下载文档原格式
第三章第二次课： 回顾概率基础知识，通过离散型和连续型随机变量的概率分布引出本次讲授内容。
第二节几种常见的理论分布重点：掌握正态分布、二项分布、泊松分布的定义、特点和概率计算。
难点：二项分布的概率函数特征，正态分布的特征。
一、二 项 分 布一）、贝努利试验及其概率公式将某随机试验重复进行n 次，若各次试验结果互不影响， 即每次试验结果出现的概率都不依赖于其它各次试验的结果，则称这n 次试验是独立的。
对于n 次独立的试验，如果每次试验结果出现且只出现对立事件A 与A 之一，在每次试验中出现A 的概率是常数p (0<p <1),因而出现对立事件A 的概率是1-p=q ，则称这一串重复的独立试验为n 重贝努利试验，简称贝努利试验(Bernoulli trials )。
在生物学研究中，我们经常碰到的一类离散型随机变量，如入孵n 枚种蛋的出雏数、n 头病畜治疗后的治愈数、n 尾鱼苗的成活数等，可用贝努利试验来概括。
在n 重贝努利试验中，事件A 可能发生0，1，2，…，n 次，现在我们来求事件A 恰好发生k (0≤k ≤n )次的概率P n (k)。
先取n =4，k =2来讨论。
在4次试验中，事件A 发生2次的方式有以下24C 种： 21A A 43A A 4321A A A A 4321A A A A 4321A A A A 4321A A A A 4321A A A A其中A k (k =1,2,3,4)表示事件A 在第k 次试验发生；k A (k =1,2,3,4)表示事件A 在第k 次试验不发生。
由于试验是独立的，按概率的乘法法则，于是有 P (21A A 43A A )=P (4321A A A A )=…= P (4321A A A A )= P (1A )·P (2A )·P (3A )·P (4A )=242-qp又由于以上各种方式中，任何二种方式都是互不相容的，按概率的加法法则，在4 次试验中，事件A 恰好发生2次的概率为)2(4P = P (21A A 43A A )+P (4321A A A A )+…+ P (4321A A A A )=24C 242-qp一般，在n 重贝努利试验中，事件A 恰好发生k (0≤k ≤n)次的概率为)(k P n =kn C kn k qp - k =0,1,2…，n (3-14)若把(4-14)式与二项展开式∑=-=+nk kn k k n nqp C p q 0)(相比较就可以发现，在n 重贝努利试验中，事件A 发生k 次的概率恰好等于np q )(+ 展开式中的第k +1项，所以也把(4-14)式称作二项概率公式。
第三章 多维随机变量及其分布第一节二维随机变量的概念1.二维随机变量定义：设(X,Y)是二维随机变量，记为:(,){()()}=≤⋂≤F x y P X x Y y (,)=≤≤P X x Y y (,)-∞<<∞-∞<<∞x y称(,)F x y 为X 与Y 的分布函数，或称X 与Y 的联合分布函数}}(){{(,lim (,)→+∞=≤=≤≤+∞=X y F x P X x P X x Y F x y}}(){{,lim (,)→+∞=≤=≤+∞≤=Y x F y P Y y P X Y y F x y分布函数(,)F x y 性质:1）(,)F x y 是变量x 和变量y 的不减函数，(分别关于x 和y 有单调不减性) 2）0(,)1≤≤F x y ，任意一边趋于-∞＝０.F(∞，∞)=1（用来确定未知参数）.3）(,)(0,)(0,0)=+=++F x y F x y F x y ，即(,)F x y 分别关于x 右连续，关于y 也右连续,4）对于任意11221212(,),(,),,,<<x y x y x x y y 下述不等式成立(可用于判定二元函数(,)F x y 是不是某二维随机变量的分布函数):22211112(,)(,)(,)(,)0-+-≥F x y F x y F x y F x y 2.二维离散型随机变量:定义:如果二维随机变量(X,Y)只取有限对或可列无穷多对，则称(X,Y)是二维离散型随机变量其概率{,},,1,2,====i i ij P X x Y y p i j …为二维离散型随机变量(X,Y)的分布律，或随机变量X 和Y 是联合分布律 性质:1.0,(i,j 1.2.....)≥=ij P2.1≤≤=∑∑i i ijx x y yp满足以上两条，即为二维离散型随机变量的分布律. 注；步骤:定取值,求概率,验证1.离散型随机变量X 和Y 的联合分布函数为(,)≤≤=∑∑i i ijx x y yF x y p，其中和式是对一切满足,≤≤i i x x y y 的i,j 来求和的边缘分布定义:对于离散型随机变量(X,Y)，分量X 和Y 的分布律(), 1.2...(), 1.2..的边缘分布律：的边缘分布律：••========∑∑i i ij jJ i ij iX p P X x p i Y p P Y y p i ，0,0(, 1.2....)1•••≥≥===∑∑i j jiip p i j pi p联合确定边缘，但一般情况，边缘不能确定的联合，除非相互独立. 比如；有放回的摸球，就是X ，Y 相互独立. 不放回地摸球，是条件分布.3.二维连续型随机变量的概率密度和边缘概率密度. 对比一维的: 概率密度:()()1∞-∞==⎰f x f x dx ，分布律:{}(),≤≤=⎰b aP a x b f x dx 分布函数:()()-∞=⎰xF x f t dt二维:定义:设二维随机变量(X,Y)的分布函数为(,)F x y ，若存在非负可积函数(,)f x y ，使得对于任意实数x,y 有(,)(,)-∞-∞=⎰⎰xyF x y f u v dudv ，则称(X,Y)为二维连续型随机变量，(,)f x y 称为(X,Y)的概率密度，或联合概率密度.概率密度的性质: 1.(,)F x y ≥0 2.(,)1∞∞-∞-∞=⎰⎰f x y dxdy只要具有以下两条性质，必可作为某二维随机变量的概率密度.3.已知(X,Y)的概率密度(,)f x y ，则(X,Y)在平面区域D 内取值的概率为:{(,)}(,)∈=⎰⎰DP X Y D f x y dxdy (作二重积分)(随机点(X,Y)落在平面区域D 上的概率等于以平面区域D 为底，以曲面(,)=z f x y 顶的典顶的体积) 4.若(,)F x y 在点(x,y)连续，则有2(,)(,)∂=∂∂F x y f x y x y(连续就能根据分布律求概率密度)1） 当求()=P X Y 时，它只是一条线，所以：()0＝=P X Y2） 一个方程有无实根：20++=ax bx c ，即求：22240,40,40,一个实根无实根两个实根+=+<+>b ac b ac b ac均匀分布：定义:设D 为平面上的有界区域，其面积为S ，且0>S ,如果二维随机变量(X,Y)的概率密度为1,(x,y)(,)0,其它⎧∈⎪=⎨⎪⎩Df x y S，则称(X,Y)服从区域D 上的均匀分布(或叫(X,Y)在D 上服从均匀分布，记作（X,Y ）D U . 两种特殊情形:1） D 为矩形，,c )≤≤≤≤a x b y d 时，1,()()(,),c )0,其它⎧⎪--=≤≤≤≤⎨⎪⎩b a dc f x y a x b y d2） D 为圆形，如(X,Y)在以原点为圆心，R 为半径的圆域上服从均匀分布，则(X,Y)的概率密度为:22221,(,))0,其它π⎧⎪=+≤⎨⎪⎩f x y x y R R定义:对连续型随机变量(X,Y),分量X,Y 的概率密度称为(X,Y)关于X 或Y 的边缘概率密度,记作(),X f x ().Y f y X 的分布函数:()(,)(,)∞-∞-∞⎡⎤=∞=⎢⎥⎣⎦⎰⎰xX F x F x f u v dv du （让Ｙ趋于正无穷） Y 的分布函数:()(,)(,)∞-∞-∞⎡⎤=∞=⎢⎥⎣⎦⎰⎰yY F y F y f u v du dv （让Ｘ趋于正无穷） X 的概率密度:()(,),()∞-∞=-∞<<∞⎰X f x f x y dy xY 的概率密度:()(,),()∞-∞=-∞<<∞⎰Y f y f x y dx y（二维的边缘概率密度是直接以联合概率密度在负无穷到正无穷对对应元素积分，其间需要对划分区间的作分别积分）(X,Y)的概率密度:(,)(,)[(,)]-∞-∞-∞-∞==⎰⎰⎰⎰x yx yf x y f u v dudv f u v dv du二维正态分布： 二维正态221212(,)(,,,,)σσρX Y N u u 分布函数的性质:1.211()(,)σX N u ,222()(,)σY N u 边缘服从一维正态分布2.0,ρ=⇔xy X Y 独立（相关系数为Ｏ，则两个随机变量独立）3.212()()σ++k X k Y N u (线性组合按一维正态处理)4. 1212()，±±k X k Y c X c Y 服从二维正态（如：(,)+-X Y X Y ） 条件分布:设(X,Y)是二维离散型随机变量，对于固定的j ，若{}0=>j P Y y ，则称{=i P X x ｜{,}},1,2,{}⋅=======i j ij j j jP X x Y y p Y y i P Y y p …为在=j Y y 条件下随机变量X 的条件分布律同样地，若{}0,=>i P X x 则称{=j P Y y ｜{,}},1,2,{}⋅=======i j ij i i i P X x Y y p X x j P X x p …为=i X x 条件下随机变量Y 的条件分布律 变形，即得求联合分布律的方法.设二维随机变量(X,Y)的概率密度为f(x,y),(X,Y)关于Y 的边缘概率密度为()Y f y .若对于固定的y,()0,>Y f y 则称(,)()Y f x y f y 为在Y=y 的条件下X 的条件概率密度称|(,)(|)()-∞-∞=⎰⎰xxX Y Y f x y f x y dx dx f y 为在Y=y 的条件下，X 的条件分布函数，记为P{X ≤x|Y=y}或|(|)X Y F x y ，即|(,)(|){|}()-∞=≤==⎰x X Y Y f x y F x y P X x Y y dx f y 设F(x,y)及(),()X Y F x F y 分别是二维随机变量(X,Y)的分布函数及边缘分布函数，若对于所有x,y 有P{X ≤x,Y ≤y}=P{X ≤x}P{Y ≤y},即(,)()()=X Y F x y F x F y ，则称随机变量X 和Y 是相互独立的设(X,Y)是连续型随机变量，(,),(),()X Y f x y f x f y 分别为(X,Y)的概率密度和边缘概率密度，则X 和Y 相互独立的条件等价于(,)()()=X Y f x y f x f y 在平面上几乎处处成立(除去面积为0的集合以外，处处成立)第二节随机变量的独立性1. 两个随机变量的独立性 定义:设(,),().()X Y F x y F x F y 分别是二维随机变量(X,Y)的分布函数和两个边缘分布函数，若对任意实数,x y 有(,)().()=X Y F x y F x F y ，则称X 与Y 相互独立.可用于判断独立性(随机变量独立,对任意实数x,y,事件X ,Y ≤≤x y 相互独立) 以上公式等价于:(X ,Y )(X ).()≤≤=≤≤X Y P x y P x P Y y 可类推至多个函数的情况.1)如果X,Y 随机变量独立，().()连续f x g y ，(通过函数作用)则().()f x g y 也独立.(可类推至多个随机变量的情况)例:X,Y 独立，则22,x y 独立.2)如果1212,...,...，ＹＹＹm m X X X 相互独立，12m 121()()...()()()....()和，f x f x f x g y g y g y 也相互独立。
