第三章多维随机变量及其分布随机向量的定义：随机试验的样本空间为S={w}，若随机变量X1(w),X2(w),…,X n(w)定义在S上，则称（X1(w),X2(w),…,X n(w)）为n维随机变量（向量）。
简记为（X1,X2,…,X n）。
二维随机向量（X,Y），它可看作平面上的随机点。
对（X,Y）研究的问题：1．（X,Y）视为平面上的随机点。
研究其概率分布——联合分布率、联合分布函数、联合概率密度；Joint2．分别研究各个分量X,Y的概率分布——边缘（际）分布律、边缘分布函数、边缘概率密度；marginal3．X与Y的相互关系；4．（X,Y）函数的分布。
§二维随机变量的分布一．离散型随机变量1．联合分布律定义若二维随机变量(X,Y)可能取的值(向量)是有限多个或可列无穷多个,则称(X,Y) 为二维离散型随机变量。
设二维离散型随机变量(X,Y)可能取的值(x i,y j), i，j=1,2…,取这些值的概率为p ij=P{(X,Y)=(x i,y i)}=p{X=x i,Y=y i}i ,j=1,2,…——称式为(X,Y)的联合分布律。
(X,Y)的联合分布律可以用表格的形式表示如下：性质：(1) p ij 3 0，i, j=1,2,… (2) ji ij p ,=12．边缘分布律设二维离散型随机变量(X,Y) 的联合分布律为p ij = P{X=x i ,Y=y i } i, j=1,2,…分量X 和Y 的分布律分别为 p i.=P{X=x i } i=1,2,… 满足①p i.30②S p i.=1= p{Y=y i }j=1,2, (30)S =1我们称p i.和分别为(X,Y)关于X 和Y 的边缘分布律，简称为(X,Y)的边缘分布律。
二维离散型随机变量(X,Y) 的联合分布律与边缘分布率有如下关系： p i.=P{X=x i }=P{X=x i , S}=P{X=x i ,j∑(Y=y j )}=j∑P{X=x i ,Y=y j }=j∑p ij 同理可得=i∑p ij例1:一整数X 随机地在1，2，3三个整数中任取一值，另一个整数Y 随机地在1到X中取一值。
考研数学线性代数必考的知识点考研数学线性代数必考的知识点漫长的学习生涯中，大家最熟悉的就是知识点吧？知识点就是一些常考的内容，或者考试经常出题的地方。
还在苦恼没有知识点总结吗？以下是店铺帮大家整理的考研数学线性代数必考的知识点，供大家参考借鉴，希望可以帮助到有需要的朋友。
考研数学线性代数必考的知识点篇1考研数学线性代数必考的重点一、行列式与矩阵第一章《行列式》、第二章《矩阵》是线性代数中的基础章节，有必要熟练掌握。
行列式的核心内容是求行列式，包括具体行列式的计算和抽象行列式的计算二、向量与线性方程组向量与线性方程组是整个线性代数部分的核心内容。
相比之下，行列式和矩阵可视作是为了讨论向量和线性方程组部分的问题而做铺垫的基础性章节。
向量与线性方程组的内容联系很密切，很多知识点相互之间都有或明或暗的相关性。
复习这两部分内容最有效的方法就是彻底理顺诸多知识点之间的内在联系，因为这样做首先能够保证做到真正意义上的理解，同时也是熟练掌握和灵活运用的前提。
三、特征值与特征向量相对于前两章来说，本章不是线性代数这门课的理论重点，但却是一个考试重点。
其原因是解决相关题目要用到线代中的大量内容——既有行列式、矩阵又有线性方程组和线性相关，“牵一发而动全身”。
四、二次型本章所讲的内容从根本上讲是第五章《特征值和特征向量》的一个延伸，因为化二次型为标准型的核心知识为“对于实对称矩阵A存在正交矩阵Q使得A可以相似对角化”，其过程就是上一章相似对角化在为实对称矩阵时的应用。
考研数学概率以大纲为本夯实基础从考试的角度，大家看看历年真题就发现比较明显的规律：概率的题型相对固定，哪考大题哪考小题非常清楚。
概率常考大题的地方是：随机变量函数的分布，多维分布(边缘分布和条件分布)，矩估计和极大似然估计。
其它知识点考小题，如随机事件与概率，数字特征等。
从学科的角度，概率的知识结构与线性代数不同，不是网状知识结构，而是躺倒的树形结构。
第一章随机事件与概率是基础知识，在此基础上可以讨论随机变量，这就是第二章的内容。
