第三章 多维随机变量及其分布(第1讲)

第三章 多维随机变量及其分布在很多随机现象中, 只用一个随机变量来描述往往不够, 而要涉及到多个随机变量. 如炮弹命中点的位置要用一对随机变量(横坐标与纵坐标)来描述, 正弦交流电压要用振幅、频率和相位三个随机变量来描述等等. 要研究这些随机变量之间的联系, 就应当同时考虑若干个随机变量即多维随机变量及其取值规律——多维分布. 本章将介绍有关这方面的内容, 为简明起见, 主要介绍二维情形, 有关内容可以类推到多于二维的情形.第一节 二维随机变量一、二维随机变量的分布函数设E 是一个随机试验, 它的样本空间是S . 设X 、Y 是定义在S 上的随机变量, 则由它们构成的一个向量(X , Y )称为二维随机向量或二维随机变量.一般地, (X , Y )的性质不仅与X 有关, 与Y 有关, 而且还依赖于X 、Y 的相互关系, 因此必须把(X , Y )作为一个整体来研究.首先引入(X , Y )的分布函数的概念.定义 设(X , Y )为二维随机变量, 对于任意实数x 、y , 二元函数F (x , y ) = P {(X ≤ x )∩(Y ≤ y )}= P {X ≤ x , Y ≤ y }称为二维随机变量(X , Y )的分布函数, 或称为随机变量X 和y 的联合分布函数.分布函数F (x , y )表示事件(X ≤ x )与事件(Y ≤ y )同时发生的概率. 如果把(X , Y )看成平面上具有随机坐标(X , Y )的点, 则分布函数F (x , y )在(x , y )处的函数值就是随机点(X , Y )落在平面上的以(x , y )为顶点而位于该点左下方的无限矩形内的概率..由上面的几何解释, 容易得到随机点(X , Y )落在矩形区域{x 1 < X ≤ x 2, y 1 < Y ≤ y 2}的概率为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) (1)与二元函数类似, 二元分布函数F (x , y )也具有如下一些性质: 1︒ F (x , y )是变量x 和y 的单调不减函数, 即当x 1 < x 2时, F (x 1, y ) ≤ F (x 2, y ); 当y 1 < y 2时, F (x , y 1) ≤ F (x , y 2).2︒ 0 ≤ F (x , y ) ≤ 1, 且F (-∞, y ) = 0, F (x , -∞) = 0, F (-∞,-∞) = 0, F (+∞,+∞) = 1. 3︒ F (x , y )关于x 和y 都是右连续的, 即F (x + 0, y ) = F (x , y ), F (x , y + 0) = F (x , y ).4︒ 对任意的(x 1, y 1)、(x 2, y 2), x 1 < x 2, y 1 < y 2, 有F (x 2, y 2) - F (x 2, y 1) - F (x 1, y 2) + F (x 1, y 1) ≥ 0.注: 二元分布函数具有性质1︒~ 4︒, 其逆也成立(2︒中0 ≤ F (x , y ) ≤ 1可去), 即若二元实值函数F (x , y )(x ∈ R , y ∈ R )满足1︒~ 4︒, 则F (x , y )必是某二维随机变量的(X , Y )的分布函数. 其中4︒是必不可少的, 即它不能由1︒~ 3︒推出(除去0 ≤ F (x , y ) ≤ 1).二、二维离散型随机变量如果二维随机变量(X , Y )的所有可能取的值是有限对或可列无限多对, 则称(X , Y )是二维离散型随机变量.设二维离散型随机变量(X , Y )所有可能取的值为(x i , y j ) (i , j = 1, 2, 3, …). 记 P {X = x i , Y = y j } = p ij (i , j = 1, 2, 3, …)则由概率定义有 p ij ≥ 0;111=∑∑∞=∞=i j ij p .我们称P {X = x i , Y = y j } = p ij (i , j = 1, 2, 3, …)为二维离散型随机变量(X , Y )的分布律(概率分布)或随机变量X 和Y 的联合分布律, (X , Y )的分布律也可用表格表示. 其分布函数为=),(y x F ∑∑≤≤==x x yy j i i j y Y x X P },{=∑∑≤≤x x yy ij i j p这里∑∑≤≤x x yy i j 表示对一切x i ≤ x , y j ≤ y 的那些指标i 、j 求和.例1 一个口袋中有三个球, 依次标有1、2、2, 从中任取一个, 不放回袋中, 再任取一个. 设每次取球时, 各球被取到的可能性相等, 以X 、Y 分别记第一次和第二次取到的球上标有的数字, 求X 、Y 的联合分布律与分布函数..解: (X , Y )的可能取值为(1, 2)、(2, 1)、(2, 2). P {X = 1, Y = 2}= P {X = 1}P {Y = 2 / X = 1}=312231=⋅.同理, 有 P {X = 2, Y = 1}=31 , P {X = 2, Y = 2}=31.即(X , Y )的分布律如右表所示.当x < 1, 或y < 1时, F {x , y } = 0;当1 ≤ x < 2, 1 ≤ y <2时, F {x , y } = 0;当1 ≤ x < 2, y ≥ 2时, F {x , y } = =+1211p p 31;当x ≥ 2, 1 ≤ y <2时, F {x , y } ==+2111p p 31;当x ≥ 2, y ≥ 2时, F {x , y } = 1.所以, (X , Y )的分布函数为⎪⎪⎪⎩⎪⎪⎪⎨⎧>>⎩⎨⎧<≤≥⎩⎨⎧≥<≤⎩⎨⎧<≤<≤<<=.2,2,1,21,22,21,31,21,2111,0),(y x y x y x y x y x y x F 或或或三、二维连续型随机变量设二维随机变量(X , Y )的分布函数为F {x , y }, 若存在非负函数f (x , y ), 使对任意的x 、y 有⎰⎰∞-∞-=y xdudvv u f y x F ),(),(，则称(X , Y )为连续型的二维随机变量, f (x , y )称为二维连续型随机变量(X , Y )的概率密度, 或称随机变量X 、Y 的联合概率密度.概率密度f (x , y )具有以下性质: 1︒ f (x , y ) ≥ 0;2︒1),(),(=+∞+∞=⎰⎰∞+∞-∞+∞-F dxdy y x f3︒ 若f (x , y )在点(x , y )处连续, 则有),(),(2y x f yx y x F =∂∂∂4︒ 设G 是xOy 平面上的一个区域, 则点(X , Y )落在G 内的概率为⎰⎰=∈Gdxdyy x f G Y X P ),(}),{( (2)例2 设二维连续型随机变量(X , Y )的概率密度为⎩⎨⎧>>=+-.,0,0,0,2),()(其它y x Ae y x f y x求: (1) 系数A ; (2) 分布函数F (x , y ); (3) 概率P {(X , Y )∈D }, 其中D : x ≥ 0, y ≥ 0, x + y ≤ 1.解: (1) 由1),(=⎰⎰∞+∞-∞+∞-dxdy y x f ,得21=A .(2) ⎰⎰∞-∞-+-=yxy x dxdy e y x F )(),(=⎪⎩⎪⎨⎧>>⎰⎰+-,,0,0,0,)(其它y x dxdy ey xy x=⎩⎨⎧>>----.,0,0,0),1)(1(其它y x e e y x(3) edxdy eedxdxdy y x f Y X P xyxD21),()},{(1010-===⎰⎰⎰⎰---.例3 设二维连续型随机变量(X , Y )的概率密度为⎪⎩⎪⎨⎧≤≤≤≤+=,,0,20,10,3),(2其它y x xy x y x f , 求P {Y ≥ X }.解: P {Y ≥ X }=2417)3(),(2210=+=⎰⎰⎰⎰≤xxy dy xy xdxdxdy y x f .以上关于二维随机变量的讨论, 不难推广到n (n > 2)维随机变量的情形. 一般地, 设E 是一个随机试验, 它的样本空间为S , 设X 1、X 2、…、X n 是定义在S 上的随机变量, 则由它们构成的一个n 维向量(X 1, X 2, …, X n )称为n 维随机向量或n 维随机变量.对任意n 个实数x 1、x 2、…、x n , n 元函数F (x 1, x 2, …, x n ) = P {X 1 ≤ x 1, X 2 ≤ x 2, …, X n ≤ x n }称为n 维随机变量(X 1, X 2, …, X n )的分布函数或随机变量(X 1, X 2, …, X n )的联合分布函数, 它具有与二元分布函数类似的性质.第二节 边 缘 分 布设(X , Y )是二维随机变量, 其分布函数为F (x , y ), 事件{X ≤ x }即为{ X ≤ x , Y < +∞}, 从而由(X , Y )的分布函数可定出X 的分布函数, 记为F X (x ).F X (x ) = P {X ≤ x } = P { X ≤ x , Y < +∞} = F (x , +∞)=),(lim y x F y +∞→.我们称F X (x )为关于X 的边缘分布函数. 类似的可定义关于Y 的边缘分布函数为F Y (y ) = P {Y ≤ y } = P {X < +∞, Y ≤ y }= F (+∞, y ) = ),(lim y x F x +∞→.一、离散型设(X , Y )为二维离散型随机变量, 其分布律为P {X = x i , Y = y j } = p ij (i , j = 1, 2, 3, …), 则∑∑≤∞==+∞=x x j ijX i p x F x F 1),()(, ∑∑≤∞==+∞=y y i ijY i p y F y F 1),()(.从而X 与Y 的分布律分别为∑∞===1}{j iji p x X P , i = 1, 2, …; ∑∞===1}{i ijj p y Y P , j = 1, 2, …;记=⋅i p ∑∞===1}{j iji p x X P , i = 1, 2, …;=⋅j p ∑∞===1}{i ijj p y Y P , j = 1, 2, ….分别称p i ⋅和p ⋅ j 为(X , Y )关于X 与Y 的边缘分布律.注: 1︒ 边缘分布律具有一维分布律的一般性质. 2︒ 联合分布律唯一决定边缘分布律, 反之不然.例1 一袋中装有3只黑球和2只白球, 分别采用有放回与不放回摸球两种方式. 若设⎩⎨⎧=;,0,,1第一次摸出黑球第一次摸出白球X⎩⎨⎧=.,0,,1第二次摸出黑球第二次摸出白球Y求(X , Y )的联合分布律及关于X 与Y 的边缘分布律.解: 有放回 不放回边缘分布律经常写在联合分布律的边缘, 这就是为什么称为边缘分布律的缘由.二、连续型设二维连续型随机变量(X , Y )的概率密度为f (x , y ), 由⎰⎰∞-∞+∞-=+∞=xX dxdy y x f x F x F ]),([),()(;⎰⎰∞-∞+∞-=+∞=yY dydx y x f y F y F ]),([),()(.知X 与Y 都是连续型随机变量. 它们的概率密度分别为⎰∞+∞-=dy y x f x f X ),()(;⎰∞+∞-=dxy x f y f Y ),()(.称f X (x )与f Y (y )分别为(X , Y )关于X 与Y 的边缘概率密度.例2 设D 是平面上的有界区域, 其面积为A , 若二维随机变量(X , Y )的概率密度为⎪⎩⎪⎨⎧∈=,,0,),(,1),(其它D y x Ay x f则称(X , Y )在D 上服从均匀分布.现(X , Y )在以原点为中心、1为半径的圆域上服从均匀分布, 求边缘概率密度.解: 由1),(=⎰⎰∞+∞-∞+∞-dxdy y x f , 得A = π.当|x | < 1时, ⎰∞+∞-=dy y x f x f X ),()(21112122xdy xx-==⎰---ππ; 当|x | ≥ 1时, f X (x ) = 0, 即⎪⎩⎪⎨⎧≥<-=.1,0,1,12)(2x x x x f Xπ同理可得,⎪⎩⎪⎨⎧≥<-=.1,0,1,12)(2y y y y f Y π例3 设二维随机变量(X , Y )的概率密度为⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎥⎦⎤⎢⎢⎣⎡-+------⋅-=2222212121212221)())((2)()1(21exp 121),(σμσσμμρσμρρσπσy y x x y x f ⎪⎪⎭⎫⎝⎛+∞<<∞-+∞<<∞-y x . 其中μ1、μ2、σ1、σ2、ρ 都是常数, 且σ1 > 0, σ2 > 0, -1 < ρ < 1. 我们称(X , Y )为服从参数为μ1、μ2、σ1、σ2、ρ的二维正态分布, 试求二维正态随机变量的边缘概率密度.解: 令m = ⎥⎦⎤⎢⎣⎡-+----222221212121)())((2)(σμσσμμρσμy y x x2121212122121221212222)()()())((2)(σμσμρσμρσσμμρσμ-+---+----=x x x y x y2121221122)()1(σμρσμρσμ--+⎥⎦⎤⎢⎣⎡---=x x y .所以, ⎰∞+∞-=dyy x f x f X ),()(=⎰∞+∞----dyem )1(22212121ρρσπσ⎰∞+∞-⎥⎦⎤⎢⎣⎡--------=dy eex y x 2112222121)1(212)(221121σμρσμρσμρσπσ.令⎪⎪⎭⎫⎝⎛----=1122211σμρσμρx y t , 则dt dy 221σρ⋅-=, 从而,22222)1(211212211222ρσπσρσμρσμρ-=⋅-=⎰⎰∞+∞--∞+∞-⎥⎦⎤⎢⎣⎡-----dt edy etx y .所以, 21212)(121)(σμσπ--=x X ex f (+∞<<-∞x ). 同理可得, 22222)(221)(σμσπ--=y Y ey f (+∞<<-∞y ).表明, ),(~211σμN X , ),(~222σμN Y .此例说明, 二维正态随机变量(X , Y )中的X 、Y 都服从正态分布, 并且与参数ρ 无关. 所以对于确定的μ1、μ2、σ1、σ2而取不同的ρ, 对应了不同的二维正态分布, 但是其中每个随机变量都分别服从相同的正态分布. 因此, 仅由关于X 和Y 的边缘概率密度(分布), 一般不能确定X 和Y 的联合概率密度(分布).第四节 相互独立的随机变量我们知道, 两事件A 、B 相互独立的充要条件是 P (AB ) = P (A )P (B ) 由此我们引进随机变量相互独立的定义. 定义 设F (x , y )及F X (x )、F Y (y )分别是二维随机变量(X , Y )的分布函数及边缘分布函数, 若对于所有的x 、y , 有 P {X ≤ x , Y ≤ y } = P {X ≤ x } P {Y ≤ y }, 即F (x , y ) = F X (x )F Y (y ) (1) 则称随机变量X 和Y 是相互独立的.可见, 在随机变量X 和Y 相互独立的情况下, 由关于X 和Y 的边缘分布函数就唯一地确定(X , Y )的联合分布函数, 而且还可推得}{},{}/{x X P x X y Y P x X y Y P ==≤==≤}{},{limx x X x P x x X x y Y P x ∆+≤≤∆+≤≤≤=→∆),(),(),(),(lim+∞-+∞∆+-∆+=→∆x F x x F y x F y x x F x)()()()()()()()(lim+∞-+∞∆+-∆+=→∆Y X Y X Y X Y X x F x F F x x F y F x F y F x x F )()()()]()([limx F x x F y F x F x x F X X Y X X x -∆+-∆+=→∆= F Y (y ) = P {Y ≤ y }.这就是说在X 和Y 相互独立的情况下条件分布与边缘分布相同, 即条件分布化成了无条件分布.一、离散型设二维离散型随机变量(X , Y )的联合分布律为 P {X = x i , Y = y j } = p ij (i , j = 1, 2, 3, …), (X , Y )关于X 和关于Y 的边缘分布律分别为=⋅i p ∑∞===1}{j iji p x X P , i = 1, 2, …;=⋅j p ∑∞===1}{i ijj p y Y P , j = 1, 2, ….则X 和Y 相互独立的充要条件是P {X = x i , Y = y j } = P {X = x i } P {Y = y j }, 即p ij =⋅i p j p ⋅ (2)例1 设(X , Y )的联合分布律为证明: X 和Y 相互独立.二、连续型设二维连续型随机变量(X , Y )的联合概率密度为f (x , y ), 关于X 和Y 的边缘概率密度为f X (x )和f Y (y ), 则X 和Y 相互独立的充要条件是等式 f (x , y ) = f X (x ) f Y (y ) (3) 几乎处处成立.例3 设(X , Y )服从二维正态分布, 即其联合概率密度为⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎥⎦⎤⎢⎢⎣⎡-+------⋅-=2222212121212221)())((2)()1(21exp 121),(σμσσμμρσμρρσπσy y x x y x f ⎪⎪⎭⎫⎝⎛+∞<<∞-+∞<<∞-y x . 证明: X 和Y 相互独立的充要条件是ρ = 0. 例4 若(X , Y )的联合概率密度为⎩⎨⎧≥≥=+-,,0,0,0,),()(其它y x e y x f y x则X 和Y 相互独立. 证: 显然⎩⎨⎧≥=-,,0,0,)(其它x e x f x X⎩⎨⎧≥=-,,0,0,)(其它y e y f y Y 故有f (x , y ) = f X (x ) f Y (y ). 从而X 和Y 相互独立.例5 设X 与Y 是两个相互独立的随机变量, X 在[0, 0.2]上服从均匀分布, Y 的概率密度为⎩⎨⎧≥=-,,0,0,5)(5其它y e x f y Y试求: (1) X 与Y 的联合概率密度;(2) P {Y ≤ X }.解: (1) 由已知条件, 得⎩⎨⎧≤≤=,,0,2.00,5)(其它x x f X 从而得X 与Y 的联合概率密度为⎩⎨⎧≥≤≤=-.,00,2.00,25),(5其它y x e y x f y(2) P {Y ≤ X }= P {Y - X }⎰⎰≥-=),(y x dxdyy x f ,积分区域如图, 化成二次积分后得⎰⎰≈=⎥⎦⎤⎢⎣⎡=≤-2.0013679.0),(}{e dx dy y x f X Y P x .以上关于二维随机变量的一些概念, 很容易推广到n 维随机变量的情形.设n 维随机变量(X 1, X 2, …, X n )的联合分布函数为F (x 1, x 2, …, x n ), 若存在非负函数f (x 1, x 2, …, x n ), 使得对于任意实数x 1、x 2、…、x n , 有F (x 1, x 2, …, x n ) =⎰⎰⎰∞-∞-∞--n n x x x nn dx dx dx x x x f 112121),,,(,则称f (x 1, x 2, …, x n )为n 维随机变量(X 1, X 2, …, X n )的联合概率密度.称),,,()(111+∞+∞= x F x F X , ),,,,(),(2121,21+∞+∞= x x F x x F X X , …为关于X 1, (X 1, X 2), …的边缘分布函数, ⎰⎰⎰∞+∞-∞+∞-∞+∞-=n n X dx dx dx x x x f x f32211),,,()(1,⎰⎰⎰∞+∞-∞+∞-∞+∞-=nn X Xdx dx dx x x x f x x f432121,),,,(),(21, …为关于X 1, (X 1, X 2), …的边缘概率密度.若对于所有的x 1、x 2、…、x n , 有F (x 1, x 2, …, x n ))()()(2121n X X X x F x F x F n=, 则称X 1, X 2, …, X n 是相互独立的, 对离散型即连续型随机变量, 也有类似的结论. 若对于所有的x 1、x 2、…、x m ; y 1、y 2、…、y n , 有F (x 1, x 2, …, x m ; y 1, y 2, …, y n ) = F 1 (x 1, x 2, …, x m ) F 2 (y 1, y 2, …, y n )其中F 1、F 2和F 依次为(X 1, X 2, …, X m )、(Y 1, Y 2, …, Y n )和(X 1, X 2, …, X m ; Y 1, Y 2, …, Y n )的分布函数, 则称随机变量(X 1, X 2, …, X m )和(Y 1, Y 2, …, Y n )是相互独立的.定理 设随机变量(X 1, X 2, …, X m )和(Y 1, Y 2, …, Y n )相互独立, 则X i (i = 1, 2, …, m )与Y j (j = 1, 2, …, n )相互独立. 又若h 、g 是连续函数, 则h (X 1, X 2, …, X m )和g (Y 1, Y 2, …, Y n )也相互独立.。

第三章多维随机变量及其分布关键词：二维随机变量分布函数分布律概率密度边缘分布函数边缘分布律边缘概率密度条件分布函数条件分布律条件概率密度随机变量的独立性Z=X+Y的概率密度Z=Y/X及Z=XY的概率密度M=max(X,Y)及N=min(X,Y)的概率密度例：研究某一地区学龄儿童的发育情况。

仅研究身高H 的分布或仅研究体重W 的分布是不够的。

需要同时考察每个儿童的身高和体重值，研究身高和体重之间的关系，这就要引入定义在同一样本空间（即某地区全部学龄前儿童）的两个随机变量。

问题的提出实际中，某些随机试验的结果需要同时用两个或两个以上的随机变量描述例：研究某种型号炮弹的弹着点分布。

每枚炮弹的弹着点位置需要由横坐标和纵坐标来确定，而它们是定义在同一样本空间的两个随机变量。

一、二维随机变量的定义设E是一个随机试验，样本空间S={e}；设X=X(e)和Y=Y(e)是定义在S上的随机变量，由它们构成的向量(X,Y)叫做二维随机向量或二维随机变量。

S ey()()(),X e Y ex(X,Y)的性质不仅与X及Y有关，还依赖于X,Y间的相互关系，需将(X,Y)作为整体研究二、二维随机变量的分布函数设(X ,Y )是二维随机变量，对于任意实数x , y ，二元函数称为二维随机变量(X ,Y )的分布函数，或称为随机变量X 和Y 的联合分布函数。

{}(,)()()(,)F x y P X x Y y P X x Y y =≤≤==≤≤ 记成1、定义：若将(X ,Y )看成平面上随机点的坐标，则F (x ,y )在(x ,y )处的函数值即为随机点落在(x ,y )左下方无穷域内的概率2、几何意义：(X ,Y )落在矩形区域[x 1<x ≤x 2, y 1<y ≤y 2]上的概率为x 1x 2yy 1y 20xy(x,y )1212(,)P x x x y y y <≤<≤()()()()22211211,,,,F x y F x y F x y F x y --+=3、性质：1212,(,)(,)y x x F x y F x y <⇒≤任意固定当x 1x 2(x 1,y )(x 2,y )yy 2xy 1(x ,y 1)(x ,y 2)1212,(,)(,)x y y F x y F x y <⇒≤任意固定0(,)1F x y ≤≤ (,)0 (,)0(,)0,(,)1y F y x F x F F -∞=-∞=-∞-∞=+∞+∞=对任意固定，对任意固定，(1) 不减性:F (x , y )关于x , y 单调不减，即(2) 有界性:且(3) 右连续性0(,)(,)lim F x y F x y εε+→+=0(,)(,)lim F x y F x y εε+→+=(),,F x y x y 关于右连续，即：()222112111212(,)(,)(,)(,),0F x y F x y F x y F x y P x X x y Y y --+=<≤<≤≥ 1x 2x 1y 2y 01212,,x x y y <<若则22211211(,)(,)(,)(,)0F x y F x y F x y F x y --+≥(4)三、二维离散型随机变量及其分布律1、定义：,,,,21m x x x X 的可能值为设,,,,21n y y y Y 的可能值为中心问题：(X ,Y )取这些可能值的概率分别为多少？若二维随机变量（X ,Y ）所有可能的取值是有限对或可列无限对，则称（X ,Y ）是二维离散型随机变量。