第二讲 随机变量及其概率分布
DESCRIPTION
第二讲 随机变量及其概率分布. E1 抛硬币:可能出现正面或反面; E2 从一批产品中任取 10 件,抽到的废品数可能是 0,1,2, … ,10 中的一个数; E3 掷骰子:可能出现 1,2,3,4,5,6 点. 2.1 随机变量的概念. 定义 设随机试验的样本空间为 S = {e i } ,如果对样本空间的每一个元素 e i ,都有一实数 X(e i ) 与之对应,对所有的元素 ,就得到一个定义在空间 S 上的实单值函数 X(e) ,称 X(e) 为 随机变量 ,简写为 X 。. 2.2 离散型随机变量及其分布律. - PowerPoint PPT PresentationTRANSCRIPT
第二讲 随机变量及其概率分布2.1 随机变量的概念
E1 抛硬币:可能出现正面或反面;
E2 从一批产品中任取 10 件,抽到的废品数可能是 0,1,2,…,10 中的一个数;
E3 掷骰子:可能出现 1,2,3,4,5,6 点
定义 设随机试验的样本空间为 S = {e
i} ,如果对样本空间的每一个元素 ei ,都有一实数 X(ei) 与之对应,对所有的元素
,就得到一个定义在空间 S 上的实单值函数 X(e) ,称 X(e) 为随机变量,简写为 X 。
Se
2.2 离散型随机变量及其分布律
如果随机变量 X 只能取有限个或可列无穷多个数值,则称 X 为离散型随机变量。
定义 设 X 为一个离散型随机变量,它所有可能取的值为 xk(k=1,2,…) ,而 pk (k=1,2,…) 是 X 取值 xk 时相应的概率,即
或写成
则称上式或表格表示的函数为离散型随机变量 X 的概率分布,或称为 X 的分布律。
),2,1(}{ kpxXP kk
X
P
x1 x2 … xk …
p1 p2 … pk …
2.3 连续型随机变量
对于可以在某一区间内任意取值的随机变量,它的值不是集中在有限个或可列无穷个点上,这就是连续型随机变量。
2.4 概率分布函数
定义 设 X 是一随机变量, x 是任意实数,函数
称为 X 的概率分布函数 , 简称为分布函数。(对连续和离散随机变量都适用)
),(}{)( xxXPxF
根据分布函数的定义,可得下面的基本性质:
性质 1 :满足
1)(0 xF
性质 2 : F(x) 是单调非减函数,即当
则有
21 xx
)()( 21 xFxF
性质 3 :
)(1}{ xFxXP
性质 4 :随机变量 X 在区间
上取值的概率为21 xXx
)()(}{ 1221 xFxFxXxP
性质 5 :
1)(,0)( FF
性质 6 : F(x) 右连续,即
)()( xFxF
对于离散随机变量的分布函数,除满足以上性质外,还具有阶梯形式,即
1
1
)(
)(}{)(
iii
ii
i
xxUp
xxUxXPxF
2.5 概率密度函数
概率密度函数定义为概率分布函数F(x) 对 x 的导数,即
有时简称为密度函数。dx
xdFxf
)()(
对于离散随机变量,其概率密度函数为 ( 只含有冲激函数)
i
ii xxpdx
xdFxf )(
)()(
如果概率分布函数 F(x) 对 x 的导数定义的概率密度函数既有连续函数又有冲激函数,则成为混合型随机变量:
( )( ) 0.5 ( ) 0.2 ( 2) 0.1 ( 1) 0.2 ( 2)xdF xf x e x x x x
dx
根据概率分布函数的性质,可得到概率密度的性质:
性质 1 :概率密度函数非负
0)( xf
性质 2 :概率密度函数在 (x1,x2) 区间积分,得到该区间的取值概率
2
1
)(}{ 21
x
xdxxfxXxP
性质 3 :概率密度函数在整个取值区间积分为 1 ,即
1)( dxxf
2.6 二维随机变量及其分布
1. 二维随机变量及其分布函数
定义 设随机试验 E 的样本空间 S={e} ,X=X(e) 和 Y=Y(e) 是定义在样本空间S 上的两个随机变量,由 X 和 Y 构成的矢量 (X,Y) 称为二维随机矢量或二维随机变量。
定义 设 (X,Y) 为二维随机变量,对于任意实数 x 和 y ,令
则称 FXY(x,y) 为二维随机变量 (X,Y)的联合分布函数,或称二维分布函数。
},{),( yYxXPyxFXY
二维分布函数 FXY(x,y) 的性质:
性质 1 :
1),(0 yxFXY
性质 2 :对于任意固定的 x 和 y ,分布函数满足
1),(,0),(
0),(,0),(
XYXY
XYXY
FF
xFyF
性质 3 :对于每个变量, FXY(x,y) 都是单调非减的,即
当 y2>y1 时
当 x2>x1 时),(),( 12 yxFyxF XYXY
),(),( 12 yxFyxF XYXY
如果二维随机变量的可能取值为有限个或可列无穷个,则称 (X,Y) 为二维离散型随机变量。
对于二维离散型随机变量,有
pij 称为 (X,Y) 的联合概率分布列,简称为分布列。
ijji pyYxXP },{
2. 二维概率密度
定义 若二维分布函数 FXY(x,y) 连续并存在二阶偏导数,则定义
为 (x,y) 的二维联合概率密度,简称为二维概率密度。
yx
yxFyxf XY
XY
),(
),(2
二维概率密度具有以下性质:
性质 1 :
0),( yxfXY
性质 2 :
1),(
dxdyyxfXY
性质 3 :
dxdyyxf
yYyxXxPx
x
y
y XY
2
1
2
1
),(
},{ 2121
例:设 (X,Y) 的联合密度函数
求
0
0,0),(
)( yxeyxf
yx
XY
}10,10{ YXP
3. 边缘分布 定义 设 FXY(x,y) 为二维随机变量 (X,
Y) 的分布函数,令
则称 FX (x) 、 FY(y) 分别为 (X,Y) 关于X 和 Y 的边缘分布函数,简称为 X 和Y 的边缘分布函数。
),()(
),()(
yFyF
xFxF
Y
X
将
分别称 fX(x) 和 fY(y) 为 X 和 Y 的边缘概率密度函数。
dxyxfyf
dyyxfxf
XYY
XYX
),()(
),()(
4. 随机变量的独立性
定义 设 X 、 Y 为两个随机变量,如果对任意实数 x 和 y ,事件
和 相互独立,即
则称 X 和 Y 相互独立。
}{ xX }{ yY
}{}{},{ yYPxXPyYxXP
5. 条件分布 在 的条件下,随机变量 Y 的条
件概率分布函数和条件概率密度函数可分别表示为
xX
)(
),()|(
)(
),()|(
xf
yxfxyf
xF
yxFxyF
X
XYY
X
XYY
2.7 n 维随机变量及其分布
定义 n 维随机变量 的 n 维(联合)分布函数为
),,,( 21 nXXX
},,,{
),,,(
2211
21
nn
n
xXxXxXP
xxxF
定义 设 为 n 维随 机变量 的 n 维分 布函数,如果它的 n 阶混合偏导数存
在,那么定义
为 n 维随机变量的 n 维概率密度。
),,,( 21 nxxxF
),,,( 21 nXXX
n
nn
n xxx
xxxFxxxf
21
2121
),,,(),,,(
n 维随机变量相互统计独立的充要条件为:对于所有的
满足),,,( 21 nXXX
)()()(),,,( 2121 nn xfxfxfxxxf
2.8 随机变量的数字特征
2.8.1 数学期望 对于连续随机变量 X ,它的概率
密度为 fX(x) ,则其数学期望定义为
dxxxfXEm XX )(][
对于离散随机变量 X ,假定它有 n个可能取值,各个取值的概率为
,则数学期望定义 为
}{ ii xXPp
n
iii
n
iii pxxXPxXE
11
}{][
混合型随机变量的数学期望就是两部分数学期望的和。
均值具有如下性质:
性质 1 :
其中 c 为常数
][][ XcEcXE
性质 2 :若 c 为常数,则有
ccE ][
性质 3 :若 X 、 Y 是任意二个随机变量,则有
][][][ YEXEYXE
][][][
][
21
21
n
n
XEXEXE
XXXE
性质 4 :若 X 、 Y 是二个相互独立的随机变量,则有
][][][ YEXEXYE
性质 5 :切比雪夫不等式:若 X 随机变量,是其数学期望,则有
推广为比安内梅不等式(对任意 a ):
[ ] XE X
2
1X XP X k
k 2
11X XP X kk
nn
E X aP X a
2.8.2 方差
连续随机变量 X 的方差定义为
dxxfXEx
XEXEXD
X
X
)(])[(
}])[{(][
2
22
离散随机变量 X 的方差定义为:
1
2
22
])[(
}])[{(][
iii
X
pXEx
XEXEXD
方差的性质:
性质 1 :若 c 为常数,则
0][ cD
性质 2 :若 X 是随机变量, c 是常数,则有
][][ 2 XDccXD
性质 3 :若 X 、 Y 是两个相互独立的随机变量,则有
][][][ YDXDYXD
][][][
][
21
21
n
n
XDXDXD
XXXD
2.8.3 矩
n 阶原点矩定义为
,2,1][ nXEm nn
对于离散和连续随机变量,则分别有
dxxfxm
pxm
Xn
n
ii
nin
)(
1
n 阶中心矩定义为:
,2,1}])[{( nXEXE nn
对于离散和连续随机变量,则分别有
dxxfXEx
pXEx
Xn
n
ii
nin
)(])[(
])[(1
二维随机变量 X 和 Y 的 n+k 阶联合原点矩定义为:
dxdyyxfyx
YXEm
XYkn
knnk
),(
][
二维随机变量 X 和 Y 的 n+k 阶联合中心矩为:
dxdyyxfYEyXEx
YEYXEXE
XYkn
knnk
),(])[(])[(
}])[(])[{(
当 n=1 , k=1 时,二阶联合原点矩为
它又称为 X 和 Y 的相关矩。
XYRXYEm ][11
当 n=1 , k=1 时,二阶联合中心矩为
它又称为 X 和 Y 的协方差。
XYCYEYXEXE ])[])([(11
由协方差定义得相关系数定义为:
11
][][
XY
YX
XYXYXY
r
C
YDXD
Cr
当 时,则称 X 与 Y 不相关;若 ,则称 X 与 Y 相关。
当 ,称为正相关;当 ,称为负相关。
0XYr
0XYr
10 XYr
01 XYr
2.8.4 统计独立与不相关
统计独立:对于随机变量而言, X 和Y 相互统计独立的充要条件为
)()(),( yfxfyxf YXXY
相关是指两个坐标之间的线性相关程度。
下面对这两个概念进行讨论:
1. 随机变量 X 和 Y 相互统计独立的充要条件为
)()(),( yfxfyxf YXXY
2. 随机变量 X 与 Y 不相关的充要条件是
0XYr
3. 若两个随机变量统计独立,它们必然不相关。
4. 两个随机变量不相关,则它们不一定互相独立。
5. 若随机变量 X 、 Y 的相关矩为零,即
则称 X 、 Y 互相正交。
0XYR