一、联合分布律、边缘分布律和条件分布律之间的关系

    1、若已知(X, Y)的联合分布率 => 可以求出X的边缘分布律和Y的边缘分布率
    ● X的边缘分布律为
    在这里插入图片描述
    ● Y的边缘分布律为
    在这里插入图片描述

    2、若已知(X, Y)的联合分布律和X的边缘分布律 => 可以求出Y的条件分布律
    在这里插入图片描述

    3、若已知X的边缘分布律和Y的条件分布律 => 可以求出(X, Y)的联合分布律
    在这里插入图片描述

    4、若已知X的边缘分布率和Y的边缘分布率 => 只有当X和Y相互独立时,才可以求出(X, Y)的联合分布率
    在这里插入图片描述


    ✔   综合应用:若已知X的边缘分布率和Y的条件分布律,如何求X的条件分布律?
            求解分析:只需综合运用上述的几种情况即可,思路如下图所示:
    在这里插入图片描述

            求解过程如下图所示,可以看出,我们始终是根据条件分布律的定义,对分子上的(X, Y)联合分布律和分母上的Y边缘分布律进行变形处理,将等式转化为题目已知的X边缘分布律和Y条件分布律进行表示。
    在这里插入图片描述


    二、问题的引入

            例:某矿山一年内发生的事故总数服从泊松分布X ~ P(λ),其中一个事故是致命的概率为 p (0 < p < 1),事故发生之间相互独立。设一年内发生发生致命事故的次数为Y,求Y的分布律。

    三、问题的分析

            分析:该问题含有两个随机变量:事故总数X和致命事故总数Y。题目所要求的Y的分布律实质上为该二维随机变量的边缘分布律。显然致命事故发生的次数Y与事故总数X之间必然有着某种联系,根据题目给出的其中一个事故是致命的概率为 p,可以求出Y在X = k(k为事故发生的次数)下的条件分布律,注意这里Y的条件分布律服从二项分布,即
    在这里插入图片描述
            由于矿山事故为稀有事件,所以事故总数X服从泊松分布(这与题目所给条件相符),利用泊松分布的公式可以直接得到随机变量X的边缘分布率如下式所示:
    在这里插入图片描述
            求解思路:有了X的边缘分布律和Y的条件分布律,通过式(1.4)我们就可以得到(X, Y)的联合分布律,根据联合分布律由式(1.2)可以进一步求出Y的边缘分布率,求解过程如下图所示:
    在这里插入图片描述

    四、问题的求解

            根据X的边缘分布律和Y的条件分布律,通过乘法公式(式1.4)计算出二维随机变量(X, Y)的联合分布律。(注意致命事故发生的次数m一定小于或者等于事故发生的次数k)
    在这里插入图片描述
           根据联合分布律,遍历完X的所有可能取值,就可以得到Y的边缘分布律。当求P(Y = m)时,注意到隐含的条件是:事故发生的次数k只可能大于或者等于m,即k ≥ m。所以我们只需在Y = m的情况下,将k = m到k = ∞之间的所有联合分布律求和,即可得到P(Y = m)。
    在这里插入图片描述

            结果表明,致命事故发生的次数Y服从泊松分布,这与我们的预想的确是一致的,因为致命事故的发生是比单纯发生矿山事故更稀有的事件,所以自然也服从泊松分布,而泊松分布的均值恰好为λp(矿山事故发生的均值 * 事故发生后致命的概率)。

    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
  • 文章目录二元随机变量,离散型随机变量分布律二元随机变量二元离散型随机变量(一)离散型随机变量的联合概率分布律联合分布律的性质 二元随机变量,离散型随机变量分布律 二元随机变量 定义: 设 EEE 是一个随机...

    二元随机变量,离散型随机变量分布律


    二元随机变量


    定义: E E E 是一个随机实验,样本空间 S = { e } S=\{e\} S={e};设 X = X ( e ) X=X(e) X=X(e) Y = Y ( e ) Y=Y(e) Y=Y(e) 是定义在 S S S 上的随机变量,由它们构成的向量 ( X , Y ) (X,Y) (X,Y) 称为二维随机向量二元随机变量

    image.png

    二元离散型随机变量


    定义: 若二元随机变量 ( X , Y ) (X,Y) (X,Y) 全部可能取到的不同值是有限时或可列无线对,则称 ( X , Y ) (X,Y) (X,Y)二元离散型随机变量

    (一)离散型随机变量的联合概率分布律

    ( X , Y ) (X,Y) (X,Y) 所有可能取值为 ( x i , y j ) (x_i,y_j) (xi,yj),称 P ( X = x i , Y = y j ) = P i j , i , j = 1 , 2 , ⋯ P(X=x_i,Y=y_j)=P_{ij},i,j=1,2,\cdots P(X=xi,Y=yj)=Piji,j=1,2, 为二元离散型随机变量 ( X , Y ) (X,Y) (X,Y)联合概率分布律。也可简称 ( X , Y ) (X,Y) (X,Y) 的分布律。可以用如下图的表格来表示

    X Y y 1 y 2 ⋯ y j ⋯ x 1 p 11 p 12 ⋯ p 1 j ⋯ x 2 p 21 p 22 ⋯ p 2 j ⋯ ⋮ ⋯ ⋯ ⋯ x i p i 1 p i 2 ⋯ p i j ⋯ ⋮ ⋯ ⋯ ⋯ \begin{array}{c|ccccc} _X\bcancel{\quad^Y} &y_1&y_2&\cdots&y_j&\cdots \\ \hline x_1 &p_{11}&p_{12}&\cdots&p_{1j}&\cdots \\ x_2 &p_{21}&p_{22}&\cdots&p_{2j}&\cdots \\ \vdots &\cdots&\quad&\cdots&\quad&\cdots \\ x_i &p_{i1}&p_{i2}&\cdots&p_{ij}& \cdots \\ \vdots &\cdots&\quad&\cdots&\quad&\cdots \end{array} XY x1x2xiy1p11p21pi1y2p12p22pi2yjp1jp2jpij

    联合分布律的性质

    1. p i j ≥ 0 , p_{ij}\geq 0, pij0,
    2. ∑ i = 1 ∞ ∑ j = 1 ∞ p i j = 1 \sum_{i=1}^{\infty}\sum_{j=1}^{\infty}p_{ij}=1 i=1j=1pij=1
    3. P ( ( X , Y ) ∈ D ) = ∑ ( x i , y j ) ∈ D p i j P((X,Y)\in D)=\sum_{(x_i,y_j)\in D}p_{ij} P((X,Y)D)=(xi,yj)Dpij

    其中 p i j = P ( X = x j , Y = y j ) , i , j = 1 , 2 , ⋯ p_{ij}=P(X=x_j,Y=y_j),i,j=1,2,\cdots pij=P(X=xj,Y=yj),i,j=1,2,

    image.png


    例 1: 一盒子中有 10 件产品,其中 6 件正品 ,4 件次品。从中取 1 件产品检验,不放回,再取 1 件检验。引入如下的随机变量 X X X Y Y Y

    X = { 0 , 第 1 次取到次品 1 , 第 1 次取到正品 , Y = { 0 , 第2次取到次品 1 , 第2次取到正品 , X=\begin{cases} 0, &\text{第 1 次取到次品} \\ 1, &\text{第 1 次取到正品}, \end{cases} \quad Y=\begin{cases} 0, &\text{第2次取到次品} \\ 1, &\text{第2次取到正品}, \end{cases} X={0,1, 1 次取到次品 1 次取到正品Y={0,1,2次取到次品2次取到正品,

    ( X , Y ) (X,Y) (X,Y) 的联合分布律。

    解: ( X , Y ) (X,Y) (XY) 可能的取值数对有: ( 0 , 0 ) , ( 0 , 1 ) , ( 1 , 0 ) , ( 1 , 1 ) . (0,0),(0,1),(1,0),(1,1). (0,0),(0,1),(1,0),(1,1).

    由乘法公式 P ( A B ) = P ( A ) P ( B ∣ A ) P(AB)=P(A)P(B|A) P(AB)=P(A)P(BA) 得:

    P ( X = 0 , Y = 0 ) = P ( X = 0 ) P ( Y = 0 ∣ X = 0 ) = 4 10 × 3 9 = 2 15 P(X=0,Y=0)=P(X=0)P(Y=0|X=0)=\cfrac{4}{10}\times\cfrac{3}{9}=\cfrac{2}{15} P(X=0,Y=0)=P(X=0)P(Y=0X=0)=104×93=152

    同理得: P ( X = 0 , Y = 1 ) = 4 10 × 6 9 = 4 15 P(X=0,Y=1)=\cfrac{4}{10}\times\cfrac{6}{9}=\cfrac{4}{15} P(X=0,Y=1)=104×96=154

    P ( X = 1 , Y = 0 ) = 6 10 × 4 9 = 4 15 , P ( X = 1 , Y = 1 ) = 6 10 × 5 9 = 5 15 P(X=1,Y=0)=\cfrac{6}{10}\times\cfrac{4}{9}=\cfrac{4}{15},P(X=1,Y=1)=\cfrac{6}{10}\times\cfrac{5}{9}=\cfrac{5}{15} P(X=1,Y=0)=106×94=154,P(X=1,Y=1)=106×95=155

    X Y 0 1 0 2 15 4 15 1 4 15 5 15 \begin{array}{c|cc} _X\bcancel{\quad^Y} & 0 & 1 \\ \hline 0 & \cfrac{2}{15} & \cfrac{4}{15} \\ 1 & \cfrac{4}{15} & \cfrac{5}{15} \end{array} XY 0101521541154155


    例 2: 设随机变量 X X X 在 1、2、3、4 四个正数中等可能地取一个值,另外一个随机变量 Y Y Y 1 ∼ X 1\sim X 1X 中等可能地取一整数值,试求 ( X , Y ) (X,Y) (X,Y) 的联合概率分布及 X 、 Y X、Y XY 的分布。

    解: X 、 Y X、Y XY 的取值情况均为 1,2,3,4;当 i , j = 1 , ⋯   , 4 i,j=1,\cdots,4 i,j=1,,4

    P ( X = i , Y = j ) = P ( X = i ) P ( Y = j ∣ X = i ) = { 1 4 × 1 i , i ≥ j 1 4 × 0 , i < j P(X=i,Y=j)=P(X=i)P(Y=j|X=i)=\begin{cases} \cfrac{1}{4}\times\cfrac{1}{i}, &i\geq j \\ \\ \cfrac{1}{4} \times 0, &i<j \end{cases} P(X=i,Y=j)=P(X=i)P(Y=jX=i)=41×i1,41×0,iji<j

    联合概率分布律如下:

    X Y 1 2 3 4 1 1 4 0 0 0 2 1 8 1 8 0 0 3 1 12 1 12 1 12 0 4 1 16 1 16 1 16 1 16 \begin{array}{c|cc} _X\bcancel{\quad^Y} & 1 & 2 & 3 & 4 \\ \hline 1 & \cfrac{1}{4} & 0 & 0 & 0 \\ \\ 2 & \cfrac{1}{8} & \cfrac{1}{8} & 0 & 0 \\ \\ 3 & \cfrac{1}{12} & \cfrac{1}{12} & \cfrac{1}{12} & 0 \\ \\ 4 & \cfrac{1}{16} & \cfrac{1}{16} & \cfrac{1}{16} & \cfrac{1}{16} \end{array} XY 12341418112116120811211613001211614000161

    X 、 Y X、Y XY 分布律

    P ( X = i ) = 1 / 4 , i = 1 , 2 , 3 , 4. P(X=i)=1/4, i=1,2,3,4. P(X=i)=1/4,i=1,2,3,4.

    事 件 { X = 1 } , ⋯   , { X = 4 } 事件 \{X=1\},\cdots,\{X=4\} {X=1},,{X=4} { Y = j } \{Y=j\} {Y=j} 前导事件组,由全概率公式得:

    P ( Y = j ) = ∑ i = 1 4 P ( X = i ) P ( Y = j ∣ X = i ) , j = 1 , 2 , 3 , 4. P(Y=j)=\sum_{i=1}^{4}P(X=i)P(Y=j|X=i),j=1,2,3,4. P(Y=j)=i=14P(X=i)P(Y=jX=i),j=1,2,3,4.

    所以, X 、 Y X、Y XY 分布律就是在联合分布律表中横向、纵向相加!


    例 3: 袋中有 1 个红球, 2 个黑球,3 个白球,现有放回地取两次,每次取一球,以 X , Y , Z X,Y,Z X,Y,Z 分别表示两次取球所得的红、黑、白球个数。求:

    (1) P ( X = 1 ∣ Z = 0 ) P(X=1|Z=0) P(X=1Z=0)

    (2) P ( X = 1 , Z = 0 ) P(X=1,Z=0) P(X=1,Z=0)

    (3) ( X , Y ) (X,Y) (X,Y) 概率分布。

    解:

    (1) 这一问表示的意思是取到不是白球的前提下,取到 1 个红球的概率,所以:

    P ( X = 1 ∣ Z = 0 ) = 1 3 × 2 3 + 2 3 × 1 3 = 4 9 \quad P(X=1|Z=0)=\cfrac{1}{3}\times\cfrac{2}{3}+\cfrac{2}{3}\times\cfrac{1}{3}=\cfrac{4}{9} P(X=1Z=0)=31×32+32×31=94

    (2)这一问表达的是取出 1 个红球跟 0 个白球的概率,所以:
    P ( X = 1 , Z = 0 ) = 1 6 × 2 6 + 2 6 × 1 6 = 1 9 \quad P(X=1,Z=0)=\cfrac{1}{6}\times\cfrac{2}{6}+\cfrac{2}{6}\times\cfrac{1}{6}=\cfrac{1}{9} P(X=1,Z=0)=61×62+62×61=91

    这里需要注意两问的区别!

    (3) X , Y X,Y XY 的取值范围均为 0, 1, 2.

    P ( X = 0 , Y = 0 ) = 3 6 × 3 6 = 1 4 P(X=0,Y=0)=\cfrac{3}{6}\times\cfrac{3}{6}=\cfrac{1}{4}\quad\quad P(X=0,Y=0)=63×63=41 2 球均为白球

    P ( X = 0 , Y = 1 ) = 2 6 × 3 6 × 2 = 1 3 P(X=0,Y=1)=\cfrac{2}{6}\times\cfrac{3}{6}\times2=\cfrac{1}{3}\quad\quad P(X=0,Y=1)=62×63×2=31 黑白或者白黑

    P ( X = 1 , Y = 2 ) = 0 P(X=1,Y=2)=0\quad\quad P(X=1,Y=2)=0 这里总数超过 2 个,不符合条件。

    P ( X = 2 , Y = 0 ) = 1 6 × 1 6 = 1 36 P(X=2,Y=0)=\cfrac{1}{6}\times\cfrac{1}{6}=\cfrac{1}{36}\quad\quad P(X=2,Y=0)=61×61=361 两球均为红球

    其余情况类似可得!

    所以 ( X , Y ) (X,Y) (X,Y) 的概率分布为:

    X Y 0 1 2 0 1 4 1 3 1 9 1 1 6 1 9 0 2 1 36 0 0 \begin{array}{c|cc} _X\bcancel{\quad^Y} & 0 & 1 & 2 \\ \hline 0 & \cfrac{1}{4} & \cfrac{1}{3} & \cfrac{1}{9} \\ \\ 1 & \cfrac{1}{6} & \cfrac{1}{9} & 0 \\ \\ 2 & \cfrac{1}{36} & 0 & 0 \\ \\ \end{array} XY 0120416136113191029100


    展开全文
  • 文章目录3.1 二维随机变量二维随机变量及其分布函数二维离散型随机变量二维连续型随机变量 二维随机变量及其分布函数 上一章里我们都是用一个随机变量XXX来表述概率的。但是在现实生活里影响事情发生概率的随机变量...
  • 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 \...
  • 统计-二维随机变量

    千次阅读 2018-03-22 20:29:17
    二维随机变量
  • 二维随机变量分布函数(联合分布函数)的定义3.分布函数F(x,y)的基本性质(4条)4.二维离散型随机变量1).定义2).二维离散型随机变量的分布律3).二维离散型随机变量的分布函数4).二维离散型随机变量分布律分布函数...
  • 在本系列前4章节,我们快速的过了一遍概率论对于一维随机变量的定义与分类。 从最原始直观的经典概率类型出发,...文章目录关于二维概率事件关于离散型二维随机变量分布律(Probability Function / Distribution Law).
  • 张宇1000题概率论与数理统计 第、三章 一维随机变量及其分布及一维随机变量函数的分布 易错题和难题记录
  • 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:**离散型的求在什么条件下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。 ...
  • 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...
  • 2.二维随机变量的联合分布函数与边缘分布函数的关系 3. 联合分布律可以确定边缘分布律,反之不然(即,边缘分布律不能确定联合分布律) 4. 二维连续型随机变量的联合分布函数与边缘分布函数的关系 ...
  • 二维随机变量的函数的分布

    万次阅读 2016-12-26 17:16:25
    典型例题 X+Y的分布律
  • 章 一维随机变量分布一、随机变量、分布函数及性质 随机变量 分布函数 分布函数的性质 、离散型随机变量及分布离散型随机变量的定义若随机变量 XX 的可能取值为有限个或可列个,称 XX 为离散型随机变量。...
  • 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 两个随机变量的函数的分布
  • 一、二维随机变量 二、二维离散型随机变量 2.1、离散随机变量的联合概率分布律 2.2、联合分布律的性质 2.3、例
  • 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: ...
  • 维随机变量分布分布函数性质常见随机变量及其分布离散型分布律常见离散型随机变量及分布0-1分布二分布泊松分布连续型性质随机变量函数的概率分布 分布函数 随机变量:通俗说,随机变量就是一次随机试验产生的...
  • 1.随机变量及其分布 随机变量:Ω为随机试验E的样本空间,若∀ω∈Ω,∃唯一确定的实数X(ω)与ω对应,称X = X(ω)为随机变量 随机变量X的范围本质上就是随机事件 分布函数:X为随机变量,P{X <= x} = F(x), -∞<...
  • 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...
  • $已知二维随机向量的概率密度函数,求边缘概率密度函数$ 1. 设二维离散型随机向量(X,Y)的分布律为: 若X和Y相互独立。 (1)填写上表空白部分;(1)填写上表空白部分;(1)填写上表空白部分; (2)求U=...
  • 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 ...
  • 这一章是上一章的深化,一个是一维空间,一个是多维空间。 联合分布函数 联合分布率 ...二维连续型随机变量 (X,Y)概率密度性质 (X,Y)在G上符合均匀分布 二维正态分布 在这里插入图片描述 ...
  • [随机事件的样本空间与样本空间发生的概率] 与 [ ...离散型随机变量 + 连续性随机变量 离散型随机变量 1:样本空间是有限大的 &amp;amp;amp;amp;amp;amp;gt;&amp;amp;amp;amp;amp;amp;gt; 2:样本空间
  • (2)、二维随机变量分布律性质 2、二维随机变量分布函数 F(x,y)的值就是随机点落在如图区域的概率 性质: ①、F(x,y)是x和y的不减函数 ②、0≤F(x,y)≤1 ③、F(x,y)关于x、y均右连续 ④、对任意x1<x2
  • 一:一维随机变量 1.概念 2.分布函数 2.1 概念 2.2 性质 2.3 应用——求概率 :一维离散型随机变量 1.分布律 2.性质 3.应用——求概率 3.1 0-1分布B(1,p) 3.2 分布B(n,p) ...
  • 1.1 随机变量\(X\)与分布函数\(F(X)\) 随机变量 定义在\(\Omega={\omega}\)上,取值在实数轴上的变量(这里只讨论实数域内,但随机变量可以取到复数) $$X=X(\omega), \omega\in\Omega$$ 分布函数 $$F(x)\...
  • 二维随机变量的联合分布函数:二维随机变量...求二维离散随机变量的联合分布律和条件概率分布例1:设随机变量X在1,2,3三个数字中等可能的取值,随机变量Y在1~X中等可能的取一整数值,试求二维随机变量(X,Y)的概率...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,366
精华内容 946
关键字:

二维随机变量分布律