在线学习
重点科目
初中数学
高中数学
高等数学
线性代数
概率统计
高中物理
数学公式
主要科目
复变函数
离散数学
数学分析
实变函数
群论
数论
未整理科目
近世代数
数值分析
常微分方程
偏微分方程
大学物理
射影几何
微分几何
泛函分析
拓扑学
数学物理
趣味数学
科数网
首页
教材
高考区
考研区
VIP
科数网
题库
在线学习
高中数学
高等数学
线性代数
概率统计
高中物理
复变函数
离散数学
你好
游客,
登录
注册
在线学习
概率论与数理统计
第三篇 多维随机变量及其分布
联合分布函数
最后
更新:
2025-05-01 18:05
查看:
321
次
反馈
刷题
联合分布函数
### 引入 **例①** 联合分布是指一个事件受到多个因素控制,比如判断一个孩子的健康需要考虑:身高和体重两个维度,我们就说“身高”和“体重”这两个参数联合起来共同决定了孩子的健康程度,后面还会有一个边缘分布,他只有一个参数决定。 **例②** 射靶,如果以靶心为原点建立直角坐标系,那么靶点落的位置则是有$(X,Y)$共同决定。 上面这两个引例都告诉我们,现实世界很多事情是由多个参数来决定,因此,引入多维联合分布。 ## 二维联合分布 **定义1** 如果 $X=X(\omega), Y=Y(\omega)$ 是定义在同一个样本空间 $\Omega=\{\omega\}$ 上的两个随机变量,则称 $(X(\omega), Y(\omega))=(X, Y)$ 为定义在 $\Omega$ 上的**二维随机变量**。 **定义2** 设 $(X, Y)$ 是二维随机变量, 对任意实数 $x 、 y$, 二元函数 $$ F(x, y)=P(X \leqslant x, Y \leqslant y) $$ 称为二维随机变量 $(X, Y)$ 的分布函数或随机变量 $X$ 和 $Y$ 的**联合分布函数**. ### 离散型联合分布函数求法 `例`袋中有一个红色球,两个黑色球,三个白球,现有放回的从袋中取两次,每次取一球,以 $X, Y, Z$ 分别表示两次取球的红,黑,白球的个数. (1)求 $P\{X=1 \mid Z=0\}$ ; (2)求二维随机变量 $(X, Y)$ 的概率分布. 解(1)在没有取白球的情况下取了一次红球,利用样本空间的缩减法,相当于只有 1 个红球, 2 个黑球有放回摸两次,其中摸一个红球的概率,所以 $$ P\{X=1 \mid Z=0\}=\frac{C_2^1 \times 2}{3^2}=\frac{4}{9} . $$ (2)$X, Y$ 取值范围为 $0,1,2$ ,故 $$ \begin{aligned} & P\{X=0, Y=0\}=\frac{C_3^1 \times C_3^2}{6^2}=\frac{1}{4}, \\ & P\{X=1, Y=0\}=\frac{C_2^1 \times C_3^1}{6^2}=\frac{1}{6}, \\ & P\{X=2, Y=0\}=\frac{1}{6^2}=\frac{1}{36}, \\ & P\{X=0, Y=1\}=\frac{C_2^1 \times C_2^1 \times C_3^1}{6^2}=\frac{1}{3}, \\ & P\{X=1, Y=1\}=\frac{C_2^1 \times C_2^1}{6^2}=\frac{1}{9}, \quad P\{X=2, Y=1\}=0, \\ & P\{X=0, Y=2\}=\frac{C_2^1 \times C_2^1}{6^2}=\frac{1}{9}, \quad P\{X=1, Y=2\}=0, \\ & P\{X=2, Y=2\}=0 . \end{aligned} $$ 最后列表可得  ### 连续型联合分布的数学定义 联合分布用数学语言可以表示为: 对于二维随机变量 $\xi =(X, Y)$, 如果存在非负函数 $p(x, y)(-\infty<x<\infty,-\infty<y<\infty)$, 使对任意 $a<b, c<d$ 及 $D=\{(x, y): a<x<b, c<y<d\}$ 有 $$ P((X, Y) \in D)=\iint_D p(x, y) d x d y $$ 则称随机变量 $\xi=(X, Y)$ 为连续型的, 并称 $p(x, y)$ 为 $\xi$ 的分布密度, 也称 $p(x, y)$ 为 $(X, Y)$ 的联合分布密度 (简称联合密度)。 续型随机变量属于更一般的平面子集 $D$ 的概率为 $$ P((X, Y) \in D)=\iint_D p(x, y) d x d y $$ ## 联合分布的几何解释 我们容易给出分布函数的几何解释:如果把二维随机变量 $(X, Y)$ 看成是平面上随机点的坐标,那么分布函数 $F(x, y)$ 在 $(x, y)$ 处的函数值就是随机点 $(X, Y)$ 落在直线 $X=x$ 的左侧和直线 $Y=y$ 的下方的无穷矩形域内的概率,如下图3-1所示.  > **对于联合分布,用通俗语言理解是,例如用$X$表示学生的身高,用$Y$表示学生的体重,那么联合分布 $F(170,60)=P(X \leqslant 170, Y \leqslant 60)$ 表示的是:身高低于170cm,体重低于60kg的学生的分布。这句话还可以正面解释为求:身高在$(-\infty,170)$ 与 体重在 $(-\infty,60)$ 的学生的分布。** 因此,给出一个点$(X,Y)$,求他的联合分布,其实表示的该点“**左边下边**”所围成的面积(参考图3-1阴影部分面积)。 根据以上的几何解释,借助于图3-2,我们可以计算出随机点 $(X, Y)$ 落在矩形域 $\left\{(x, y) \mid x_1<x \leqslant x_2, y_1<y \leqslant y_2\right\}$ 内的概率为  $$ P\left\{x_1<X \leqslant x_2, y_1<Y \leqslant y_2\right\}=F\left(x_2, y_2\right)-F\left(x_2, y_1\right)-F\left(x_1, y_2\right)+F\left(x_1, y_1\right) . $$ > **对于图3-2,也可以用学生身高体重解释。用$X$表示学生的身高,用$Y$表示学生的体重,那么联合分布 $P\left\{ 160<X \leqslant 170, 50<Y \leqslant 60\right\}=F\left(170, 60\right)-F\left(170, 50\right)-F\left( 160, 60\right)+F\left( 160, 50\right)$ 等式左边表示的是求学生身高在$160 \sim 170$ 和 体重在$ 50 \sim 60$ 之间的人数,他等于身高体重在 $(170,60)$以下的人数减去 身高$170$以下的人数,再减去体重$60$以下的人数,注意此时对$(160,50)$以下的人数减了两次,所以还要再补上一次,因此最后加上$(160,50)$** ## 看懂联合密度的密度图 我们在一维平面里说过,概率密度$(a,b)$曲线下的面积是事件发生在$(a,b)$间的频率,详见[此处](https://kb.kmath.cn/kbase/detail.aspx?id=523), 那么如何理解二维概率密度呢? 首先,我们要明白,二维概率事件是由3个参数决定:比如射靶,我们说“射在(1,2)的概率为0.01”,那么这里就有$X=1,Y=2,Z=0.01$三个参数 因此,如果把密度函数画在坐标系里,他需要是三维空间,如下图: {width=400px} 这个图形很像农民带的草帽,我们通常称呼这个图形为“草帽”图形。因为密度函数必须大于等于零,所以这个草帽可以认为为平底的,又因为所有射靶所有的概率最多为1,因此,这个概率的体积最大只能为1. **理解二维密度函数图像** 如果我们从俯视图的视角从下看这个草帽,可以发现他的定义域D就是一个二维平面。 {width=400px} 想想一下我们用一把刀沿着$X,Y$ 切开草帽,因为分布函数的定义为 $F(x, y)=P(X \leqslant x, Y \leqslant y)=\int_{-\infty}^{x} \int_{-\infty}^{y} p(x, y) d x d y$ ,所以,我们取的西瓜就是左边下边的那一部分。 如果把二维随机变量 $(X, Y)$ 视为平面上随机点的坐标, 那么, 分布函数 $F(x, y)$在点 $(x, y)$ 处的函数值就是随机点 $(X, Y)$ 落在直线 $X=x$ 的左侧和直线 $Y=y$ 的下方以 $(x, y)$ 为顶点的无穷直角区域内的概率, 如图所示.  ## 联合分布函数得性质 **性质1:** $0 \leq F(x, y) \leq 1 $ 这个性质很好理解,分布函数反映到是概率,概率总是大于等于0小于等于1. **单调性2**: $F(x, y)$ 关于 $x$ 和 $y$ 均为单调非减函数, 即 对任意固定的 $y$ ,当 $x_2>x_1$ 时, $F\left(x_2, y\right) \geqslant F\left(x_1, y\right)$ ; 对任意固定的 $x$, 当 $y_2>y_1$ 时, $F\left(x, y_2\right) \geqslant F\left(x, y_1\right)$. **有界性3**:对任意实数 $x 、 y$ ,有 $0 \leqslant F(x, y) \leqslant 1$ ,且 对任意固定的 $y$ ,有 $F(-\infty, y)=0$ , 对任意固定的 $x$, 有 $F(x,-\infty)=0$, $F(-\infty,-\infty)=0, \quad F(+\infty,+\infty)=1$. **右连续性4** $F(x, y)$ 关于 $x$ 和 $y$ 均为右连续, 即 $$ F(x, y)=F(x+0, y), \quad F(x, y)=F(x, y+0) . $$ **非负性5** 对于任意 $x_1<x_2 、 y_1<y_2$ ,下述不等式成立: $$ F\left(x_2, y_2\right)-F\left(x_2, y_1\right)-F\left(x_1, y_2\right)+F\left(x_1, y_1\right) \geqslant 0 . $$ 注意:对任意的 $ x_1<x_2, y_1<y_2$ ,有矩形公式 $$ \begin{gathered} & P\left(x_1<X \leq x_2, y_1<Y \leq y_2\right) \\ &\quad=F\left(x_2, y_2\right)-F\left(x_1, y_2\right) - F\left(x_2, y_1\right)+F\left(x_1, y_1\right) . \end{gathered} $$ 参考下图  ## 例题 `例` (离散型)下图 所示的二维离散型随机向量 $X=\left(X_1, X_2\right)$ 的概率分布为 {width=300px} 解: $$ \begin{aligned} & P\left(X_1=2, X_2=1\right)=1 / 3 \\ & P\left(X_1=2, X_2=2.5\right)=1 / 4 \\ & P\left(X_1=5, X_2=3\right)=5 / 12 \end{aligned} ...(2.1) $$ 从图上看出, $X_1$ 的可能值为 $2$ 和 $5, X_2$ 的可能值为 $1,2.5$ 和 $3$ . 故形式上看, $X=\left(X_1, X_2\right)$ 应有 $6$组可能值,即 $(2,1),(2,2.5),(2,3),(5,1),(5,2.5),(5,3)$ $X$的概率分布告诉我们, 实际上只有第 $1,2,6$ 组是真正的可能值, 但这并无关系:对一组不可能的值,只要把它的概率定为 0 就行了. `例`(连续型)设二维随机变量 $(X, Y)$ 的分布函数为 $$ f(x, y)=\left\{\begin{array}{l} \cos x \cos y, 0<x, y<\frac{\pi}{2} \\ 0, \text { else } \end{array}\right. $$ (1) 试求 $X, Y$ 联合分布函数. (2) 试求 $P\left(0 \leq X \leq \frac{\pi}{4} \leq Y \leq \frac{\pi}{2}\right)$. 解(1)根据限制域的特点,我们很显然要做分类讨论。 以下设待求函数为 $F(u, v)$. 但是,这是完全没有必要一个一个情况代的。因为只需要在图上标出积分域, 就自然而然清楚需要怎么积分了。  (a) $u, v$ 中有一个小于 0 (包括均小于 0$)$. 很明显, 只要有这种情况存在, 积分域内就没有非 0 的情况. (b) $u, v$ 均介于 $0, \frac{\pi}{2}$ 之间. 那么 $F(u, v)=\int_0^u \int_0^v \cos x \cos y d x d y=\sin u \sin v$. (c) $u, v$ 中有一个大于 $\frac{\pi}{2}$, 另一个介于 $0, \frac{\pi}{2}$ 之间. 那么 $F(u, v)=\int_0^1 \int_0^v \cos x \cos y d x d y=$ $\sin v$ 或同理, $\sin u$. (d) $u, v$ 均大于 $\frac{\pi}{2}$. 显然 $F(u, v)=1$. 综上, $F(x, y)=\left\{\begin{array}{l}0, x \leq 0 \text { or } y \leq 0 \\ \sin x \sin y, 0<x, y<\frac{\pi}{2} \\ \sin x, 0<x<\frac{\pi}{2}, y \geq \frac{\pi}{2} . \text {.(2) 只需套公式即可. } \\ \sin y, x \geq \frac{\pi}{2}, 0<y<\frac{\pi}{2} \\ 1, x, y \geq \frac{\pi}{2}\end{array}\right.$ ## 分布函数和密度函数的转化 **已知分布函数求密度函数** `例` 设二维随机变量 $(X, Y)$ 的联合分布函数为 $$ F(x, y)= \begin{cases}1-3^{-x}-3^{-y}+3^{-x-y}, & x \geqslant 0, y \geqslant 0 \\ 0, & \text { 其他. }\end{cases} $$ 则二维随机变量 $(X, Y)$ 的联合密度 $\varphi(x, y)$ 为 $\qquad$ . 解 可以验证这是二维连续型随机变量的分布函数,由公式: $$ \boxed { \varphi(x, y)=\frac{\partial^2 F}{\partial x \partial y} } $$ 有 $$ \frac{\partial F}{\partial x}=3^{-x} \ln 3-3^{-x-y} \ln 3 \quad \frac{\partial^2 F}{\partial x \partial y}=3^{-x-y}(\ln 3)^2 $$ 故 $\varphi(x, y)= \begin{cases}3^{-x-y}(\ln 3)^2, & x \geqslant 0, y \geqslant 0 \\ 0, & \text { 其他.}\end{cases}$ **已知密度函数求分布函数** `例` 设二维随机变量 $(X, Y)$ 的概率密度为 $$ f(x, y)= \begin{cases}6 x, & 0 \leqslant x \leqslant y \leqslant 1 \\ 0, & \text { 其他. }\end{cases} $$ 则 $P\{X+Y \leqslant 1\}$ 是多少 解 由题意作图 所示 $$ \begin{aligned} P\{X+Y \leqslant 1\} & =\iint_{x+y \leqslant 1} f(x, y) d x d y \\ & =\int_0^{\frac{1}{2}} d x \int_x^{1-x} 6 x d y \\ & =\int_0^{\frac{1}{2}} 6 x(1-2 x) d x=\frac{1}{4} . \end{aligned} $$ 
开VIP会员
非会员每天6篇,会员每天16篇,VIP会员无限制访问
题库训练
自我测评
投稿
上一篇:
二维随机试验
下一篇:
二维离散型随机变量及其联合分布律
本文对您是否有用?
有用
(
0
)
无用
(
0
)
纠错
高考
考研
关于
赞助
公式
科数网是专业专业的数学网站。