【概率论与数理统计 Probability and Statistics 8】 |
您所在的位置:网站首页 › 联合分布函数什么意思 › 【概率论与数理统计 Probability and Statistics 8】 |
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求法四、二维连续型随机变量的联合密度函数、分布函数和边缘分布4.1 联合密度函数和联合分布函数4.2 边缘密度函数关于计算边缘分布密度的注记
一、为什么是二维随机变量
还记得我们在 C h a p t e r 2 Chapter 2 Chapter2 里面讨论的都是一维随机变量嘛,但是假如我们举一个例子: 比如我们要统计人群的身高分布,那容易啊,直接统计一个变量——身高 X 即可但是,如果我们要统计的是人群的身材,那你不可能只用身高来衡量,我们需要两个变量——身高 X 和体重 Y。因此,这就是二维随机变量的引入。我们一般使用 (X, Y)来表示。可以说是一个向量。 二、二维随机变量的分布函数我们先来看看定义: F ( x , y ) = P { X ≤ x , Y ≤ y } F(x, y) = P\{X≤x, Y≤y\} F(x,y)=P{X≤x,Y≤y} 它的意思是由 X ≤ x , Y ≤ y X ≤x, Y ≤y X≤x,Y≤y 所构成的蓝色区域所对应的立体密度函数的体积!! 这句话怎么理解呢?这得回到一维去,因为我们在一维随机变量里面, F ( x ) = P { X ≤ x } F(x) = P\{X≤x\} F(x)=P{X≤x}表示的是 X ≤ x X≤x X≤x 所对应的平面密度函数的面积。那么扩展到二维,它的密度函数是 f ( x , y ) f(x,y) f(x,y) ,是一个立体的函数,那么对应的自然就是体积了。 ![]() 【1】 0 ≤ F ( x , y ) ≤ 1 0 ≤ F(x, y) ≤1 0≤F(x,y)≤1这个好理解,概率一定小于等于1 . 【2】 F ( x , y ) F(x, y) F(x,y) 是关于 x 或 y 的不减函数 【3】 F ( − ∞ , y ) = 0 ; F ( x , − ∞ ) = 0 ; F ( − ∞ , − ∞ ) = 0 , F ( + ∞ , + ∞ ) = 1 F(-∞, y) = 0; F(x, -∞) = 0; F(-∞, -∞) = 0, F(+∞, +∞) = 1 F(−∞,y)=0;F(x,−∞)=0;F(−∞,−∞)=0,F(+∞,+∞)=1 如果我们把二维随机变量的概率密度函数想象成立体草帽,那么在任何一个变量是 -∞ 的时候,还没能切到草帽,所以体积一定是0. 【4】 F ( x , y ) F(x, y) F(x,y) 分别关于 x, y右连续 【5】 P { x 1 < X ≤ x 2 , y 1 < Y ≤ y 2 } = F ( x 2 , y 2 ) − F ( x 2 , y 1 ) − F ( x 1 , y 2 ) + F ( x 1 , y 1 ) P\{x_1 < X ≤ x_2, y_1 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |